据雷锋网理解，该事情紧张是受启于 DeepMind 的事情。今年早些时候 FAIR 启动了该项事情，期望基于其进行强化学习研究而开拓的可扩展、轻量级框架（Extensible Lightweight Framework，ELF）再现 AlphaGoZero 最近的结果。其目的则是创建一个开源实现的系统，该系统能够自学围棋进而达到人类职业棋手的水平或更高水平；同时他们也希望通过发布的代码和模型，勉励更多的人去思考这项技能新的运用和研究方向。
据这个项目的卖力人田渊栋先容，他们用了两千块 GPU 演习该模型，约两到三周后得到当前版本的围棋 AI模型，该模型基本上超过了强职业棋手的水平。ELF OpenGo 在与天下排名前 30 的四位职业围棋棋手（金志锡，申真谞，朴永训及崔哲瀚）的对弈中，OpenGo 以 14：0 的成绩赢得了所有的比赛；在比赛中OpenGo利用单块 GPU 每步50秒的搜索韶光（每步搜索 8 万个局势），而人类棋手可以有任意永劫光的思考。
其余，ELF OpenGo 在与目前公开可用的、最强的围棋机器人 LeelaZero 的对一种，后者采取了除ponder外的缺省配置，以及公开权重（192x15，158603eb, Apr. 25, 2018），结果 OpenGo 赢得了全部 200 场比赛。
田渊栋博士随后在知乎上揭橥的一篇感想文章中提到，OpenGo 这个项目「不是为了做最好的围棋程序，不是说要打败谁」。之以是做这个项目有三个目的：
(1) AlphaGoZero/AlphaZero 算法很故意思，我们想知道为什么它有效果，是怎么会有效果的，是不是犹如宣扬的那样是百试百灵的通用算法，是不是只要堆机器，强人工智能立时就来了？还是说实在这个算法有什么问题和弱点？DeepMind 不开源也不透露细节，文章里面一些地方也没有写得很清楚。我之前写过 Blog 谈论过，但是没有第一手履历总不是很踏实。以是本着研究目的，我们须要复现一下，先有复现，才有创新，这个是做研究的习气。
(2) 今年年初我重写了 ELF 的核心代码，其余也加了分布式演习，须要找个详细运用来测试一下。站在这个角度上，AlphaGoZero/AlphaZero 是个完美的选择，再说之前也有 DarkForest 的代码和围棋程序的履历，以是把它们拼起来不用花太多力气。
(3) 不管是通用算法还是分布式平台，都可以用来干很多别的事情，不一定是围棋，不一定是游戏。如果我们去看 ELF OpenGo 的代码，会创造实在很大一部分和围棋一点关系也没有，完备适用于其它方向的事情。而围棋对我们来说，只是一个把算法和平台做好的手段。在这一点上，花点韶光把围棋做好是值得的。
田渊栋博士表示，随着本日 ELF OpenGo 的发布，这三个目的都已达到。当然，他们更希望的是能够借此机会推广一下 ELF 平台和 PyTorch 深度学习框架，让更多的人利用和完善它。
代码见：https://github.com/pytorch/ELF
模型见：https://github.com/pytorch/ELF/releases
英文 blog 见：https://research.fb.com/facebook-open-sources-elf-opengo/
ELF 平台
ELF 平台是一个可扩展、轻量级且非常灵巧的游戏研究平台，尤实在用于实时计策（RTS）游戏的研究，于 2016 年 6 月首次发布。
在 C++端，ELF 与 C++线程同时托管多个游戏；而在 Python 端，ELF 可以一次返回一批游戏状态，这使得其对当代的强化学习非常友好。比较之下，其他平台（例如 OpenAI Gym）则只是利用一个 Python 界面封装一个单一的游戏，这种情形使得并发游戏（许多当代的强化学习算法都有此哀求）的实行就变得比较繁芜。
ELF 具有以下特色：
端到端：ELF 为游戏研究供应了端到真个办理方案。它供应微型实时策略游戏环境、并行仿照、直不雅观的 API、基于 Web 的可视化，并且还具有由 Pytorch 授权的强化学习后端，资源需求最少。
可扩展性：任何具有 C / C ++接口的游戏都可以通过编写一个大略的包装器插入到这个框架中。
轻量级：ELF 运行速率非常快，开销很小。在一台 MacBook Pro 上，基于 RTS 引擎构建的大略游戏（MiniRTS）利用 ELF 平台，能够单核每秒运行 40K 帧；而只利用 6 块 CPU+1 块 GPU 从零开始演习 MiniRTS，也只须要六天。
灵巧性：环境和参与者之间的配对非常灵巧。例如单个 agent 与单个环境（例如 Vanilla A3C）、多个 agent 与单个环境（Self-play/MCTS），或者单个 agent 与多个环境（BatchA3C、GA3C）等。而且，任何构建在 RTS 引擎之上的游戏都可以完备访问其内部表示和动态。
随着这次 OpenGo 的开源，FAIR 也对 ELF 平台进行了改进，升级了更高效、更友好的 API 以及支持对数千台打算机进行分布式打算的框架。作为 PyTorch 的一部分，ELF 能够是研究职员能轻松地考试测验不同的强化学习思想，并进行快速、灵巧的实验。
雷锋网宣布。