面向循环经济的强化学习与生命周期评估——通向渐进计算机科学

本文旨在探讨利用强化学习方法进行循环经济中的生命周期评估的潜力，并提出若干新思路。为此，我们阐述了强化学习在计算机象棋中的成功应用。由于计算机象棋历史上被称为AI的「果蝉」，我们首先描述一种棋盘表示方法——「旋转位棋盘」（rotated bitboards），其在可持续性领域也可能具有应用价值。本文前半部分解释了位棋盘表示及（旋转）位棋盘在棋子生成中的优势。为实践演示，我们描述了在C#中由柴林根大学开发的棋引擎FUSc#中棋子生成器的具体实现。此外，还简要讨论了旋转二进制神经网络。后半部分涉及计算机象棋中的强化学习（及其延伸）。我们通过对比2002-2008年FUSc#开发时的「当前最佳」与「AlphaZero」等突破性创新，概述了该领域在过去15-20年中的进展。我们回顾了AlphaZero所启发思想在其他领域的应用，如「其他Alpha」系列（AlphaFold、AlphaTensor、AlphaGeometry、AlphaProof）。本文最后部分讨论了向绝对可持续经济范式转变所需的计算机科学挑战，阐述「渐进计算机科学」的作用。具体挑战包括通过生命周期评估闭合材料循环以实现绝对可持续，并提出若干新思路。