北京時間3月9日12:00整，一場舉世矚目的圍棋“人機世界大戰(zhàn)”在韓國首爾上演。比賽一方為谷歌公司研制的人工智能程序AlphaGo，另一方則是圍棋世界冠軍、韓國名將李世乭九段。
經(jīng)過3個半小時的鏖戰(zhàn)，李世乭九段投子認(rèn)輸，輸?shù)袅诉@五番棋中的第一場。
不管最終結(jié)果如何，
關(guān)于這場世紀(jì)大戰(zhàn)，有8個問題你需要知道。
游戲，是AI最初開發(fā)的主要戰(zhàn)地之一。博弈游戲要求AI更聰明、更靈活、用更接近人類的思考方式解決問題。游戲AI的開發(fā)最早可以追溯到1952年的一篇博士論文。1997年，國際象棋AI第一次打敗頂尖的人類；2006年，人類最后一次打敗頂尖的國際象棋AI。歐美傳統(tǒng)里的頂級人類智力試金石，在電腦面前終于一敗涂地，應(yīng)了四十多年前計算機科學(xué)家的預(yù)言。
但有一個游戲始終是人類大腦的專利——古老的圍棋。 圍棋AI長期以來舉步維艱，頂級AI甚至不能打敗稍強的業(yè)余選手。這似乎也合情合理：國際象棋中，平均每回合有35種可能，一盤棋可以有80回合；相比之下，圍棋每回合有250種可能，一盤棋可以長達(dá)150回合。這一巨大的數(shù)目，足以令任何蠻力窮舉者望而卻步——而人類，我們相信，可以憑借某種難以復(fù)制的算法跳過蠻力，一眼看到棋盤的本質(zhì)。
不需要。AlphaGo背后是一群杰出的計算機科學(xué)家，確切的說，是機器學(xué)習(xí)（machine learing）算法領(lǐng)域的專家。科學(xué)家利用神經(jīng)網(wǎng)絡(luò)算法，將棋類專家的比賽記錄輸入給計算機，并讓計算機自己與自己進(jìn)行比賽，在這個過程中不斷學(xué)習(xí)訓(xùn)練。某種程度上講，AlphaGo的棋藝不是開發(fā)者教給他的，而是自學(xué)成才。
不過，研究出AlphaGo的（Deepmind）創(chuàng)始人 杰米斯·哈薩比斯（Demis Hassabis）確實是棋類的狂熱愛好者，哈薩比斯四歲開始接觸國際象棋，并很快進(jìn)化成神童級人物。正是在博弈游戲上的興趣讓哈薩比斯開始思考兩個重要問題：人腦是怎樣處理復(fù)雜信息的？更重要的，電腦也可以像人類一樣嗎？博士期間的哈薩比斯選擇了學(xué)習(xí)認(rèn)知神經(jīng)科學(xué)和計算機神經(jīng)科學(xué)。今天，38歲的哈薩比斯帶著他的AlphaGo，向人類最頂級的博弈游戲之一——圍棋發(fā)起進(jìn)攻。
AlphaGo 的核心是兩種不同的深度神經(jīng)網(wǎng)絡(luò)?！安呗跃W(wǎng)絡(luò)”（policy network）和 “值網(wǎng)絡(luò)”（value network）。它們的任務(wù)在于合作“挑選”出那些比較有前途的棋步，拋棄明顯的差棋，從而將計算量控制在計算機可以完成的范圍里——本質(zhì)上，這和人類棋手所做的一樣。
其中，“值網(wǎng)絡(luò)”負(fù)責(zé)減少搜索的深度——AI會一邊推算一邊判斷局面，局面明顯劣勢的時候，就直接拋棄某些路線，不用一條道算到黑；
而“策略網(wǎng)絡(luò)”負(fù)責(zé)減少搜索的寬度——面對眼前的一盤棋，有些棋步是明顯不該走的，比如不該隨便送子給別人吃。
AlphaGo利用這兩個工具來分析局面，判斷每種下子策略的優(yōu)劣，就像人類棋手會判斷當(dāng)前局面以及推斷未來的局面一樣。這樣AlphaGo在分析了比如未來20步的情況下，就能判斷在哪里下子贏的概率會高。
我們先來看看圍棋和國際象棋之間有什么差別：
第一，圍棋每一步的可能下法非常多：圍棋手在起手時就有19X19=361種落子選擇，在比賽的任意階段，也都有數(shù)以百計的可能下法。但國際象棋的可能下法通常只有50種左右。圍棋最多有3^361種局面，這個數(shù)字大概是10^170，而已經(jīng)觀測到的宇宙中，原子的數(shù)量才10^80。國際象棋最大只有2^155種局面，稱為香農(nóng)數(shù)，大致是10^47。
第二，對國際象棋來說，只需要把目前棋盤上剩余棋子的價值總和算出來，就能大概知道棋盤上誰處于優(yōu)勢了。但這種方法對圍棋來行不通，在圍棋的棋局中，計算機很難分辨當(dāng)下棋局的優(yōu)勢方和弱勢方。
可見，同樣是下棋，對付圍棋要比對付國際象棋棘手得多。
讓我們直觀的看一下國際象棋和圍棋的復(fù)雜度對比，上圖是國際象棋，下圖是圍棋：
圖片來自Google
另外深藍(lán)就是專門制造出來下國際象棋的。它評估盤面的標(biāo)準(zhǔn)完全依賴于國際象棋本身的規(guī)則，除了下棋它就干不了別的了，連五子棋都不會！但AlphaGo不同，圍棋只是他的一個測試平臺。工程師可以通過圍棋，發(fā)展和測試AlphaGo的能力。這個能力將來會運用到各個領(lǐng)域。就像《星際爭霸》還是角色扮演游戲中的NPC，高級人工智能不僅能成為強有力的對手，也可以變成優(yōu)秀的團隊伙伴。
有關(guān)AlphaGo在這幾個月的“進(jìn)化程度”，谷歌官方并沒有給出任何確切的介紹。但是有位名叫安德斯·可魯夫（Anders Kierulf）的圍棋游戲設(shè)計師給出了這樣的猜測：
在深藍(lán)對戰(zhàn)卡斯帕羅夫的過程中，工程師們可以在比賽間調(diào)整深藍(lán)的算法，比如修復(fù)bug。對AlphaGo來說，這可能并非易事。比如說，對戰(zhàn)樊麾時，第二局的31步是AlphaGo的失誤：
要是換了別的場景，那么這步棋是正確的局部著法——但AlphaGo對全局整體的理解還不夠充分。在這種情況下，避免特定的錯誤則更容易一些。在去年十月，AlphaGo并沒有使用開放的庫，但在三月的比賽前，Google大可以把庫添加進(jìn)去，至少可以在比賽間調(diào)整（如果一盤棋里走錯，就在下一盤前手動添加，這樣下一盤棋就不會再錯），這樣李世石就無法連續(xù)幾盤利用同一個定式錯誤。
在比賽前，Google可以做的改進(jìn)還有：
改進(jìn)AlphaGo的神經(jīng)網(wǎng)絡(luò)。在對樊麾的比賽中，他們使用了3000萬個位置作為原始數(shù)據(jù)，來訓(xùn)練AlphaGo的價值網(wǎng)絡(luò)。在對李世石的位置中，他們可以使用1億個位置訓(xùn)練。
額外訓(xùn)練AlphaGo的投骰（rollout）策略，然后將改進(jìn)過的投骰策略加入到價值網(wǎng)絡(luò)的訓(xùn)練中。
調(diào)整投骰和價值網(wǎng)絡(luò)之間的平衡，也可以在比賽本身中投入更大的運算量。
對于這個問題，英國曼徹斯特大學(xué)計算機科學(xué)教授凱文·柯倫表達(dá)了否定態(tài)度。他認(rèn)為，我們沒有理由相信技術(shù)會有極限，特別是在AlphaGo這樣的特定領(lǐng)域。
對戰(zhàn)的最后時分。之后，李世乭投子認(rèn)輸。
而來自南京大學(xué)計算機系的兩位專家，周志華和俞揚則都認(rèn)為，上限是客觀存在的。周志華表示，“強化學(xué)習(xí)”奏效的關(guān)鍵，是兩個模型都不錯，而且有足夠大的“差異”。當(dāng)模型性能提升以后，其差異會顯著下降，到了一定程度必然會使性能無法繼續(xù)通過這種機制提升。其上限取決于高質(zhì)量“有標(biāo)記”樣本（相當(dāng)于真實李世乭水平棋手的棋局）的數(shù)量。
俞揚的觀點是，上限不僅存在，而且已經(jīng)和AlphaGo當(dāng)下的水平極其接近。從AlphaGo的報道來看，DeepMind已經(jīng)在想辦法避免過擬合（即越學(xué)越差），這說明他們可能已經(jīng)碰到了上限。
7，如果在全部5局中，
AlphaGo以5：0戰(zhàn)勝李世乭，
對人工智能而言意味著什么？
正如本文開頭所說，未來已經(jīng)來臨。無論最終的結(jié)果如何，都無法阻止更多的人類終于開始用警惕的目光打量AI……圍棋職業(yè)八段劉菁的評論是：“還來不及反應(yīng)，一切來的似乎是太快了！面對毫無表情，連廁所都不上的阿爾法狗，4000年圍棋的終結(jié)者今天就來了嗎？空氣中彌漫著機器的味道?！?/p>
就算AI輸了，難道你們就松口氣了嗎？
聯(lián)系客服
