为什么说AlphaGo的胜利是件惊天动地的大事？

2016年03月10日 10:10
来源：凤凰科技

这一增强版的学习系统让AlphaGo变得更像人类，而不是靠惊人计算能力战胜国际象棋大师的IBM深蓝电脑。

李世石对战AlphaGo

凤凰科技讯北京时间3月10日消息，据科技网站The Verge报道，随着人工智能技术的进步，各种棋类高手一一被电脑斩落马下，围棋是人类硕果仅存的骄傲，但在昨天的一场世纪之战中，谷歌旗下的AlphaGo电脑却成功击败韩国九段棋手李世石，引起了全世界的关注。李世石也在赛后表示：“我非常吃惊，没想到真的会输，AlphaGo的实力居然如此强悍。”只是下盘棋而已，为什么AlphaGo的胜利如此引人注目呢？想要真正理解该问题，就要先了解围棋的特性和DeepMind团队如何去破解围棋中的各个难点。

以下为文章全文：

昨天DeepMind的AlphaGo战胜传奇围棋选手李世石的消息成了全世界各家媒体的头条，同时，这也是人工智能（AI）历史上最重要的时刻之一。“我非常吃惊，”李世石说道。“我没想到会输，AlphaGo的实力居然如此强悍。”

不过就是下个棋而已，为什么AlphaGo的胜利如此引人关注呢？想要真正理解该问题，就要先了解围棋的特性和DeepMind团队如何去破解围棋中的各个难点。

围棋发源于中国，是一项拥有3000年历史的古老游戏。它非常抽象，所有的战斗都发生在19 x 19的格子棋盘上，棋手通过落子围住对手的棋子来获胜。虽然规则不多，但变化多端的棋路让其变得非常深奥，因为任何细微的变化都有可能引起战局的突变。

韩国围棋协会高级秘书长

英国围棋联盟裁判托比表示：“围棋是世界上最为复杂的智力游戏，它简单的规则加深了棋局的复杂性。”托比还引用了20世纪传奇围棋选手爱德华·拉斯克（Edward Lasker）的话，后者表示：“国际象棋中有许多巴洛克式规则（意为华而不实），它们都是人们故意添加的，而围棋则不同，它的规则是如此优雅自然，有着严格的逻辑，如果宇宙中还有其他智慧生物，我想他们也会爱上围棋。”

正是因为围棋超凡的复杂性，想要成为传奇选手，你需要经过多年的训练。棋手需要磨练自己的直觉并学习识破各种棋路。“刚刚上手时，你会觉得围棋的规则简单易懂，但在长期的练习中你会发现这项运动深不可测，”韩国围棋协会高级秘书长Lee Ha-jin说道。“即使你已经在围棋界浸淫几十年，你依然会发现自己还有许多东西可学，围棋棋艺是没有天花板的。”

五岁时Lee Ha-jin就表现出极强的围棋天赋，因此她的父母将她送去首尔的私立围棋学校学习，她跟老师同吃同住，平日上学，晚上回来后还要练习几小时的围棋。经过11年的训练，她最终成为了一名职业棋手。

小小棋盘中蕴藏着无数奥秘

我采访过的每个围棋选手对这项运动的评价都如出一辙：围棋的魅力就在于简单规则后无数的变化。这些复杂的变化正是电脑难以捉摸并真正掌握的地方，毕竟机器没有人的直觉。

“国际象棋和西洋棋与围棋不同，它们不需要选手对棋局做复杂的形势评估，”乔纳森·谢弗(Jonathan Schaeffer)说道，他是加拿大阿尔伯塔大学的计算机科学家，此前他的Chinook程序曾战胜过顶级的西洋棋选手。“在国际象棋和西洋棋中，只需简单的启发，你就知道下一步该怎么走，衡量各个棋子的价值是选手最重要的任务——如果在国际象棋中多一个车的棋子，那你已经基本胜券在握了。但这些方式在围棋中都行不通，从人类的角度来看，围棋的棋路过于复杂，电脑很难学会。不过AlphaGo做到了，它拥有世界上首个有效的评估函数系统。

那么DeepMind是如何做到的呢？其实解决这个问题的关键是深度学习和类神经网络技术，有了它们，研究人员就能教AlphaGo下棋。就像Google Photos能帮你从无数图片中找出猫咪一样，其背后是该应用对超大量级的猫咪图片做分析后的结果，这些分析处理甚至细化到了像素级别。而AlphaGo能有如此成绩，则得益于对数百万项围棋数据的学习，包括各种棋路和棋手的比赛。

眼下，AlphaGo还在不断学习，其能力也在不断增强。起初，它还是靠学习套路（策略网络）来预测对手的落子方式，不过随着价值网络训练的深入，AlphaGo已经有了那么点“直觉”，它可以分析出比赛的态势了。在棋局中，AlphaGo已经可以通过快速对各种可能性做分析，提前考虑后面几步的落子和排兵布阵了。其实AlphaGo拥有的各项技术都是相互辅助的，类神经网络可以降低电脑的负载，提高工作效率；套路学习则可以减小其搜索范围，而价值网络则可让它从每次的比赛中总结出自己的经验。

AlphaGo拥有自己的“思考”能力

这一增强版的学习系统让AlphaGo变得更像人类，而不是靠惊人计算能力战胜国际象棋大师的IBM深蓝电脑，毕竟围棋和国际象棋在复杂程度上不属于一个量级，用深蓝电脑的方法是无法在围棋上战胜人类的。在五场比赛的间歇，DeepMind都不会对AlphaGo做调整，因此电脑只能靠自己来学习，但每天一场比赛的量确实有些少。此外，DeepMind公司创始人杰米斯•哈萨比斯（Demis Hassabis）称AlphaGo的计算能力在去年十月的比赛后一直都没有得到增强，因此现在它的能力已经达到现有硬件条件下的顶峰。

不过深蓝电脑的开发人员认为AlphaGo在国际象棋上并不一定是世界最强。“我相信DeepMind可以开发出战胜所有国际象棋大师的程序，”IBM研发工程师坎贝尔说道（他认为AlphaGo是一个令人印象深刻的程序）。“不过我不认为AlphaGo可以在所有棋类比赛中站上世界之巅。为什么这么说呢？因为国际象棋在搜索能力的要求上与围棋有着本质上的不同，而该能力是电脑战胜国际象棋大师最为关键的一环。虽说围棋上电脑也需要深度搜索来辅助，但围棋更重视直觉和对棋局形势的判断与预估，而在国际象棋比赛中，搜索能力就是唯一，这正是AlphaGo最为缺乏的。”

不过DeepMind公司可不这么想，它们认为在AlphaGo上取得的经验可以在多个领域中得到应用。哈萨比斯曾讲述过深蓝电脑上的AI与AlphaGo的不同，他认为后者更加灵活，适应性也更强，而深蓝电脑的应用范围则较窄。未来，DeepMind的人工智能技术将用在机器人，智能手机语音助手和医疗保健等领域。