電子發(fā)燒友早八點訊：圍棋已經(jīng)流傳近3000年，但人類一直低估了一點：以第五條線為代表的棋局中部區(qū)域。

這是AlphaGo之父、DeepMind創(chuàng)始人DemisHassabis向外界分享AlphaGo背后故事時透露的重要信息。

?

自去年3月首爾那場載入史冊的比賽以來，AlphaGo超越人類棋手固有思維和套路的招法，對圍棋界的沖擊史無前例。用DemisHassabis的話說，“就像人們利用哈勃望遠(yuǎn)鏡發(fā)現(xiàn)新的宇宙空間一樣。AlphaGo就是圍棋界的‘哈勃天文望遠(yuǎn)鏡’。”

5月24日，DeepMind創(chuàng)始人DemisHassabis以及AlphaGo團隊負(fù)責(zé)人DavidSilver一起對外詳解了AlphaGo背后的研發(fā)故事，以及AlphaGo究竟意味著什么?

“AlphaGo已經(jīng)展示出了創(chuàng)造力，在某一個領(lǐng)域它甚至已經(jīng)可以模仿人類直覺了。”DemisHassabis對第一財經(jīng)記者表示，在未來能看到人機合作的巨大力量，人類智慧將通過人工智能進一步放大。“強人工智能是人類研究和探尋宇宙的終極工具。”

圍棋難在哪兒

歷史上，電腦最早掌握的第一款經(jīng)典游戲是井字游戲，這是1952年一位博士在讀生的研究項目;隨后是1994年電腦程序Chinook成功挑戰(zhàn)西洋跳棋游戲;3年后，IBM深藍(lán)超級計算機在國際象棋比賽中戰(zhàn)勝世界冠軍加里·卡斯帕羅夫。

相比之下，圍棋看似規(guī)則簡單，復(fù)雜性卻難以想象。它一共有10的170次方種可能性，這個數(shù)字比整個宇宙中的原子數(shù)10的80次方都多，沒有辦法窮舉出圍棋所有可能的結(jié)果。

在DemisHassabis看來，更困難的是圍棋不像象棋等游戲靠計算，而是靠直覺。“圍棋中沒有等級概念，所有棋子都一樣，圍棋是筑防游戲，因此需要盤算未來。你在下棋的過程中，是棋盤在心中，必須要預(yù)測未來。小小一個棋子可撼動全局，牽一發(fā)而動全身。圍棋‘妙手’如受天啟。”Hassabis如此解釋道。

第一位與AlphaGo對陣的人類職業(yè)棋手樊麾對記者感慨，“曾經(jīng)以為計算機打敗職業(yè)棋手，一輩子都不會看到，沒想到這么快就實現(xiàn)了。”

對AlphaGo團隊來說，是時候?qū)ふ乙环N更聰明的方法來解開圍棋謎題了。

AlphaGo系統(tǒng)的關(guān)鍵是，將圍棋巨大無比的搜索空間壓縮到可控的范圍之內(nèi)。

為了應(yīng)對圍棋的巨大復(fù)雜性，AlphaGo采用了一種新穎的機器學(xué)習(xí)技術(shù)，結(jié)合了監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)的優(yōu)勢。

具體而言，首先是通過訓(xùn)練形成一個策略網(wǎng)絡(luò)(policynetwork)，將棋盤上的局勢作為輸入信息，并對所有可行的落子位置生成一個概率分布。然后，訓(xùn)練出一個價值網(wǎng)絡(luò)(valuenetwork)對自我對弈進行預(yù)測，以-1(對手的絕對勝利)到1(AlphaGo的絕對勝利)的標(biāo)準(zhǔn)，預(yù)測所有可行落子位置的結(jié)果。

這兩個網(wǎng)絡(luò)自身都十分強大，而AlphaGo將這兩種網(wǎng)絡(luò)整合進基于概率的蒙特卡羅樹搜索(MCTS)中，實現(xiàn)了它真正的優(yōu)勢。最后，新版的AlphaGo產(chǎn)生大量自我對弈棋局，為下一代版本提供了訓(xùn)練數(shù)據(jù)，此過程循環(huán)往復(fù)。

AlphaGo如何決定落子

在獲取棋局信息后，AlphaGo會根據(jù)策略網(wǎng)絡(luò)探索哪個位置同時具備高潛在價值和高可能性，進而決定最佳落子位置。

在分配的搜索時間結(jié)束時，模擬過程中被系統(tǒng)最頻繁考察的位置將成為AlphaGo的最終選擇。在經(jīng)過先期的全盤探索和過程中對最佳落子的不斷揣摩后，AlphaGo的搜索算法就能在其計算能力之上加入近似人類的直覺判斷。

DemisHassabis表示，AlphaGo不只是模仿其他人類選手的下法，而且在不斷創(chuàng)新。

例如，在與李世石第二局里對弈第37步，這一步是Demis在整個比賽中感到最震驚的一步。

Demis解釋道：在圍棋中有兩條至關(guān)重要的分界線，從右數(shù)第三根線。如果在第三根線上移動棋子，意味著你將占領(lǐng)該線右邊的領(lǐng)域。而如果是在第四根線上落子，意味著你計劃向棋盤中部進軍，潛在的，未來你會占棋盤上其他部分的領(lǐng)域，可能和你在第三根線上得到的領(lǐng)域相當(dāng)。

因此，在過去的3000多年里，人們普遍認(rèn)為在第三根線上落子和第四根線上落子有著相同的重要性。但在第37步中，阿爾法狗卻把棋子落在了第五條線，進軍棋局的中部區(qū)域。“這可能意味著，在過去幾千年里，人們低估了棋局中部區(qū)域的重要性。”

值得一提的是，和去年戰(zhàn)勝李世石的AlphaGo相比，DeepMind科學(xué)家DavidSilver稱現(xiàn)在AlphaGo要更強三子，他介紹道：“與李世石對戰(zhàn)的AlphaGo在云上有50個TPUs在運作，搜索50個棋步為10000個位置/秒，而5月23日打敗柯潔的AlphaGoMaster則在單個TPU上進行游戲，AlphaGo成為自己的老師，它從自己的搜索里學(xué)習(xí)，有著更強大的策略和價值網(wǎng)絡(luò)。”

柯潔也在5月24日的微博中，對于AlphaGo團隊給出的檢測報告感嘆：自己是在跟怎樣可怕的對手下棋。

“這個差距有多大呢?簡單地解釋一下就是一人一手輪流下的圍棋，對手連續(xù)讓你下三步……又像武林高手對決讓你先捅三刀一樣……”柯潔說。

除了下圍棋，AlphaGo還能做什么?

圍棋之外，DemisHassabis告訴記者，AlphaGo的高效算法是一種通用型的算法，也可以推廣到其他算法，把人工智能運用到各種各樣的領(lǐng)域，如將AI用到材料設(shè)計、新藥研制上，還有現(xiàn)實生活中的應(yīng)用，如醫(yī)療、智能手機、教育等。

不過他也對第一財經(jīng)坦言，圍繞AlphaGo，背后的技術(shù)包括圖像處理、大數(shù)據(jù)分析等，這些技術(shù)目前在其他領(lǐng)域的使用還在早期探索階段，只在AlphaGo研究的中間環(huán)節(jié)某些領(lǐng)域應(yīng)用，但是在未來肯定會在多個領(lǐng)域推廣相關(guān)的技術(shù)。

聲明：電子發(fā)燒友網(wǎng)轉(zhuǎn)載作品均盡可能注明出處，該作品所有人的一切權(quán)利均不因本站轉(zhuǎn)載而轉(zhuǎn)移。作者如不同意轉(zhuǎn)載，即請通知本站予以刪除或改正。轉(zhuǎn)載的作品可能在標(biāo)題或內(nèi)容上或許有所改動。