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‘哈勃天文望遠鏡’?！?/p>

5月24日，DeepMind創(chuàng)始人DemisHassabis以及AlphaGo團隊負責人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，在某一個領域它甚至已經(jīng)可以模仿人類直覺了?！盌emisHassabis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?！皬娙斯ぶ悄苁侨祟愌芯亢吞綄び钪娴慕K極工具?！?/p>

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?！皣逯袥]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?！?/p>

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)。

為了應對圍棋的巨大復雜性，AlphaGo采用了一種新穎的機器學習技術，結(jié)合了監(jiān)督學習和強化學習的優(yōu)勢。

具體而言，首先是通過訓練形成一個策略網(wǎng)絡(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，訓練出一個價值網(wǎng)絡(valuenetwork)對自我對弈進行預測，以-1(對手的絕對勝利)到1(AlphaGo的絕對勝利)的標準，預測所有可行落子位置的結(jié)果。

這兩個網(wǎng)絡自身都十分強大，而AlphaGo將這兩種網(wǎng)絡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練數(shù)據(jù)，此過程循環(huán)往復。

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，意味著你將占領該線右邊的領域。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域，可能和你在第三根線上得到的領域相當。

因此，在過去的3000多年里，人們普遍認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習，有著更強大的策略和價值網(wǎng)絡?！?/p>

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域，如將AI用到材料設計、新藥研制上，還有現(xiàn)實生活中的應用，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，背后的技術包括圖像處理、大數(shù)據(jù)分析等，這些技術目前在其他領域的使用還在早期探索階段，只在AlphaGo研究的中間環(huán)節(jié)某些領域應用，但是在未來肯定會在多個領域推廣相關的技術。

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)載的作品可能在標題或內(nèi)容上或許有所改動。