AI研究和實(shí)用化，為何從棋牌開始？

為什么在人工智能領(lǐng)域，科學(xué)家總是熱衷于讓AI跟人類下棋，玩游戲？從簡(jiǎn)單的跳棋、五子棋，到更加復(fù)雜的中國(guó)象棋、國(guó)際象棋，以及最近非常熱門的圍棋和德州撲克。每次AI在某個(gè)智力游戲上成功地?fù)魯∪祟愡x手，便會(huì)讓大家唏噓不已，慨嘆AI會(huì)在不久的將來取代人類…

幸運(yùn)的是，AI接手地球還并未發(fā)生。我們不僅不需要如此杞人憂天，而且還會(huì)欣喜地發(fā)現(xiàn)人工智能的技術(shù)進(jìn)步給生活帶來了更多便利。一個(gè)會(huì)下棋的AI也并非科學(xué)家的終極目標(biāo)，其更積極的意義在于，AI算法在研究棋藝的過程中不斷精進(jìn)和提升，會(huì)帶來更多設(shè)計(jì)上的創(chuàng)新，從而在根本上提升人工智能算法的能力和適用范圍。

而科學(xué)家之所以樂于選擇棋類游戲，一方面是因?yàn)樗鼈冏怨乓詠砭捅徽J(rèn)為是人類智力活動(dòng)的象征，模擬人類活動(dòng)的AI自然要以此為目標(biāo)。成功達(dá)到人類甚至高于人類水平，可以吸引更多人關(guān)注并投身于人工智能的研究和應(yīng)用中來。

另一方面，棋類也很適合作為新的AI算法的標(biāo)桿（Benchmark）。棋類游戲的規(guī)則簡(jiǎn)潔明了，輸贏都在盤面，適合計(jì)算機(jī)來求解。理論上只要在計(jì)算能力和算法上有新的突破，任何新的棋類游戲都有可能得到攻克。

除了棋類游戲，牌類游戲（比如德州撲克、橋牌、麻將、斗地主等）也逐漸成為人工智能研究的新方向。而在更加大型的電子游戲方面，比如星際爭(zhēng)霸、我的世界（Minecraft），科學(xué)家也開始了新一輪的AI算法的創(chuàng)新。這些不同的游戲在研究人員的眼里究竟有什么區(qū)別？這些研究成果對(duì)我們的生活又有什么意義呢？下面我們就為大家扒一扒這兩個(gè)問題。

了解棋牌類AI，我們可以先從它的分類講起。這一家族按照牌面“坦誠(chéng)”度的不同，可以分為兩支脈絡(luò)：一支擅長(zhǎng)“打開天窗說亮話”，另一支則是“猜測(cè)推理”的智能高手。

國(guó)際象棋、圍棋等盤面信息都是公開的，對(duì)弈雙方接收到的信息完全相同，因此也被稱為“完全信息類”的AI博弈；而德州撲克、橋牌、麻將等游戲，每個(gè)人無法看到對(duì)手手里的牌，所以稱之為“非完全信息類”的AI博弈。

顧名思義，即棋面信息大家都可看到，博弈雙方接收到的信息是完全對(duì)等的，如國(guó)際象棋和圍棋。此類博弈中，AI每次只需要根據(jù)當(dāng)前盤面，搜索計(jì)算以后各種情況下自己的勝率。為了提高搜索效率，一般需要對(duì)搜索過程中產(chǎn)生的“博弈樹”進(jìn)行廣度和深度剪枝。就是我們平常下棋時(shí)常說的算多遠(yuǎn)和算多準(zhǔn)。為了算得遠(yuǎn)，我們一般需要讓AI少看對(duì)手和自己不太可能走的地方，稱之為策略函數(shù)。為了算的準(zhǔn)，我們需要更加準(zhǔn)確地評(píng)估多步后的盤面自己的勝率，稱之為價(jià)值函數(shù)。找到了合適的函數(shù)，再加上計(jì)算機(jī)的強(qiáng)大計(jì)算力，讓AI達(dá)到或超過人類成為可能。在博弈樹和策略價(jià)值函數(shù)的選擇上，“完全信息類”棋類AI算法經(jīng)歷了從“AlphaBeta剪枝算法”、“蒙特卡洛樹搜索”到“深層神經(jīng)網(wǎng)絡(luò)”的迭代更新，功能也不斷“進(jìn)化”。

跳棋、五子棋 | 難度指數(shù) ★

跳棋和五子棋的空間復(fù)雜度較低。甚至在不需要對(duì)博弈樹剪枝的情況下，計(jì)算機(jī)憑借強(qiáng)大的計(jì)算能力便可以計(jì)算所有盤面的可能。所以在這種相對(duì)簡(jiǎn)單的棋類游戲中，人類已經(jīng)不存在戰(zhàn)勝AI的可能。

中國(guó)象棋、國(guó)際象棋 | 難度指數(shù) ★★★

象棋的空間復(fù)雜度較高，暴力求解的方法并不可行。但是相對(duì)而言容易找到適合的價(jià)值函數(shù)。以國(guó)際象棋為例，可以根據(jù)棋盤上殘留棋子的類型和位置給出一個(gè)大致的評(píng)分。比如，棋盤上如還有皇后加10分，有車加5分，有馬加3分，以此為基礎(chǔ)計(jì)算函數(shù)。為了提高效率，國(guó)際象棋還有巨大的開局和終局?jǐn)?shù)據(jù)庫(kù)來保證殘局計(jì)算的準(zhǔn)確度。依靠這些規(guī)則，1997年“深藍(lán)”第一次戰(zhàn)勝了人類國(guó)際象棋冠軍。其后，電腦象棋程序甚至可以在PC上運(yùn)行并擊敗頂級(jí)人類選手。

圍棋 | 難度指數(shù) ★★★★

圍棋的空間復(fù)雜度高，據(jù)估計(jì)圍棋的決策點(diǎn)大概有10的170次方之多。找到合適的策略和價(jià)值函數(shù)一直是圍棋AI的核心問題。蒙特卡洛樹搜索算法用概率的方法幫助圍棋AI找到了一個(gè)較為準(zhǔn)確的價(jià)值函數(shù)，并幫助程序達(dá)到了業(yè)余高段的水平。而借助深度神經(jīng)網(wǎng)絡(luò)，研究員尋找到了更好的策略和價(jià)值函數(shù)的計(jì)算方法。通過增強(qiáng)學(xué)習(xí)，AI還可以無限模擬各種對(duì)弈情境，生成上億數(shù)據(jù)，用來訓(xùn)練生成更準(zhǔn)確的函數(shù)。集大成的 “AlphaGo”在2016年以4：1歷史性戰(zhàn)勝了世界頂級(jí)圍棋棋手李世石。而正在進(jìn)行的AlphaGo新版本與柯潔之戰(zhàn)，不知道又給我們帶來何種新算法和啟示。

在博弈過程中，如果雙方得到的信息是不完全、不對(duì)等的，需要通過猜測(cè)對(duì)方底牌計(jì)算概率，就屬于非完全信息類，如德州撲克、橋牌、麻將等。

非完全信息博弈要求更為復(fù)雜的推理能力，不僅要看別人打了什么牌，還要猜測(cè)別人手里有什么牌，并根據(jù)對(duì)手行動(dòng)暗示出的信息，來計(jì)算自己的最優(yōu)出牌出法。由于對(duì)手的行為不僅暗示他的信息，也取決于他對(duì)我們的私人信息有多少了解，我們的行為透露了多少信息。所以，這種“循環(huán)推理”，導(dǎo)致一個(gè)人很難孤立地推理出游戲的狀態(tài)。

現(xiàn)代博弈理論創(chuàng)建者、計(jì)算機(jī)先鋒馮·諾依曼有句名言，用來形容非完全信息類對(duì)弈再合適不過：“現(xiàn)實(shí)世界有很多假象、騙術(shù)，需要你去思考別人對(duì)你的策略到底看穿了多少。這就是我提出的理論所涉及的博弈。”

德州撲克 | 難度指數(shù) ★★★★

德州撲克的搜索復(fù)雜度是10的160次方，和國(guó)際圍棋接近。博弈中主要采用“納什均衡”原理——在一個(gè)特定時(shí)刻，尋找相對(duì)于其他參與人的最優(yōu)反應(yīng)。與圍棋相比，撲克不僅要根據(jù)不完全信息進(jìn)行復(fù)雜決策，還要應(yīng)付對(duì)手的虛張聲勢(shì)、故意示弱等招數(shù)。去年年底，來自阿爾伯塔大學(xué)、查爾斯大學(xué)和布拉格捷克理工大學(xué)的計(jì)算機(jī)科學(xué)家開發(fā)的DeepStack在二人無限注德州撲克中打敗了人類職業(yè)玩家；今年年初，卡內(nèi)基？梅隆大學(xué)所開發(fā)的Libratus又擊敗了四個(gè)更加優(yōu)秀的職業(yè)選手，這是AI在不完全信息博弈中堪稱里程碑式的突破。對(duì)于人工智能而言，下一個(gè)挑戰(zhàn)是征服多人撲克。

麻將 | 難度指數(shù) ★★★

目前麻將主要風(fēng)靡于亞洲，所以國(guó)標(biāo)麻將和日本麻將都有比較強(qiáng)的AI，高于人類平均水平，但是和人類頂尖高手的水平還是有較大的距離。麻將的搜索復(fù)雜程度遠(yuǎn)遠(yuǎn)小于圍棋和德州撲克，但是由于（一般）是四人博弈，其對(duì)技術(shù)的要求和二人零和博弈（例如一對(duì)一德州撲克）很不相同。二人零和博弈的解法主要是尋找納什均衡策略或近似納什均衡策略，多人博弈中由于存在多個(gè)均衡的可能性以及多人的相互影響，納什均衡策略沒有任何性能的保證，從技術(shù)上來講這意味著大家?guī)缀跻獜念^再來，這在技術(shù)上帶來了新的挑戰(zhàn)（和多人撲克比較類似）。

星際爭(zhēng)霸，我的世界 | 難度指數(shù) ★★★★★

星際爭(zhēng)霸和我的世界這類游戲的復(fù)雜程度不僅在信息的不對(duì)稱，更在于其更加開放的游戲規(guī)則。此類游戲更加類似人們?cè)诂F(xiàn)實(shí)世界中遇到的情況。游戲規(guī)則的開放性讓游戲世界會(huì)出現(xiàn)很多計(jì)算機(jī)很難處理的新情況。比如特殊的從未出現(xiàn)過的地形特點(diǎn)，對(duì)手長(zhǎng)時(shí)間的密謀和規(guī)劃等。排除計(jì)算機(jī)在運(yùn)行速度上的優(yōu)勢(shì)，計(jì)算機(jī)還未真正在這些游戲上證明自己的能力。

小貼士：與完全信息類對(duì)弈相比，有時(shí)候德州撲克、麻將對(duì)弈輸了，不全是因?yàn)榇虻貌缓?，有可能從一開始牌不好，所以贏面比較低。運(yùn)氣的成分在這類棋藝比賽中非常重，這一點(diǎn)與國(guó)際象棋和圍棋大不同。在圍棋中，專業(yè)選手和非專業(yè)選手的對(duì)決，從來不會(huì)因?yàn)檫\(yùn)氣的存在而馬失前蹄或極其偶然地咸魚翻身。

從社會(huì)層面的反饋看，有人會(huì)顧慮，機(jī)器對(duì)弈人類獲得成功，會(huì)破壞棋類藝術(shù)本身的意味，它們會(huì)讓專業(yè)棋手的價(jià)值受到挑戰(zhàn)，甚至讓更多的人放棄學(xué)習(xí)棋類運(yùn)動(dòng)；有人卻覺得這樣的賽事可以普及各種棋類，讓更多人對(duì)這些棋類、游戲等產(chǎn)生興趣；還有人會(huì)夸大AI帶來的對(duì)人類的威脅……

可能在技術(shù)進(jìn)步的過程中，確實(shí)會(huì)引發(fā)一些社會(huì)問題，但這在人類每個(gè)歷史階段都會(huì)遇到，人類也不會(huì)因此而放慢技術(shù)進(jìn)步的步伐，一些現(xiàn)在看起來引發(fā)大眾不適的社會(huì)問題，一定會(huì)逐步解決。愛因斯坦說過：“科學(xué)，究竟是給人帶來幸福還是帶來災(zāi)難，全取決于人自己。” 畢竟，在一場(chǎng)場(chǎng)人腦和AI的巔峰對(duì)決中，并不是機(jī)器打敗了人類，而是人類超越了自己！

未來AI更廣泛的用途一定會(huì)是在類似無人駕駛、智能安防以及人工智能助理這種真正意義上的非完全信息類的真實(shí)環(huán)境里。在真實(shí)世界，AI遇到的問題千變?nèi)f化，不會(huì)有一個(gè)統(tǒng)一的規(guī)則、統(tǒng)一的函數(shù)就能幫助其解釋相應(yīng)的行為。棋牌類AI只是人工智能非常早期的演練而已。

所以，AI在各種棋牌游戲和人類對(duì)戰(zhàn)，其意義不在于輸贏本身，更重要的是人們對(duì)這類游戲都耳熟能詳，能夠通過比賽了解到AI的最新進(jìn)展，這對(duì)AI的發(fā)展有很大促進(jìn)作用，畢竟AI進(jìn)化的過程還相當(dāng)長(zhǎng)，即便是圍觀群眾，也需要了解這個(gè)未來會(huì)與每個(gè)人的生活都息息相關(guān)的領(lǐng)域。

我們也期盼著棋牌類AI的成功和突破能夠啟發(fā)AI在其他方面的研究和應(yīng)用，并能將創(chuàng)新應(yīng)用到更多行業(yè)和領(lǐng)域，激勵(lì)更多的人投身于AI的研究和實(shí)用化，讓人類生活更加便捷、高效和智能化，使整個(gè)人類和大自然都能夠受益于AI。在對(duì)弈過程中，人工智能研究領(lǐng)域的技術(shù)、專家人才培養(yǎng)體系也得以更加完善，從而推動(dòng)人工智能去攻克一個(gè)又一個(gè)技術(shù)和應(yīng)用的“高地”。

PS本文作者：微軟亞洲研究院資深研究員楊懋、主管研究員秦濤