AlphaGo之父詳解“圍棋上帝”煉成記

圍棋已經(jīng)流傳近3000年，但人類(lèi)一直低估了一點(diǎn)：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(shí)透露的重要信息。

自去年3月首爾那場(chǎng)載入史冊(cè)的比賽以來(lái)，AlphaGo超越人類(lèi)棋手固有思維和套路的招法，對(duì)圍棋界的沖擊史無(wú)前例。用DemisHassabis的話說(shuō)，“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(tuán)隊(duì)負(fù)責(zé)人DavidSilver一起對(duì)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(gè)領(lǐng)域它甚至已經(jīng)可以模仿人類(lèi)直覺(jué)了。”DemisHassabis對(duì)第一財(cái)經(jīng)記者表示，在未來(lái)能看到人機(jī)合作的巨大力量，人類(lèi)智慧將通過(guò)人工智能進(jìn)一步放大。“強(qiáng)人工智能是人類(lèi)研究和探尋宇宙的終極工具。”

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(xiàng)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(jí)計(jì)算機(jī)在國(guó)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(jiǎn)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(gè)數(shù)字比整個(gè)宇宙中的原子數(shù)10的80次方都多，沒(méi)有辦法窮舉出圍棋所有可能的結(jié)果。

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

第一位與AlphaGo對(duì)陣的人類(lèi)職業(yè)棋手樊麾對(duì)記者感慨，“曾經(jīng)以為計(jì)算機(jī)打敗職業(yè)棋手，一輩子都不會(huì)看到，沒(méi)想到這么快就實(shí)現(xiàn)了。”

對(duì)AlphaGo團(tuán)隊(duì)來(lái)說(shuō)，是時(shí)候?qū)ふ乙环N更聰明的方法來(lái)解開(kāi)圍棋謎題了。

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

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

具體而言，首先是通過(guò)訓(xùn)練形成一個(gè)策略網(wǎng)絡(luò)(policynetwork)，將棋盤(pán)上的局勢(shì)作為輸入信息，并對(duì)所有可行的落子位置生成一個(gè)概率分布。然后，訓(xùn)練出一個(gè)價(jià)值網(wǎng)絡(luò)(valuenetwork)對(duì)自我對(duì)弈進(jìn)行預(yù)測(cè)，以-1(對(duì)手的絕對(duì)勝利)到1(AlphaGo的絕對(duì)勝利)的標(biāo)準(zhǔn)，預(yù)測(cè)所有可行落子位置的結(jié)果。

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

在獲取棋局信息后，AlphaGo會(huì)根據(jù)策略網(wǎng)絡(luò)探索哪個(gè)位置同時(shí)具備高潛在價(jià)值和高可能性，進(jìn)而決定最佳落子位置。

在分配的搜索時(shí)間結(jié)束時(shí)，模擬過(guò)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(guò)先期的全盤(pán)探索和過(guò)程中對(duì)最佳落子的不斷揣摩后，AlphaGo的搜索算法就能在其計(jì)算能力之上加入近似人類(lèi)的直覺(jué)判斷。

DemisHassabis表示，AlphaGo不只是模仿其他人類(lèi)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(duì)弈第37步，這一步是Demis在整個(gè)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(dòng)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(jì)劃向棋盤(pán)中部進(jìn)軍，潛在的，未來(lái)你會(huì)占棋盤(pán)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(guò)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(jìn)軍棋局的中部區(qū)域。“這可能意味著，在過(guò)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(qiáng)三子，他介紹道：“與李世石對(duì)戰(zhàn)的AlphaGo在云上有50個(gè)TPUs在運(yùn)作，搜索50個(gè)棋步為10000個(gè)位置/秒，而5月23日打敗柯潔的AlphaGoMaster則在單個(gè)TPU上進(jìn)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(qiáng)大的策略和價(jià)值網(wǎng)絡(luò)。”

柯潔也在5月24日的微博中，對(duì)于AlphaGo團(tuán)隊(duì)給出的檢測(cè)報(bào)告感嘆：自己是在跟怎樣可怕的對(duì)手下棋。

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

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(yùn)用到各種各樣的領(lǐng)域，如將AI用到材料設(shè)計(jì)、新藥研制上，還有現(xiàn)實(shí)生活中的應(yīng)用，如醫(yī)療、智能手機(jī)、教育等。

不過(guò)他也對(duì)第一財(cái)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(lái)肯定會(huì)在多個(gè)領(lǐng)域推廣相關(guān)的技術(shù)。