5月24日消息，烏鎮(zhèn)圍棋峰會(huì)進(jìn)入第二天論壇環(huán)節(jié)。昨天，AlphaGo取得了與柯潔對(duì)陣的首場(chǎng)勝利，再一次展示了人工智能在圍棋領(lǐng)域的非凡實(shí)力。今天，DeepMind創(chuàng)始人杰米斯·哈薩比斯（Demis Hassabis）和AlphaGo團(tuán)隊(duì)負(fù)責(zé)人Dave Silver便對(duì)外講述了AlphaGo研發(fā)背后的故事。

DeepMind于2010年在倫敦成立，2014年被谷歌以4億美元收購(gòu)，目前有200多名員工。哈薩比斯說，DeepMind相當(dāng)于人工智能的阿波羅計(jì)劃，希望打造新的研發(fā)科學(xué)的方式。

所以，DeepMind所有的研究?jī)?nèi)容都圍繞智能。大致分為兩個(gè)步驟：一是要攻克智能，真正的掌握智能；二是用智能去解決問題。

如何實(shí)現(xiàn)這樣的目標(biāo)？DeepMind在努力打造一臺(tái)通用型的學(xué)習(xí)系統(tǒng)。在DeepMind的所有算法中，都有一個(gè)學(xué)習(xí)的機(jī)制，而不是預(yù)設(shè)的系統(tǒng)。

通用型的學(xué)習(xí)系統(tǒng)最大的特點(diǎn)是可以舉一反三，一個(gè)算法可以做一系列的事情。這很接近人類的大腦，從一個(gè)任務(wù)中學(xué)習(xí)到的經(jīng)驗(yàn)，可以應(yīng)用到其他事情中去。

目前，絕大多數(shù)機(jī)器都無法做到這點(diǎn)，DeepMind希望能夠打造出這樣的能力。

Deepmind創(chuàng)始人杰米斯·哈薩比斯（左）

哈薩比斯舉了一個(gè)例子，上世紀(jì)90年代，IBM 發(fā)明的深藍(lán)系統(tǒng)（Deep Blue）曾打敗了國(guó)際象棋冠軍加里·卡斯帕羅夫（Gary Kasporov）。但這并不是一個(gè)通用型學(xué)習(xí)系統(tǒng)的例子，深藍(lán)是一種弱人工智能，它通過機(jī)器暴力搜索，來搜索研發(fā)人員預(yù)設(shè)的數(shù)據(jù)。

所以，深藍(lán)不能說是一個(gè)聰明的機(jī)器，只能說背后的編程者很聰明。

那DeepMind在做的強(qiáng)人工智能是什么樣子？簡(jiǎn)單概括來說，機(jī)器需要掌握觀察和行動(dòng)兩個(gè)技能。假設(shè)有一個(gè)智能體，當(dāng)它獲得一個(gè)目標(biāo)信息，它首先需要去觀察自己所處的環(huán)境，這個(gè)環(huán)境可以是真實(shí)環(huán)境或者是虛擬環(huán)境，然后通過視覺、聽覺，甚至是感覺去熟悉環(huán)境。

然后就設(shè)定一個(gè)想法，針對(duì)環(huán)境去決定當(dāng)下應(yīng)該采取什么樣的行動(dòng)來實(shí)現(xiàn)目標(biāo)?？此坪?jiǎn)單的兩個(gè)步驟，背后卻涉及了極其復(fù)雜的算法和原理。

為什么AlphaGo要下圍棋？

回到AlphaGo，哈薩比斯和他的團(tuán)隊(duì)為什么選擇圍棋，而不是象棋或者其他棋類？哈薩比斯表示，圍棋對(duì)計(jì)算機(jī)來說是最困難的，其復(fù)雜程度讓窮舉搜索都難以解決。

對(duì)機(jī)器來說，圍棋的困難主要在兩方面：一是，機(jī)器無法寫出評(píng)估程序來決定誰(shuí)贏了；二是，圍棋是一種直覺性的比賽。

輸贏的判斷對(duì)比賽來說非常重要，但是圍棋不像象棋，吃掉對(duì)方的“帥”或者“將”即可獲勝，這也導(dǎo)致圍棋的搜索空間非常龐大。

圍棋更像是一個(gè)筑防游戲，每走一步都需要盤算整個(gè)棋局，而象棋是所有棋子都擺在盤上。另外，圍棋選手都是依靠直覺在下棋，且圍棋中沒有等級(jí)概念，所有的棋子都一樣，小小的一子，就可以影響全局。

正因如此，AlphaGo在圍棋上取得的成績(jī)，確實(shí)得來不易。哈薩比斯也說，去年戰(zhàn)勝李世石，讓他們整個(gè)團(tuán)隊(duì)都很激動(dòng)。為這一刻，等了十年。

AlphaGo是如何工作的？

Dave Silver稱，按照傳統(tǒng)的算法，每下一步棋計(jì)算出幾十種可能，然后每種可能又產(chǎn)生幾十種可能。這種窮舉式的搜索方法應(yīng)用在每一步都有上百種可能的圍棋上，會(huì)變得非常笨拙。

所以AlphaGo團(tuán)隊(duì)在研究時(shí)，一直想辦法減少窮舉式搜索的寬度和深度。

他們結(jié)合了監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的優(yōu)勢(shì)。一方面形成一個(gè)策略網(wǎng)絡(luò)（policy network），用于學(xué)習(xí)棋盤；另一方面，形成一個(gè)價(jià)值網(wǎng)絡(luò)，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)結(jié)合在一起，就形成了AlphaGo的樹搜索。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。

與柯潔對(duì)戰(zhàn)的AlphaGo自學(xué)成才

但這次與柯潔對(duì)戰(zhàn)的AlphaGo相較于去年的版本，進(jìn)行了很大的改變。今年的AlphaGo更強(qiáng)化了學(xué)習(xí)，它通過自己與自己下棋，產(chǎn)生大量的棋局，然后學(xué)習(xí)、改進(jìn)。

這樣一來，AlphaGo就不需要依靠人類的數(shù)據(jù)，而是自學(xué)成才。然后不斷給下一代版本提供更好的數(shù)據(jù)，這是一個(gè)良性循環(huán)。

去年，與李世石對(duì)戰(zhàn)的AlphaGo在谷歌云商有50TPUs在運(yùn)作，每一步可以搜索50個(gè)棋步，并且可每秒搜索10000個(gè)位置。

昨天與柯潔對(duì)戰(zhàn)的AlphaGo，則是在單個(gè)TPU機(jī)器上進(jìn)行比賽，它擁有了更強(qiáng)大的策略和價(jià)值網(wǎng)絡(luò)。

哈薩比斯說，AlphaGo最酷是它不僅把圍棋當(dāng)做比賽，更是當(dāng)做一種藝術(shù)，而且是非?？捎^的藝術(shù)。

在與李世石對(duì)陣的第二局比賽中，它走出了令人驚嘆的第37步棋，這讓研發(fā)人員都感到驚訝。按照圍棋幾千年來的經(jīng)驗(yàn)，人類是絕不會(huì)下出這一步。

李世石當(dāng)時(shí)在賽后也表示，AlphaGo給圍棋帶來了全新的體驗(yàn)和認(rèn)知，讓他有了繼續(xù)下棋的比賽。

柯潔在昨天比賽技術(shù)后也有著同樣的感受，AlphaGo讓圍棋有了更多的可能，似乎沒有哪一步是不能下的。

AlphaGo已經(jīng)展現(xiàn)出了它在圍棋方面的創(chuàng)造力，并給圍棋選手打開了新的世界的大門，圍棋的邊界遠(yuǎn)遠(yuǎn)超乎他們之前的認(rèn)知。

哈薩比斯說，他們會(huì)繼續(xù)打造AlphaGo，不斷彌補(bǔ)它知識(shí)方面的空白，讓它變得更完美。

對(duì)于未來，以AlphaGo為代表的人工智能也會(huì)成為人類的工具，就像望遠(yuǎn)鏡一樣，幫助人類探索更多未知的領(lǐng)域。比如在材料設(shè)計(jì)、新藥研制等方面，人工智能一旦有所突破，給人類帶來的影響也同樣超乎想象。

最后，哈薩比斯還強(qiáng)調(diào)一點(diǎn)，當(dāng)人工智能真正來到人們身邊時(shí)，正確恰當(dāng)?shù)氖褂萌斯ぶ悄芤卜浅Ｖ匾?/p>