5 月 24 日，在新版本 AlphaGo 首戰(zhàn)以 1/4 子微弱優(yōu)勢(shì)戰(zhàn)勝中國(guó)圍棋職業(yè)九段棋手柯潔之后，“AlphaGo 之父”DeepMind 創(chuàng)始人兼 CEO Demis Hassabis、AlphaGo 團(tuán)隊(duì)負(fù)責(zé)人 David Silver 在人工智能高峰論壇上詳解了 AlphaGo 的研發(fā)并就“AlphaGo 意味著什么” 的問題進(jìn)行了詳細(xì)解答。

在了解Demis Hassabis與David Silver的專業(yè)觀點(diǎn)之前，AI與機(jī)器人（dnbai2017）先帶大家了解一下昨日AlphaGo 首戰(zhàn)以 1/4 子戰(zhàn)勝柯潔，到底是怎么一回事兒？

阿爾法狗是有直覺的

1/4子是中國(guó)規(guī)則下最小的勝負(fù)差，如果是人類對(duì)決，通?？梢哉f是運(yùn)氣不佳，或者說是憾負(fù)，因?yàn)槿绱诵〉膭儇?fù)差，在人類對(duì)決中，確實(shí)很多時(shí)候有一點(diǎn)運(yùn)氣的成分。但這次，真的不是，所以圍棋界也很清醒，沒有人會(huì)說阿法狗贏了1/4子很僥幸，沒有人會(huì)說柯潔只差了一點(diǎn)點(diǎn)，因?yàn)槭聦?shí)不是這樣的。

實(shí)際上中盤結(jié)束，這個(gè)比賽的結(jié)果已經(jīng)沒有爭(zhēng)議了。（圍棋分序盤，中盤和官子三個(gè)階段，當(dāng)然并不是涇渭分明，但一般都會(huì)這樣形容對(duì)局進(jìn)程）。一個(gè)恐怖的事實(shí)是，在今年元旦master橫掃人類60盤棋譜中，人類無法判定，機(jī)器的官子實(shí)力到底如何，為什么呢？沒有一盤是官子定勝負(fù)的。

柯潔在官子階段的奮起直追，其實(shí)是alphago安全運(yùn)轉(zhuǎn)，不斷退讓，在元旦的60盤棋中，這樣的場(chǎng)景也不斷出現(xiàn)過，計(jì)算機(jī)追求勝率，而不是勝差。所以領(lǐng)先較多的時(shí)候，寧可下?lián)p一點(diǎn)的棋，比如無棋自補(bǔ)，也要把可能的風(fēng)險(xiǎn)扼殺掉。計(jì)算機(jī)的邏輯是，在保持領(lǐng)先的基礎(chǔ)上，減少了對(duì)手翻盤的可能。用專業(yè)人員的點(diǎn)評(píng)就是，領(lǐng)先越來越小，勝率越來越高，直到最后1/4子的優(yōu)勢(shì)，但你卻絕對(duì)找不到任何翻盤的機(jī)會(huì)。

關(guān)于阿爾法狗“更追求勝率”下法，Demis Hassabis用了一個(gè)更有人情味的解釋：直覺。“AlphaGo 已經(jīng)展示出了創(chuàng)造力，也已經(jīng)可以模仿人類直覺了。在過去一年，我們繼續(xù)打造 AlphaGo，我們想打造完美的 AlphaGo，彌補(bǔ)它知識(shí)方面的空白。因?yàn)樵谂c李世石的比賽中，它是有缺陷的。在未來我們能看到人機(jī)合作的巨大力量，人類智慧將通過人工智能進(jìn)一步放大。強(qiáng)人工智能是人類研究和探尋宇宙的終極工具?！?/p>

聽到“直覺”這兩個(gè)字，我們也許會(huì)覺得玄乎，覺得在吹牛。但熟悉圍棋的朋友就知道：圍棋不像象棋等游戲靠計(jì)算，而是靠直覺。圍棋中沒有等級(jí)概念，所有棋子都一樣。圍棋是筑防游戲，因此需要盤算未來。小小一子可撼全局，“ 妙手 ” 如受天啟。

阿爾法狗已經(jīng)是“阿老師”

這么一想，這個(gè)“直覺”便是“預(yù)測(cè)未來”了。技術(shù)控們?cè)倏纯?nbsp;AlphaGo 如何進(jìn)行訓(xùn)練的吧，或許會(huì)有一些啟示：

圍棋對(duì)于機(jī)器的難點(diǎn)之一是評(píng)估程序的撰寫。而 AlphaGo 團(tuán)隊(duì)用兩種卷積神經(jīng)網(wǎng)絡(luò)去完成：策略網(wǎng)絡(luò)和估值網(wǎng)絡(luò)。策略網(wǎng)絡(luò)的卷積神經(jīng)網(wǎng)絡(luò)用于決定下一步落子可能的位置，價(jià)值網(wǎng)絡(luò)用于評(píng)估當(dāng)前棋局獲勝的概率。

為了應(yīng)對(duì)圍棋的巨大復(fù)雜性，AlphaGo 采用機(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)。通過訓(xùn)練形成一個(gè)策略網(wǎng)絡(luò)（policy network），將棋盤上的局勢(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)（value network）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)，此過程循環(huán)往復(fù)。就是說，阿爾法狗其實(shí)是在自己“訓(xùn)練”自己，自己給自己當(dāng)老師。

“阿老師”與柯潔一戰(zhàn)，柯潔表現(xiàn)出了很高的水準(zhǔn)。但四分之一子的劣勢(shì)并非說明他的實(shí)力與“阿老師”相當(dāng)，而是“阿老師”見好就收——贏多少也是贏，索性贏你一點(diǎn)點(diǎn)即可。能把優(yōu)勢(shì)很長(zhǎng)時(shí)間內(nèi)控制成四分之一子，這是人類根本就達(dá)不到的水平。對(duì)此，“阿老師”給大家造成一個(gè)錯(cuò)覺，它似乎是一臺(tái)很通人性的機(jī)器，它懂得尊重對(duì)手。當(dāng)然前文已經(jīng)解釋，并不似這樣的。

“阿老師”的很多下法，顛覆了很多所謂的定式，極大地開拓了棋手的思維?？聺嵎Q，他在圍甲聯(lián)賽中，看到絕大數(shù)人為了眼前可能受損的幾目棋的利益，而面對(duì)同一招棋用著同一個(gè)定式，著實(shí)感到乏味，甚至“想吐”。他說，“我寧愿損幾目棋，也要嘗試新的下法?！币搽y怪，柯潔在賽后稱“阿老師”為“圍棋上帝”，因?yàn)樗麄兊膰謇砟睢安恢\而合”。

“阿老師”將在接下來將與人類棋手花式競(jìng)技

按照比賽日程，柯潔與“阿老師”另兩盤棋的爭(zhēng)奪，將于5月25日和27日進(jìn)行。而26日上午進(jìn)行的配對(duì)賽和下午的團(tuán)隊(duì)賽，變得更吸引人。

所謂配對(duì)賽，是兩位棋手分別與“阿老師”組隊(duì)進(jìn)行PK，挑戰(zhàn)棋手如何去理解人工智能的獨(dú)特風(fēng)格并與之合作。古力就是參與者之一，他說：“能通過親自對(duì)局，第一時(shí)間感受它的想法，和打譜是不一樣的。合作的心理感受將有所不同，希望能夠和它共同探索，突破棋手的思維慣性?！?/p>

相比之下，之后進(jìn)行的團(tuán)隊(duì)賽仍是人與人工智能的比拼，不同的是人類組團(tuán)上陣。幾名棋手一起研究如何應(yīng)戰(zhàn)，相對(duì)個(gè)人而言會(huì)減少犯錯(cuò)誤的機(jī)率，但弊端也很明顯，就是難以形成統(tǒng)一的想法。不出意外，團(tuán)隊(duì)賽的時(shí)間會(huì)比較長(zhǎng)，場(chǎng)面或許還很熱鬧，值得期待。

阿爾法狗除了會(huì)下棋，還能干嘛？

除了能解決圍棋問題外，DeepMind還用人工智能去解決了雅達(dá)利的“打磚塊”游戲。在人工智能學(xué)習(xí)300次游戲后，AI已經(jīng)能夠掌握游戲規(guī)則。在500次游戲后，AI已經(jīng)發(fā)現(xiàn)了這款游戲的最優(yōu)解決方案。

哈薩比斯說，為何計(jì)算機(jī)在解決圍棋問題時(shí)遇到困難，是因?yàn)閲宓膹?fù)雜度讓窮舉搜索難以解決。要解決圍棋需要克服兩大難題：一是很難寫出寫出評(píng)估程序以判定圍棋誰(shuí)贏，二是圍棋的搜索空間太過龐大。

哈薩比斯以上個(gè)世紀(jì)打敗國(guó)際象棋世界冠軍的卡斯帕羅夫的“深藍(lán)”作為對(duì)比，他認(rèn)為“深藍(lán)”屬于一種弱人工智能。圍棋和國(guó)際象棋的差距在于需要棋手的直覺，需要盤算未來，不能像象棋只要了解當(dāng)下的情況做出決定；而且圍棋的棋子沒有等級(jí)，一個(gè)棋子可以牽動(dòng)全局。為此谷歌為AlphaGo開發(fā)出策略網(wǎng)絡(luò)和估值網(wǎng)絡(luò)來解決圍棋問題，策略網(wǎng)絡(luò)幫助AlphaGo減少搜索的空間，估值網(wǎng)絡(luò)用來判定計(jì)算機(jī)的勝率。

至于人工智能是否“殺死”了圍棋這項(xiàng)運(yùn)動(dòng)，哈薩比斯用實(shí)際數(shù)據(jù)打消了這一疑慮。去年AlphaGo戰(zhàn)勝人類頂尖棋手李世石反而幫助了圍棋這項(xiàng)運(yùn)動(dòng)的普及，那場(chǎng)比賽吸引了全球2.8億觀眾，棋盤的銷量也增長(zhǎng)了10倍。

哈薩比斯認(rèn)為AI和人類不是競(jìng)爭(zhēng)關(guān)系，AI是人類的一種工具，就像望遠(yuǎn)鏡一樣可以幫助人類探索世界，人類的智慧在利用AI工具后將會(huì)被放大。

最后，哈薩比斯展望了AI在圍棋之外的應(yīng)用領(lǐng)域，比如在教育、醫(yī)療、智能手機(jī)等方面。實(shí)際上，DeepMind已經(jīng)用AI幫助谷歌解決了一些實(shí)際問題，他們的AI程序幫助谷歌的數(shù)據(jù)中心節(jié)約了15%的能源。

谷歌表示，2014年的用電量為4402836兆瓦時(shí)，相當(dāng)于366903戶美國(guó)家庭的年平均耗電量。這些耗電量中的很大一部分來自數(shù)據(jù)中心，而數(shù)據(jù)中心是谷歌網(wǎng)絡(luò)服務(wù)和移動(dòng)應(yīng)用的基礎(chǔ)。

將耗電量減少幾個(gè)百分點(diǎn)對(duì)谷歌來說將在財(cái)務(wù)上帶來巨大幫助。根據(jù)美國(guó)能源信息管理局的數(shù)據(jù)，在美國(guó)，電價(jià)通常為每兆瓦時(shí)25至40美元。因此，如果數(shù)據(jù)中心能耗降低10%，那么在幾年時(shí)間里谷歌就可節(jié)約數(shù)億美元。

谷歌此前也曾在數(shù)據(jù)中心里應(yīng)用機(jī)器學(xué)習(xí)技術(shù)。2014年谷歌表示，正使用神經(jīng)網(wǎng)絡(luò)系統(tǒng)去預(yù)測(cè)能耗隨時(shí)間的改變，從而更有效地安排設(shè)備。

DeepMind的工作在此基礎(chǔ)上更進(jìn)一步。該公司的軟件能調(diào)節(jié)數(shù)據(jù)中心中設(shè)備的運(yùn)行方式，提高能耗效率。哈薩比斯表示：“這控制了數(shù)據(jù)中心里的約120個(gè)變量，包括風(fēng)扇、制冷系統(tǒng)，以及窗戶和其他設(shè)備?！?/p>