據(jù)科技網(wǎng)站The?Verge報道，隨著人工智能技術的進步，各種棋類高手一一被電腦斬落馬下，圍棋是人類碩果僅存的驕傲，但在昨天的一場世紀之戰(zhàn)中，谷歌旗下的AlphaGo電腦卻成功擊敗韓國九段棋手李世石，引起了全世界的關注。李世石也在賽后表示：“我非常吃驚，沒想到真的會輸，AlphaGo的實力居然如此強悍。”只是下盤棋而已，為什么AlphaGo的勝利如此引人注目呢？想要真正理解該問題，就要先了解圍棋的特性和DeepMind團隊如何去破解圍棋中的各個難點。
?
昨天DeepMind的AlphaGo戰(zhàn)勝傳奇圍棋選手李世石的消息成了全世界各家媒體的頭條，同時，這也是人工智能（AI）歷史上最重要的時刻之一。“我非常吃驚，”李世石說道。“我沒想到會輸，AlphaGo的實力居然如此強悍?！?/span>
不過就是下個棋而已，為什么AlphaGo的勝利如此引人關注呢？想要真正理解該問題，就要先了解圍棋的特性和DeepMind團隊如何去破解圍棋中的各個難點。
圍棋發(fā)源于中國，是一項擁有3000年歷史的古老游戲。它非常抽象，所有的戰(zhàn)斗都發(fā)生在19?x?19的格子棋盤上，棋手通過落子圍住對手的棋子來獲勝。雖然規(guī)則不多，但變化多端的棋路讓其變得非常深奧，因為任何細微的變化都有可能引起戰(zhàn)局的突變。
英國圍棋聯(lián)盟裁判托比表示：“圍棋是世界上最為復雜的智力游戲，它簡單的規(guī)則加深了棋局的復雜性。”托比還引用了20世紀傳奇圍棋選手愛德華·拉斯克（Edward?Lasker）的話，后者表示：“國際象棋中有許多巴洛克式規(guī)則（意為華而不實），它們都是人們故意添加的，而圍棋則不同，它的規(guī)則是如此優(yōu)雅自然，有著嚴格的邏輯，如果宇宙中還有其他智慧生物，我想他們也會愛上圍棋?！?/span>
正是因為圍棋超凡的復雜性，想要成為傳奇選手，你需要經(jīng)過多年的訓練。棋手需要磨練自己的直覺并學習識破各種棋路?！皠倓偵鲜謺r，你會覺得圍棋的規(guī)則簡單易懂，但在長期的練習中你會發(fā)現(xiàn)這項運動深不可測，”韓國圍棋協(xié)會高級秘書長Lee?Ha-jin說道。“即使你已經(jīng)在圍棋界浸淫幾十年，你依然會發(fā)現(xiàn)自己還有許多東西可學，圍棋棋藝是沒有天花板的?！?/span>
五歲時Lee?Ha-jin就表現(xiàn)出極強的圍棋天賦，因此她的父母將她送去首爾的私立圍棋學校學習，她跟老師同吃同住，平日上學，晚上回來后還要練習幾小時的圍棋。經(jīng)過11年的訓練，她最終成為了一名職業(yè)棋手。
?
小小棋盤中蘊藏著無數(shù)奧秘
我采訪過的每個圍棋選手對這項運動的評價都如出一轍：圍棋的魅力就在于簡單規(guī)則后無數(shù)的變化。這些復雜的變化正是電腦難以捉摸并真正掌握的地方，畢竟機器沒有人的直覺。
“國際象棋和西洋棋與圍棋不同，它們不需要選手對棋局做復雜的形勢評估，”喬納森·謝弗(Jonathan?Schaeffer)說道，他是加拿大阿爾伯塔大學的計算機科學家，此前他的Chinook程序曾戰(zhàn)勝過頂級的西洋棋選手。“在國際象棋和西洋棋中，只需簡單的啟發(fā)，你就知道下一步該怎么走，衡量各個棋子的價值是選手最重要的任務——如果在國際象棋中多一個車的棋子，那你已經(jīng)基本勝券在握了。但這些方式在圍棋中都行不通，從人類的角度來看，圍棋的棋路過于復雜，電腦很難學會。不過AlphaGo做到了，它擁有世界上首個有效的評估函數(shù)系統(tǒng)。
那么DeepMind是如何做到的呢？其實解決這個問題的關鍵是深度學習和類神經(jīng)網(wǎng)絡技術，有了它們，研究人員就能教AlphaGo下棋。就像Google?Photos能幫你從無數(shù)圖片中找出貓咪一樣，其背后是該應用對超大量級的貓咪圖片做分析后的結(jié)果，這些分析處理甚至細化到了像素級別。而AlphaGo能有如此成績，則得益于對數(shù)百萬項圍棋數(shù)據(jù)的學習，包括各種棋路和棋手的比賽。
眼下，AlphaGo還在不斷學習，其能力也在不斷增強。起初，它還是靠學習套路（策略網(wǎng)絡）來預測對手的落子方式，不過隨著價值網(wǎng)絡訓練的深入，AlphaGo已經(jīng)有了那么點“直覺”，它可以分析出比賽的態(tài)勢了。在棋局中，AlphaGo已經(jīng)可以通過快速對各種可能性做分析，提前考慮后面幾步的落子和排兵布陣了。其實AlphaGo擁有的各項技術都是相互輔助的，類神經(jīng)網(wǎng)絡可以降低電腦的負載，提高工作效率；套路學習則可以減小其搜索范圍，而價值網(wǎng)絡則可讓它從每次的比賽中總結(jié)出自己的經(jīng)驗。
?
AlphaGo擁有自己的“思考”能力
這一增強版的學習系統(tǒng)讓AlphaGo變得更像人類，而不是靠驚人計算能力戰(zhàn)勝國際象棋大師的IBM深藍電腦，畢竟圍棋和國際象棋在復雜程度上不屬于一個量級，用深藍電腦的方法是無法在圍棋上戰(zhàn)勝人類的。在五場比賽的間歇，DeepMind都不會對AlphaGo做調(diào)整，因此電腦只能靠自己來學習，但每天一場比賽的量確實有些少。此外，DeepMind公司創(chuàng)始人杰米斯?哈薩比斯（Demis?Hassabis）稱AlphaGo的計算能力在去年十月的比賽后一直都沒有得到增強，因此現(xiàn)在它的能力已經(jīng)達到現(xiàn)有硬件條件下的頂峰。
不過深藍電腦的開發(fā)人員認為AlphaGo在國際象棋上并不一定是世界最強?！拔蚁嘈臘eepMind可以開發(fā)出戰(zhàn)勝所有國際象棋大師的程序，”IBM研發(fā)工程師坎貝爾說道（他認為AlphaGo是一個令人印象深刻的程序）?！安贿^我不認為AlphaGo可以在所有棋類比賽中站上世界之巔。為什么這么說呢？因為國際象棋在搜索能力的要求上與圍棋有著本質(zhì)上的不同，而該能力是電腦戰(zhàn)勝國際象棋大師最為關鍵的一環(huán)。雖說圍棋上電腦也需要深度搜索來輔助，但圍棋更重視直覺和對棋局形勢的判斷與預估，而在國際象棋比賽中，搜索能力就是唯一，這正是AlphaGo最為缺乏的?！?/span>
不過DeepMind公司可不這么想，它們認為在AlphaGo上取得的經(jīng)驗可以在多個領域中得到應用。哈薩比斯曾講述過深藍電腦上的AI與AlphaGo的不同，他認為后者更加靈活，適應性也更強，而深藍電腦的應用范圍則較窄。未來，DeepMind的人工智能技術將用在機器人，智能手機語音助手和醫(yī)療保健等領域。
?
AlphaGo有可能改變圍棋運動未來的走向
其實無論隨后四場比賽結(jié)果如何，AlphaGo都已經(jīng)創(chuàng)造了歷史。上周在接受采訪時李世石曾表示：“圍棋很有可能在此次比賽中走下神壇，此前我們一直將該運動視為驕傲，因為它是唯一未被電腦戰(zhàn)勝的棋類運動，如果這一紀錄作古，確實會讓人有些失望。”
不過AlphaGo的勝利也會從另一個角度推動該項運動的發(fā)展。圍棋協(xié)會成員都對AlphaGo的能力感到十分震驚，他們認為AlphaGo有時落子的方式有些一反常規(guī)，如果自己這樣下棋，肯定會被老師罵的。
“我們當然非常震驚，”圍棋選手杰克遜表示?！皹I(yè)內(nèi)一直有所謂正統(tǒng)的落子套路，AlphaGo這樣不按套路出牌能給我們帶來什么啟示呢？難道它要引發(fā)業(yè)界大地震？難道我們此前辛苦訓練學會的那些技能都是錯誤的嗎？”
