作為戰(zhàn)勝了人類圍棋冠軍的人工智能，AlphaGo強(qiáng)在小范圍戰(zhàn)斗，弱點(diǎn)在于對(duì)全局的判斷。

李世石如何贏？從科技角度看，李世石必須在開局階段建立優(yōu)勢，并且最好能夠更頻繁轉(zhuǎn)移戰(zhàn)場范圍；未來，AlphaGo 會(huì)將人類棋手遠(yuǎn)遠(yuǎn)甩在身后。它就只能繼續(xù)和自己玩了。

一、AlphaGo 是如何決定下每一步棋的？

企鵝智酷沒有能夠真的打開 AlphaGo 代碼庫，去檢查它全面的運(yùn)行邏輯。我們只能從已公開的權(quán)威論文中，來梳理這個(gè)迄今為止走進(jìn)公眾視野的最強(qiáng)大人工智能，是如何做出決策，戰(zhàn)勝人類的。

簡單說，AlphaGo 下的每一步棋，都依賴于概率。

1.當(dāng)一開始，棋盤有大量空白區(qū)域，棋子較少時(shí)，AlphaGo會(huì)更愿意采用“固定策略”。

這種策略來自于 AlphaGo 自己模擬訓(xùn)練的數(shù)百萬場棋局。這讓 AlphaGo 心中有一個(gè)大概的最佳選擇可能性，即下在點(diǎn)A和點(diǎn)B，哪個(gè)更好些。

在這個(gè)時(shí)候，AlphaGo 是通過經(jīng)驗(yàn)來判斷的。雖然這個(gè)經(jīng)驗(yàn)不來自與人類，而是來自于它結(jié)合人類下棋方式學(xué)習(xí)后，自己和自己對(duì)弈的數(shù)百萬經(jīng)驗(yàn)值。但這種基于經(jīng)驗(yàn)的判斷，是人類挑戰(zhàn)它的最佳機(jī)會(huì)——和“恐怖”的機(jī)器推演能力相比，經(jīng)驗(yàn)，起碼離人類更近一些。

為什么 AlphaGo 不在一開始就用蒙特卡羅算法，盡量窮盡所有可能性，去給出更可靠的“計(jì)算答案”，而不是“經(jīng)驗(yàn)答案”呢？

我們猜測，一方面是當(dāng)棋局尚未真正交鋒時(shí)，各種選擇的概率差不多，沒必要做精確計(jì)算；另一方面，也為了節(jié)省時(shí)間。

2.當(dāng)棋局有局部拼殺時(shí)，AlphaGo 的戰(zhàn)力就升級(jí)了。棋局瞬息萬變，李世石的下法，很可能是 AlphaGo 沒有模擬過的。

這時(shí)候，AlphaGo 會(huì)不再聚焦于整個(gè)棋盤，而將計(jì)算精力縮到一個(gè)小范圍。它會(huì)啟動(dòng)現(xiàn)場演算推理功能，即開始計(jì)算每一個(gè)落子位置的后續(xù)走勢，來計(jì)算最佳一步。

這需要時(shí)間。所以，AlphaGo 在短兵相接時(shí)，不得不縮小觀察范圍，在局部啟動(dòng)現(xiàn)場計(jì)算。這雖然失去了一定的“大局觀”，但換來了計(jì)算的效率，和電腦比，人腦的純粹計(jì)算力是相對(duì)弱勢的，所以，短兵相接，機(jī)器占大優(yōu)勢。

3.當(dāng)局勢需要兼顧大局和計(jì)算力時(shí)，AlphaGo 怎么辦？

開局布局，AlphaGo 用經(jīng)驗(yàn)；短兵相接，AlphaGo 用計(jì)算力。那么在局勢復(fù)雜時(shí)，AlphaGo 的另一個(gè)特長就有用武之地了——兼顧大局觀和計(jì)算能力。

AlphaGo是如何下棋的，AlphaGo 模擬了兩個(gè)“自己”，然后隨機(jī)落子計(jì)算每個(gè)位置對(duì)贏棋的價(jià)值。這種簡單粗暴的計(jì)算是人類大腦無法訓(xùn)練的，只有機(jī)器可以肆無忌憚的這么做。

但和窮盡推演相比，這種價(jià)值估算并不是完全準(zhǔn)確的。它是在兼顧時(shí)間和效率基礎(chǔ)上，一種最適合的策略。這也是 AlphaGo的一個(gè)弱點(diǎn)。

二、AlphaGo 也會(huì)懷疑自己

我們覺得人機(jī)對(duì)戰(zhàn)對(duì)李世石不公平的一個(gè)地方，是機(jī)器人不會(huì)受情緒影響，而人類棋手卻時(shí)常受困于其中。

從單一棋局看，AlphaGo 每一步，都是它認(rèn)定的最佳決策。但當(dāng)你通過多局去觀察 AlphaGo 時(shí)，會(huì)發(fā)現(xiàn)它快速分析促進(jìn)它的進(jìn)化。

原理很簡單。AlphaGo 會(huì)懷疑自己，是因?yàn)樵诤芏嗑置孢x擇時(shí)，最優(yōu)解不止一個(gè)，或者比較接近。

如果點(diǎn)A贏了，以后它會(huì)一直選擇點(diǎn)A嗎？這個(gè)我也不清楚，論文里沒說。但從邏輯上推斷，既然是經(jīng)過了百萬棋局的演算，那么一局的勝負(fù)，對(duì)于具體某點(diǎn)的概率提升，不會(huì)太明顯。所以，AlphaGo 在應(yīng)對(duì)同樣局面時(shí)，它可能給出完全不同的下法——根據(jù)幾個(gè)最優(yōu)解，隨機(jī)選擇。

而這一點(diǎn)，也正是它可怕之處。連開發(fā)它的人類，都無法預(yù)測它的行為。因?yàn)槟惆央S機(jī)函數(shù)的權(quán)利，交給了人工智能自己。

三、AlphaGo 為什么極少下臭棋？

我們通常把人工智能比作”高智商嬰兒“，按照這個(gè)推斷，AlphaGo 就算表現(xiàn)驚艷，但應(yīng)該也會(huì)有下臭棋的時(shí)候。因?yàn)閱渭兊娜斯ぶ悄?，是無法真的模擬人類思維的。

但 AlphaGo 沒有丟過人。因?yàn)樵谝婚_始，它并非完全的“自學(xué)”。工程師們安排 AlphaGo 在網(wǎng)絡(luò)對(duì)戰(zhàn)平臺(tái)上，與人類棋手不斷下棋，用來學(xué)習(xí)人類下棋的風(fēng)格和方式。當(dāng)工程師們覺得 AlphaGo 足以“像個(gè)人類棋手”時(shí)，才讓它開始自己和自己更瘋狂的練棋。

你如果很早在KGS(網(wǎng)絡(luò)圍棋對(duì)戰(zhàn)平臺(tái))上遇到過 AlphaGo ，那么，你可能有幸看到過 AlphaGo 還是嬰兒時(shí)的樣子。

四、AlphaGo 自己訓(xùn)練自己，而且效率嚇人

前面提到了，和人類練棋不同，AlphaGo 在學(xué)會(huì)了人類下棋方式后，復(fù)制了兩個(gè)自己，依托計(jì)算機(jī)性能優(yōu)勢，不斷下棋，去豐富對(duì)局面判斷力。這種效率非常之高，甚至已經(jīng)超越了人類歷史上所有的對(duì)弈棋局總數(shù)量。

這意味著 AlphaGo 會(huì)越來越”老練“。雖然它還是無法在每一局的每一步中，窮盡所有可能性，但它會(huì)不斷通過訓(xùn)練積累大局觀，而隨著大局觀提升，在實(shí)戰(zhàn)中，它需要做現(xiàn)場精準(zhǔn)推演的效率也會(huì)更聚焦——人類也就越來越難贏它。

在可以預(yù)見的未來，AlphaGo 會(huì)將人類棋手遠(yuǎn)遠(yuǎn)甩在后面。然后，它就只能在自己的世界里，自己和自己下棋玩了。

?

?

?