阿爾法首次復盤人機大戰  自評等級分遠超柯潔

　　“神之一手”的背后

　　AlphaGo系統并非無懈可擊，但是，漏洞并不是所謂的模仿棋、打劫等等。它的漏洞體現在李世石贏得比賽的第四盤棋，AlphaGo取得巨大進步的價值模塊出現了瑕疵，這也是AlphaGo在5局棋中唯一的一次漏洞，也是唯一的一盤失利。

　　在第四盤棋中，開局之后很快就幾陷絕境中的李世石，弈出了被來自中國的世界冠軍古力成為“神之一手”的白78手，凌空一挖。堅韌如山的對手突然倒下，AlphaGo變得不知所措，連續出現低級昏招，這也成就了AlphaGo有記載的公開的第一局失利。

　　對于AlphaGo的異常表現，各路觀戰的職業高手充滿了猜測。即使是觀賽的哈薩比斯和席爾瓦也都不知道究竟發生了什么。

　　事后的分析顯示，在李世石下出第78手之前，AlphaGo自有的勝率評估一直認為自己領先，評估的勝率高達70%。在第78手之后，AlphaGo評估的勝率急轉直下，被李世石遙遙領先，之后再也沒有縮短差距。

　　為什么AlphaGo面對李世石的第78手表現如此差，是因為它沒有想到李世石的這手棋嗎？

　　席爾瓦揭曉了這一秘密。AlphaGo的計算體系中，的確曾經評估過這手棋，只是在AlphaGo的評估中，李世石走那一子的概率大概是萬分之一，最終，它沒有想到李世石會這樣走，也就沒有計算李世石這樣走之后如何應對。

　　賽后，獲勝的李世石則說，這一手在他看來是唯一的選擇。

　　AlphaGo背后的蒙特卡洛樹搜索依賴的策略網絡，是根據人類對弈棋譜數據訓練出來的模型，它很難去預測白78手這樣的所謂手筋妙招，也就很難判斷基于這一步繼續往下搜索之后的勝負狀態。

　　這就是AlphaGo在這5盤對局中表現出的唯一破綻，也是目前人類智慧還領先于AlphaGo背后的大數據驅動的通用人工智能（Data-driven Artificial General Intelligence）的地方。

　　人工智能已然無敵？

　　在此次大賽之前，多數來自職業圍棋界的棋手包括李世石自己都認為，李世石會輕松取勝。但是，DeepMind團隊卻信心滿滿。另一位DeepMind團隊的主力成員也曾經在UCL介紹AlphaGo的進展，在展望與李世石的比賽時，他曾就篤定地預言，AlphaGo會贏。

　　當 有人問及從去年10月戰勝梵麾，到今年3月對陣李世石，半年時間當中， AlphaGo究竟有哪些方面的提升時，席爾瓦簡要回答說：“我們在系統的每一個模型上盡可能推進效果極致，尤其在價值網絡上獲得了很大的提升。訓練價值網絡的目標勝率除了通過自我對弈的結果外，我們還使用了搜索策略去盡可能逼近理論的勝率。”

　　直觀地說，3月版本的AlphaGo比半年前的水平大概是讓4子——讓對方先占據4個星位！

　　在戰勝李世石之后，中國、韓國、日本許多的職業棋手，包括李世石本人都希望能夠再與AlphaGo一戰。

　　按照等級分排名，AlphaGo僅次于中國的世界冠軍柯潔，排名世界第二。而席爾瓦透露，AlphaGo的最新版本自我估分在4500左右，遠遠超出現在3600多的柯潔，實力水平大約在13段左右，人類選手中已然無敵！

　　AlphaGo為什么會有這么強勁的表現？在講座當中，席爾瓦部分地復述和解釋了今年1月《Nature》上發表的論文，講述了人工智能的基本原理以及AlphaGo的技術框架。

　　對于人工智能來說，圍棋游戲的難度在于，決策空間實在太大。決策（Decision Making）是人工智能的關鍵要素，使得機器能夠在人類的世界中發揮作用。

　　在圍棋以及任何游戲中，一次決策往往使得游戲更新到了一個新的局面，于是影響到了接下來的決策，一直到最終游戲的勝負。人工智能的關鍵就是在決策空間中搜索達到最大效益的路徑，最終體現在當前決策中。

　　圍棋棋盤上棋子可能的組合方式的數量就有10的170次方之多，超過宇宙原子總數。在近乎無窮的決策空間中，去暴力搜索出當前棋盤的下一步最優走子是絕對不可能的事情。

　　AlphaGo的方案是在這樣的超級空間中，做到盡可能有效的路徑選擇。其思路是一個框架加兩個模塊：解決框架是蒙特卡洛樹搜索（MonteCarlo Tree Search），兩個模塊分別是策略網絡和價值網絡。

　　策 略網絡（Policy Network）根據當前棋盤狀態決策下一步走子，是典型的人工智能決策問題。策略網絡搭建的第一步，基于KGS圍棋服務器上30萬張業余選手對弈棋譜的監督學習（SupervisedLearning），來判斷當前棋盤人類最可能的下一走子是什么。

　　第二步，是利用監督學習得到的第一個策略網絡去通過自我對弈來訓練一個加強版的策略網絡，學習方法是強化學習（Reinforcement Learning），自我對弈3000萬局，從人類的走子策略中進一步提升。

　　遵循策略網絡的判斷，在蒙特卡洛樹搜索框架下對每個棋盤狀態的采樣范圍就大大減小，這是一個搜索寬度的減小，但是由于一盤圍棋總手數可以多達250步以上，搜索的深度仍然帶來無法處理的巨大計算量，而這就由第二個模塊——價值網絡來解決。

　　價值網絡（Value Network）的功能是根據當前棋盤狀態判斷黑白子某一方的勝率，是一個人工智能預測（Prediction）問題。

　　處理預測問題的機器學習模型一般需要直接知道需要預測的真實目標是什么，比如預測第二天的天氣，或者預測用戶是否會一周內購買某個商品，這些歷史數據都有直接的目標數據可供機器學習。而在圍棋對局中，給定的一盤棋局完全可能在歷史上就找不到哪次對弈出現過這樣的局面，也就不能直接得到對弈最終的勝負結果。

　　AlphaGo的解決方法是使用強化學習得到的策略網絡，以該棋局為起點進行大量自我對弈，并把最終的勝率記錄下來作為價值網絡學習的目標。

　　有了價值網絡，蒙特卡洛樹搜索也就不再需要一直采樣到對弈的最后，而是在適當的搜索深度停下來，直接用價值網絡估計當前勝率。這樣就通過降低搜索的深度來大大減小了運算量。

　　AlphaGo整合了目前機器學習領域的大多數有效的學習模型，包括通過采樣來逼近最優解的蒙特卡洛樹搜索，通過有監督學習和強化學習訓練來降低搜索寬度并作出走子決策的策略網絡，以及通過有監督學習訓練的降低搜索深度提前判斷勝率的價值網絡。?

　　作為人類棋手翹楚，33歲的職業圍棋九段高手李世石，過去15年獲得了十幾個世界冠軍頭銜，總共下了1萬盤圍棋對弈，經過了3萬個小時訓練，每秒可以搜索10個走子可能。

　　但是，作為人工智能科技進步的代表，吸收了近期機器學習人工智能的最新進展，建立起了全新的價值網絡和策略網絡，誕生只有兩年時間的AlphaGo，差不多經歷了3萬小時的訓練，每秒卻可以搜索10萬個走子可能。這一刻，勝負已分。

• 上一頁
• 1
• 2
• 3
• 4
• 下一頁
• 全文閱讀