1997年，國(guó)際象棋AI第一次打敗頂尖的人類；2006年，人類最后一次打敗頂尖的國(guó)際象棋AI。歐美傳統(tǒng)里的頂級(jí)人類智力試金石，在電腦面前終于一敗涂地，應(yīng)了四十多年前計(jì)算機(jī)科學(xué)家的預(yù)言。
至少還有東方，人們自我安慰道。圍棋AI長(zhǎng)期以來(lái)舉步維艱，頂級(jí)AI甚至不能打敗稍強(qiáng)的業(yè)余選手。這似乎也合情合理：國(guó)際象棋中，平均每回合有35種可能，一盤棋可以有80回合；相比之下，圍棋每回合有250種可能，一盤棋可以長(zhǎng)達(dá)150回合。這一巨大的數(shù)目，足以令任何蠻力窮舉者望而卻步——而人類，我們相信，可以憑借某種難以復(fù)制的算法跳過(guò)蠻力，一眼看到棋盤的本質(zhì)。
但是，無(wú)論人怎么想，這樣的局面當(dāng)然不可能永遠(yuǎn)延續(xù)下去。就在今天，國(guó)際頂尖期刊《自然》報(bào)道了谷歌研究者開(kāi)發(fā)的新圍棋AI。這款名為“阿爾法圍棋”（AlphaGo）的人工智能，在沒(méi)有任何讓子的情況下以5:0完勝歐洲冠軍，職業(yè)圍棋二段樊麾。
AlphaGo與歐洲圍棋冠軍樊麾的5局較量。圖片來(lái)源：參考文獻(xiàn)[1]
這是人類歷史上，圍棋AI第一次在公平比賽中戰(zhàn)勝職業(yè)選手。
AlphaGo的戰(zhàn)績(jī)?nèi)绾危?/p>
此次比賽和以往不同。之前的比賽中，由于AI棋力比人類弱，人類選手都會(huì)讓子，而且AI主要和業(yè)余段位的棋手比賽。而AlphaGo對(duì)戰(zhàn)樊麾是完全公平的比賽，沒(méi)有讓子。職業(yè)二段樊麾出生于中國(guó)，目前是法國(guó)國(guó)家圍棋隊(duì)總教練，已經(jīng)連續(xù)三年贏得歐洲圍棋冠軍的稱號(hào)。
研究者也讓AlphaGo和其他的圍棋AI進(jìn)行了較量，在總計(jì)495局中只輸了一局，勝率是99.8%。它甚至嘗試了讓4子對(duì)陣Crazy Stone，Zen和Pachi三個(gè)先進(jìn)的AI，勝率分別是77%，86%和99%?？梢?jiàn)AlphaGo有多強(qiáng)大。
在接下來(lái)3月份，AlphaGo將和韓國(guó)九段棋手李世乭在首爾一戰(zhàn)，獎(jiǎng)金是由Google提供的100萬(wàn)美金。李世乭是最近10年中獲得世界第一頭銜最多的棋手。圍棋是最后一個(gè)人類頂尖高手能戰(zhàn)勝AI的棋類游戲。之前有人預(yù)測(cè)說(shuō)，AI需要再花十幾年才能戰(zhàn)勝人類。所以這場(chǎng)比賽或許會(huì)見(jiàn)證歷史，我們將拭目以待。
李世乭表示很榮幸自己將與電腦公平對(duì)弈。“無(wú)論結(jié)果如何，這都會(huì)是圍棋史上極具意義的事件。”他說(shuō)，“我聽(tīng)說(shuō)谷歌Deep Mind的AI出人意料地強(qiáng)，而且正在變得更強(qiáng)。但我有自信至少這次能贏。”圖片來(lái)源：tygem.com
AI下圍棋到底有多難？
計(jì)算圍棋是個(gè)極其復(fù)雜的問(wèn)題，比國(guó)際象棋要困難得多。圍棋最大有3361 種局面，大致的體量是10170，而已經(jīng)觀測(cè)到的宇宙中，原子的數(shù)量才1080。國(guó)際象棋最大只有2155種局面，稱為香農(nóng)數(shù)，大致是1047。
面對(duì)任何棋類，一種直觀又偷懶的思路是暴力列舉所有能贏的方案，這些方案會(huì)形成一個(gè)樹(shù)形地圖。AI只要根據(jù)這個(gè)地圖下棋就能永遠(yuǎn)勝利。然而，圍棋一盤大約要下150步，每一步有250種可選的下法，所以粗略來(lái)說(shuō)，要是AI用暴力列舉所有情況的方式，圍棋需要計(jì)算250150種情況，大致是10360。相對(duì)的，國(guó)際象棋每盤大約80步，每一步有35種可選下法，所以只要算3580種情況，大概是10124。無(wú)論如何，枚舉所有情況的方法不可行，所以研究者們需要用巧妙的方法來(lái)解決問(wèn)題，他們選擇了模仿人類大師的下棋方式。
機(jī)器學(xué)習(xí)
研究者們祭出了終極殺器——“深度學(xué)習(xí)”（Deep Learning）。深度學(xué)習(xí)是目前人工智能領(lǐng)域中最熱門的科目，它能完成筆跡識(shí)別，面部識(shí)別，駕駛自動(dòng)汽車，自然語(yǔ)言處理，識(shí)別聲音，分析生物信息數(shù)據(jù)等非常復(fù)雜的任務(wù)。
描述AlphaGo研究成果的論文成為了1月28日的《自然》雜志的封面文章。圖片來(lái)源：Nature/Google DeepMind
AlphaGo 的核心是兩種不同的深度神經(jīng)網(wǎng)絡(luò)。“策略網(wǎng)絡(luò)”（policy network）和 “值網(wǎng)絡(luò)”（value network）。它們的任務(wù)在于合作“挑選”出那些比較有前途的棋步，拋棄明顯的差棋，從而將計(jì)算量控制在計(jì)算機(jī)可以完成的范圍里，本質(zhì)上和人類棋手所做的一樣。
其中，“值網(wǎng)絡(luò)”負(fù)責(zé)減少搜索的深度——AI會(huì)一邊推算一邊判斷局面，局面明顯劣勢(shì)的時(shí)候，就直接拋棄某些路線，不用一條道算到黑；而“策略網(wǎng)絡(luò)”負(fù)責(zé)減少搜索的寬度——面對(duì)眼前的一盤棋，有些棋步是明顯不該走的，比如不該隨便送子給別人吃。將這些信息放入一個(gè)概率函數(shù)，AI就不用給每一步以同樣的重視程度，而可以重點(diǎn)分析那些有戲的棋著。
AlphaGo所使用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖。圖片來(lái)源：參考文獻(xiàn)[1]
AlphaGo利用這兩個(gè)工具來(lái)分析局面，判斷每種下子策略的優(yōu)劣，就像人類棋手會(huì)判斷當(dāng)前局面以及推斷未來(lái)的局面一樣。這樣AlphaGo在分析了比如未來(lái)20步的情況下，就能判斷在哪里下子贏的概率會(huì)高。
研究者們用許多專業(yè)棋局訓(xùn)練AI，這種方法稱為監(jiān)督學(xué)習(xí)（supervised learning），然后讓AI和自己對(duì)弈，這種方法稱為強(qiáng)化學(xué)習(xí)（reinforcement learning），每次對(duì)弈都能讓AI棋力精進(jìn)。然后他就能戰(zhàn)勝冠軍啦！
人類在下棋時(shí)有一個(gè)劣勢(shì)，在長(zhǎng)時(shí)間比賽后，他們會(huì)犯錯(cuò)，但機(jī)器不會(huì)。而且人類或許一年能玩1000局，但機(jī)器一天就能玩100萬(wàn)局。所以AlphaGo只要經(jīng)過(guò)了足夠的訓(xùn)練，就能擊敗所有的人類選手。
Google DeepMind
Google DeepMind是這個(gè)程序的創(chuàng)造者，我們來(lái)看一下他們萌萌的程序員。
杰米斯·哈薩比斯（Demis Hassabis） 是Google DeepMind 的CEO。圖片來(lái)源：Nature Video
文章的第一作者大衛(wèi)·西爾弗（David Silver）。圖片來(lái)源：Nature Video
Google DeepMind 去年在《自然》雜志上發(fā)表過(guò)一篇論文[2]，他們用增強(qiáng)學(xué)習(xí)的方法訓(xùn)練AI玩經(jīng)典的Atari游戲。其實(shí)在幾年前就有人研究如何讓AI玩《星際爭(zhēng)霸》，目前人類大師還是能擊敗AI的。電腦游戲中大量使用人工智能技術(shù)，你有沒(méi)有覺(jué)得游戲變得越來(lái)越聰明了？
那么……未來(lái)呢？
人工智能研究者面對(duì)這樣的成就當(dāng)然欣喜。深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等技術(shù)完全可以用于更廣泛的領(lǐng)域。比如最近很火的精準(zhǔn)治療，我們可以訓(xùn)練它們判斷哪些治療方案對(duì)某個(gè)特定的人有效。
但是，圍棋畢竟不僅僅是一項(xiàng)智力成就。就像十多年前的國(guó)際象棋一樣，圍棋必定也會(huì)引發(fā)超出本領(lǐng)域之外的討論。等到計(jì)算機(jī)能在圍棋上秒殺人類的時(shí)候，圍棋是不是就變成了一種無(wú)聊的游戲？人類的智力成就是不是就貶值了？AI還將在其他層面上繼續(xù)碾壓人類嗎？傳統(tǒng)認(rèn)為AI不可能完成的任務(wù)是否也都將被逐一打破？人類最后是會(huì)進(jìn)入AI烏托邦還是被AI淘汰呢？
沒(méi)人知道答案。但有一點(diǎn)毫無(wú)疑問(wèn)：AI一定會(huì)進(jìn)入我們的生活，我們不可能躲開(kāi)。這一接觸雖然很可能悄無(wú)聲息，但意義或許不亞于我們第一次接觸外星生命。
?。ň庉嫞篍nt，Calo）
參考文獻(xiàn)：
David Silver, et al. "Mastering the game of Go with deep neural networks and tree search." Nature doi:10.1038/nature16961Mnih, Volodymyr, et al. "Human-level control through deep reinforcement learning." Nature 518.7540 (2015): 529-533.