世界排名第一的柯潔，曾認(rèn)真研究了一年多AlphaGo喜歡的三三式;在這一年多，AlphaGo則從第18代迭代為第60代。這些表象背后，人工智能深度學(xué)習(xí)能力經(jīng)歷了怎樣的演進(jìn)?
5月23日上午10點(diǎn)半，備受全世界矚目的人機(jī)大戰(zhàn)第二季將全面打響。最終，人類圍棋界排名第一的中國(guó)棋手柯潔輸給了AI界排名第一的AlphaGo圍棋人工智能程序。
一場(chǎng)科技層面注定失敗的比賽
這是一場(chǎng)業(yè)內(nèi)同行普遍不看好結(jié)果的比賽。
盡管柯潔在大戰(zhàn)前悲壯地表示，“我會(huì)用所有的熱情去與它做最后的對(duì)決，不管面對(duì)再?gòu)?qiáng)大的對(duì)手——我也絕不會(huì)后退!”賽前的豪邁，依然改變不了失敗的結(jié)果。在專業(yè)棋手看來(lái)，輸四分之一子的柯潔雖敗猶榮。
對(duì)柯潔而言，這是一場(chǎng)注定艱難但必須爭(zhēng)勝的戰(zhàn)斗。在此之前，柯潔專門(mén)研究了AlphaGo喜歡的三三式，并在比賽中應(yīng)用。
而在這一年中，AlphaGo從對(duì)陣?yán)钍朗瘯r(shí)的第18代，迭代為對(duì)陣柯潔時(shí)的第60代?？焖俚谋澈?，是AlphaGo全新的深度學(xué)習(xí)邏輯。這種經(jīng)歷迭代的深度學(xué)習(xí)邏輯，其強(qiáng)大力讓人難以望其項(xiàng)背。
深度學(xué)習(xí)的兩次邏輯變更
2016年在AlphaGo以4：1大勝李世石后，人工智能再次進(jìn)入大眾的視野，而在這場(chǎng)世紀(jì)“人機(jī)大戰(zhàn)”后，Deepmind隨即宣布“阿爾法狗”進(jìn)入閉關(guān)狀態(tài)。
直到2016年12月29日，神秘的AlphaGo才化身為Master再次復(fù)出。隨后其在短短一周內(nèi)，擊敗了包括目前中韓第一人柯潔和樸廷桓，以及古力、陳耀燁、范廷鈺、常昊等10多位中韓世界冠軍，豪取60連勝，就連原來(lái)信心滿滿的柯潔也對(duì)此也一改以往自信狂傲的口吻，聲稱自己很可能全輸給AlphaGo。
而前兩次人機(jī)對(duì)決的場(chǎng)景還歷歷在目，第三次人機(jī)大戰(zhàn)卻已悄然來(lái)臨，但整個(gè)人類世界對(duì)于兩方選手的感情卻發(fā)生了顛覆性的變化，一邊倒的認(rèn)為柯潔必輸。
那么這一年時(shí)間里AlphaGo身上究竟發(fā)生了什么?居然讓輿論變化如此之大，這無(wú)疑源于人們對(duì)AlphaGo了解的加深。
與李世石對(duì)戰(zhàn)的AlphaGo 1.0版混合了三種算法：蒙特卡洛樹(shù)搜索+監(jiān)督學(xué)習(xí)+增強(qiáng)學(xué)習(xí)。其中，蒙特卡洛樹(shù)搜索是一種優(yōu)化過(guò)的暴力計(jì)算，比1997年深藍(lán)的暴力計(jì)算更聰明。而這里的監(jiān)督學(xué)習(xí)，是通過(guò)學(xué)習(xí)3000萬(wàn)步人類棋譜，對(duì)六段以上職業(yè)棋手走棋規(guī)律進(jìn)行模仿，也是AlphaGo獲得突破性進(jìn)展的關(guān)鍵算法。而增強(qiáng)學(xué)習(xí)作為輔助，是兩臺(tái)AlphaGo從自我對(duì)戰(zhàn)眾中學(xué)習(xí)如何下棋，對(duì)棋力提升有限。
此次AlphaGo2.0的技術(shù)原理已有顛覆式改變。首先是放棄了監(jiān)督學(xué)習(xí)，沒(méi)有再用人的3000萬(wàn)局棋譜進(jìn)行訓(xùn)練。這本是AlphaGo最亮眼的算法，也是今天主流機(jī)器學(xué)習(xí)不可避免的核心條件：依賴于優(yōu)質(zhì)的數(shù)據(jù)，在這個(gè)特定問(wèn)題下就這么被再次突破了。
其次，放棄了蒙特卡洛樹(shù)搜索，不再進(jìn)行暴力計(jì)算。理論上，算法越笨，就越需要暴力計(jì)算做補(bǔ)充。算法越聰明，就可以大大減少暴力計(jì)算。從AlphaGo 2.0的“馬甲”Master的歷史行為看，走棋非常迅速，約在每10秒鐘就走棋一步，如此速度很可能是放棄了暴力的計(jì)算。
再次，極大地強(qiáng)化了增強(qiáng)學(xué)習(xí)的作用，之前敲邊鼓的算法，正式成為扛把子主力。想想看有多勵(lì)志：兩臺(tái)白癡機(jī)器，遵守走棋和獲勝規(guī)則，從隨機(jī)走棋開(kāi)始日夜切磋，總結(jié)經(jīng)驗(yàn)，不斷批評(píng)和自我批評(píng)，一周后終成大器。
通俗地講，1.0版本的AlphaGo尚需借助人類棋譜來(lái)增長(zhǎng)功力，而新版阿爾法狗2.0已正式摒棄人類棋譜，只靠計(jì)算機(jī)自身深度學(xué)習(xí)的方式成長(zhǎng)——即探索“深度學(xué)習(xí)”方式的極限，臻至“圍棋之神”的境界。所以，它現(xiàn)在在圍棋方面儼然打通了任督二脈，人類根本找不到其脈搏。
而在今年 4 月，AlphaGo 之父哈薩比斯在英國(guó)劍橋大學(xué)進(jìn)行了演講，專門(mén)提到為了幫助 AlphaGo 提升。他公開(kāi)表示，之前 AlphaGo 提升一個(gè)版本需要 3 個(gè)月，現(xiàn)在只需要 1 周。AlphaGo 對(duì)陣?yán)钍朗瘯r(shí)的版本號(hào)是 V18，而當(dāng)下的版本估計(jì)已經(jīng)到了 V60，在邏輯上和棋局策略上已經(jīng)今非昔比。