文/機(jī)器之心
圍棋人機(jī)大戰(zhàn)已進(jìn)尾聲，這注定是一次要載入史冊的比賽，也正如機(jī)器之心之前所言：這次比賽沒有失敗者，而是全人類的勝利。20多年前，IBM也曾因類似的事情備受矚目。IBM的深藍(lán)計(jì)算機(jī)擊敗了國際象棋大師Garry Kasparov。Murray Campbell就是當(dāng)時(shí)深藍(lán)研發(fā)組的重要人員之一。如今他是 IBM 認(rèn)知計(jì)算部門的高管，負(fù)責(zé)Watson人工智能平臺(tái)。
The Verge 在比賽期間采訪了 Murray Campbell，深入了解深藍(lán)之前的比賽以及與DeepMind的AlphaGO有何不同。
問：深藍(lán)的比賽已經(jīng)過去了20多年了，請你談?wù)劗?dāng)時(shí)你們是如何解決計(jì)算機(jī)下象棋并擊敗 Kasparov ?
答：當(dāng)我們是卡內(nèi)基梅隆大學(xué)研究生時(shí)，我們就已經(jīng)開始研究象棋程序了。hou lai IBM 招來包括我在內(nèi)的三個(gè)人，建造新一代的象棋計(jì)算機(jī)，也就是深藍(lán)。我們意識(shí)到一個(gè)純粹的暴力算法（ brute-force）并不能擊敗世界冠軍，但另一方面，大量的計(jì)算能力卻能產(chǎn)生不同的效果。而且程序的優(yōu)點(diǎn)與計(jì)算速度之間有關(guān)聯(lián)也是已經(jīng)證明過的。所以我們把在算法、搜索和評估中先進(jìn)的AI類型，與超級計(jì)算機(jī)結(jié)合起來做出了世界級冠軍水平的國際象棋計(jì)算機(jī)。1996年比賽我們輸了，但第二年，經(jīng)過改善的新系統(tǒng)最終贏得了比賽。
問：從人類角度來說，一開始讓你進(jìn)入這一領(lǐng)域的動(dòng)機(jī)是什么？是對象棋的更感興趣？或者更多的是對計(jì)算機(jī)抽象的挑戰(zhàn)？「計(jì)算機(jī)像人一樣下棋是非常困難的」。
答：恩，我必須承認(rèn)兩者都有。我的確對象棋感興趣，在我成為計(jì)算機(jī)學(xué)家之前，我是一位象棋選手，我一度是我們阿爾伯塔?。幽么笪鞑恳皇。┑南笃骞谲?。但我必須承認(rèn)，我離真正的大師還有很遠(yuǎn)的距離。這讓我有興趣知道讓計(jì)算機(jī)擁有這樣高的水平。我對我的專業(yè)也保持著很高的興趣，所以當(dāng)我加入IBM后，我認(rèn)識(shí)到這是一次找到答案的機(jī)會(huì)，并證明能夠做出這樣的計(jì)算機(jī)。
除了個(gè)人愛好之外，在那個(gè)時(shí)候，這也正是計(jì)算機(jī)科學(xué)領(lǐng)域的一個(gè)挑戰(zhàn)。1949年，數(shù)學(xué)家Claude Shannon發(fā)表了一篇著名的論文，提出了創(chuàng)造象棋計(jì)算機(jī)會(huì)是怎樣的一個(gè)過程，并認(rèn)為這是一個(gè)巨大的挑戰(zhàn)。
問：對你而言，讓計(jì)算機(jī)精通象棋要做到哪種程度？就只是把規(guī)則輸入進(jìn)去，讓其計(jì)算出結(jié)果還是讓其通過過去的經(jīng)驗(yàn)進(jìn)行計(jì)算？
答：我認(rèn)為擁有象棋的知識(shí)是很重要的。但在早期，對我們而言，了解這些知識(shí)，成為象棋高手并不是重要的事。到了最后的準(zhǔn)備階段時(shí)，你就需要了解很多象棋的具體細(xì)節(jié)以及大師級的標(biāo)準(zhǔn)是什么。所以我們發(fā)現(xiàn)引入一個(gè)象棋大師Joel Benjamin做咨詢還是很有幫助的。而且最后我們也找了更多的象棋高手做陪練，測試我們系統(tǒng)的表現(xiàn)。
問：當(dāng)時(shí)的目標(biāo)是讓計(jì)算機(jī)模擬人類下棋還是不計(jì)成本地開發(fā)一個(gè)可以獲勝的產(chǎn)品？
答：我認(rèn)為我們并不是讓計(jì)算機(jī)模仿人的風(fēng)格，我們只想達(dá)到人類大多數(shù)情況下的水準(zhǔn)。人類的下棋風(fēng)格已經(jīng)被研究過了，雖然未被了解通透，但過去幾十年心理學(xué)家一直在研究。我們都知道象棋高手或大師在思考接下來的步驟時(shí)都能看到接下來的多個(gè)步驟。有時(shí)他們需要深入的計(jì)算并決定落子，有時(shí)不需要這么做。但是他們對落子有一套非常復(fù)雜的計(jì)算和檢索機(jī)制，所以要模仿人類下棋的風(fēng)格非常的困難。
人工智能最初的工作是想設(shè)計(jì)出很像人類下棋風(fēng)格的計(jì)算機(jī)。但擁有相當(dāng)膚淺計(jì)算力，可計(jì)算出更多落子的更有計(jì)算機(jī)風(fēng)格的電腦能非常輕松的就擊敗了它們。完全的依靠搜索，就達(dá)到了相當(dāng)高的象棋水平。但接下來我們就意識(shí)到依靠計(jì)算機(jī)并不夠，要必須模仿人類下棋的某些方面。人類會(huì)非常嚴(yán)格的遵守下棋的關(guān)鍵點(diǎn)，那我們也要讓系統(tǒng)做到這一點(diǎn)。這也是深藍(lán)能夠成功地重要地方之一。
問：1997年，大多數(shù)棋手看完Kasparov如何被擊敗時(shí)會(huì)不會(huì)覺得深藍(lán)的風(fēng)格不一樣嗎？
答：是的，現(xiàn)在依然有一種說法，當(dāng)你看到計(jì)算機(jī)下了出乎意料或者非直觀的一步棋時(shí)，人們會(huì)把它稱為計(jì)算機(jī)路數(shù)（computer move）。這只是人類以固定的方式思考的結(jié)果，并非把自己放到高手的水平。這就是為什么計(jì)算機(jī)即使不能完全正確的計(jì)算位置依然能夠擊敗人類：因?yàn)樗鼈內(nèi)绱瞬煌?，能夠看到人類可能看不到的路?shù)。就如同是年輕的棋手比老一代更容易使出計(jì)算機(jī)路數(shù)一樣。