劉佳
圍棋已經流傳近3000年，但人類一直低估了一點：以第五條線為代表的棋局中部區(qū)域。
這是AlphaGo之父、DeepMind創(chuàng)始人DemisHassabis向外界分享AlphaGo背后故事時透露的重要信息。
自去年3月首爾那場載入史冊的比賽以來，AlphaGo超越人類棋手固有思維和套路的招法，對圍棋界的沖擊史無前例。用DemisHassabis的話說，“就像人們利用哈勃望遠鏡發(fā)現新的宇宙空間一樣。AlphaGo就是圍棋界的‘哈勃天文望遠鏡’。”
5月24日，DeepMind創(chuàng)始人DemisHassabis以及AlphaGo團隊負責人DavidSilver一起對外詳解了AlphaGo背后的研發(fā)故事，以及AlphaGo究竟意味著什么?
“AlphaGo已經展示出了創(chuàng)造力，在某一個領域它甚至已經可以模仿人類直覺了。”DemisHassabis對第一財經記者表示，在未來能看到人機合作的巨大力量，人類智慧將通過人工智能進一步放大。“強人工智能是人類研究和探尋宇宙的終極工具。”
圍棋難在哪兒
歷史上，電腦最早掌握的第一款經典游戲是井字游戲，這是1952年一位博士在讀生的研究項目；隨后是1994年電腦程序Chinook成功挑戰(zhàn)西洋跳棋游戲；3年后，IBM深藍超級計算機在國際象棋比賽中戰(zhàn)勝世界冠軍加里·卡斯帕羅夫。
相比之下，圍棋看似規(guī)則簡單，復雜性卻難以想象。它一共有10的170次方種可能性，這個數字比整個宇宙中的原子數10的80次方都多，沒有辦法窮舉出圍棋所有可能的結果。
在DemisHassabis看來，更困難的是圍棋不像象棋等游戲靠計算，而是靠直覺。“圍棋中沒有等級概念，所有棋子都一樣，圍棋是筑防游戲，因此需要盤算未來。你在下棋的過程中，是棋盤在心中，必須要預測未來。小小一個棋子可撼動全局，牽一發(fā)而動全身。圍棋‘妙手’如受天啟。”Hassabis如此解釋道。
第一位與AlphaGo對陣的人類職業(yè)棋手樊麾對記者感慨，“曾經以為計算機打敗職業(yè)棋手，一輩子都不會看到，沒想到這么快就實現了。”
對AlphaGo團隊來說，是時候尋找一種更聰明的方法來解開圍棋謎題了。
AlphaGo系統(tǒng)的關鍵是，將圍棋巨大無比的搜索空間壓縮到可控的范圍之內。
為了應對圍棋的巨大復雜性，AlphaGo采用了一種新穎的機器學習技術，結合了監(jiān)督學習和強化學習的優(yōu)勢。
具體而言，首先是通過訓練形成一個策略網絡（policynetwork），將棋盤上的局勢作為輸入信息，并對所有可行的落子位置生成一個概率分布。然后，訓練出一個價值網絡（valuenetwork）對自我對弈進行預測，以-1（對手的絕對勝利）到1（AlphaGo的絕對勝利）的標準，預測所有可行落子位置的結果。
這兩個網絡自身都十分強大，而AlphaGo將這兩種網絡整合進基于概率的蒙特卡羅樹搜索(MCTS)中，實現了它真正的優(yōu)勢。最后，新版的AlphaGo產生大量自我對弈棋局，為下一代版本提供了訓練數據，此過程循環(huán)往復。
AlphaGo如何決定落子
在獲取棋局信息后，AlphaGo會根據策略網絡探索哪個位置同時具備高潛在價值和高可能性，進而決定最佳落子位置。
在分配的搜索時間結束時，模擬過程中被系統(tǒng)最頻繁考察的位置將成為AlphaGo的最終選擇。在經過先期的全盤探索和過程中對最佳落子的不斷揣摩后，AlphaGo的搜索算法就能在其計算能力之上加入近似人類的直覺判斷。
DemisHassabis表示，AlphaGo不只是模仿其他人類選手的下法，而且在不斷創(chuàng)新。
例如，在與李世石第二局里對弈第37步，這一步是Demis在整個比賽中感到最震驚的一步。
Demis解釋道：在圍棋中有兩條至關重要的分界線，從右數第三根線。如果在第三根線上移動棋子，意味著你將占領該線右邊的領域。而如果是在第四根線上落子，意味著你計劃向棋盤中部進軍，潛在的，未來你會占棋盤上其他部分的領域，可能和你在第三根線上得到的領域相當。