時(shí)隔一年卷土重來(lái) AlphaGo2.0能再續(xù)輝煌嗎？

時(shí)隔一年，AlphaGo 將在圍棋的發(fā)源地——中國(guó)，迎來(lái)它的第二次圍棋世紀(jì)對(duì)決。

4 月 10 日，雷鋒網(wǎng)從第一線了解了「中國(guó)烏鎮(zhèn)·圍棋峰會(huì)」的最新動(dòng)態(tài)，中國(guó)圍棋協(xié)會(huì)、浙江省體育局、谷歌三方共同宣布將在 5 月份聯(lián)合舉辦這一盛會(huì)，屆時(shí) AlphaGo 將與柯潔正式對(duì)決。而今天，DeepMind 也在官網(wǎng)宣布了 AlphaGo 的下一場(chǎng)征戰(zhàn)。

賽制介紹

根據(jù)官網(wǎng)信息，在 5 月 23-27 日，AlphaGo 將進(jìn)行三種不同形式的比賽，包括：

配對(duì)賽：任意兩位棋手（古力、連笑）分別與 AlphaGo 組隊(duì)比賽，最大亮點(diǎn)在于從以往的人機(jī)純對(duì)戰(zhàn)轉(zhuǎn)變?yōu)槿藱C(jī)協(xié)作與另一人類棋手對(duì)決，人類又將如何與計(jì)算機(jī)合作？

團(tuán)隊(duì)賽：由五位中國(guó)棋手（時(shí)越、羋昱廷、唐韋星、陳耀燁和周睿羊）一同群戰(zhàn) AlphaGo，考驗(yàn)的是人類的多方協(xié)作是否能做出更好的決策。

常規(guī)挑戰(zhàn)賽：AlphaGo 與柯潔的對(duì)弈。

值得一提的是，本次的常規(guī)挑戰(zhàn)賽賽制在去年的基礎(chǔ)上做了不少改進(jìn)，主要集中于三個(gè)方面：

首先最明顯的變化是從原來(lái)的五番棋變成了三番棋。

其次是計(jì)時(shí)方式上，從每方兩小時(shí)、另有五次一分鐘讀秒轉(zhuǎn)變?yōu)槊糠饺r(shí)、另有五次一分鐘讀秒。

再者是將常規(guī)賽的時(shí)段延長(zhǎng)至隔天一局而非原來(lái)的一天一局。

一名業(yè)內(nèi)人士向雷鋒網(wǎng)表示，這樣的機(jī)制更能保證人類在充分思考的情況下完成比賽。他指出，在 AlphaGo 化名「Master」在騰訊野狐圍棋平臺(tái)橫掃 60 局的不敗神話中，其實(shí)有 59 局是每方的 30 秒快棋，而與聶衛(wèi)平對(duì)戰(zhàn)一局則是每方 60 秒快棋?！缸匀唬祟愒趽碛懈L(zhǎng)時(shí)間考慮的情況下，出錯(cuò)率會(huì)更少。人很難避免情緒、心理壓力等因素的干擾，而機(jī)器不會(huì)。」

AlphaGo的“修煉大法”

毫無(wú)疑問(wèn)，AlphaGo 對(duì)棋局的計(jì)算能力遠(yuǎn)超人類。Facebook 研究員田淵棟在地平線大牛講堂發(fā)表題為《深度學(xué)習(xí)如何進(jìn)行游戲推理？》時(shí)也提及了 AlphaGo 所用的神經(jīng)網(wǎng)絡(luò)包括策略網(wǎng)絡(luò)和值網(wǎng)絡(luò)，主要實(shí)現(xiàn)的是兩個(gè)方面的功能：

•給出一個(gè)局面后，可以決定下哪些位置；

•給出一個(gè)關(guān)鍵局面時(shí)，判斷它們的值，到底是白優(yōu)還是黑優(yōu)。

具體到算法層面，包括 Policy Network（決定下一步怎么走）和 Value Network（決定當(dāng)前局面分?jǐn)?shù)多少）兩大神經(jīng)網(wǎng)絡(luò)。此外，在前兩者返回速度比較慢的時(shí)候，采用 High quality playout/rollout policy 在微秒級(jí)的快速走子預(yù)測(cè)下一步。

那么這個(gè)神經(jīng)網(wǎng)絡(luò)是如何訓(xùn)練出來(lái)的呢？

首先要通過(guò)人類棋譜進(jìn)行訓(xùn)練，讓神經(jīng)網(wǎng)絡(luò)掌握初步的圍棋章法；其次采用蒙特卡羅樹(shù)搜索選擇勝率更高的節(jié)點(diǎn)探索，得到最后的勝負(fù)結(jié)果后，再回溯剛才探索的過(guò)程，并更新路徑上的節(jié)點(diǎn)勝率。

蒙特卡羅樹(shù)搜索在保證靈活的前提下，也很容易漏掉一些妙招，因此還需要值網(wǎng)絡(luò)的配合，進(jìn)行自我對(duì)弈的「左右互搏」。DeepMind 表示，AlphaGo 是采用了 3000 多萬(wàn)場(chǎng)這樣的游戲訓(xùn)練而不斷提升的。它的數(shù)據(jù)收集過(guò)程是這樣的：

首先讓算法采樣通過(guò)監(jiān)督學(xué)習(xí)學(xué)得的策略網(wǎng)絡(luò)；

其次通過(guò)人為操作更多的棋局形式豐富系統(tǒng)理解棋局的適用面。

而當(dāng)前棋局在人為操作某一步后，再用強(qiáng)化學(xué)習(xí)增強(qiáng)的策略網(wǎng)絡(luò)計(jì)算后續(xù)的下一步招式，并以此得到最后的輸贏結(jié)果。完成這個(gè)步驟后，系統(tǒng)能夠得到一個(gè)當(dāng)前狀態(tài)到輸贏結(jié)果間的樣本點(diǎn)，再以此訓(xùn)練策略網(wǎng)絡(luò)。

根據(jù)田老師的演講介紹，目前 AlphaGo 在快速走子的情況下能夠達(dá)到 2 微秒的判斷速度，同時(shí)也能達(dá)到比較好的精確度。

雙方實(shí)力對(duì)比

去年 3 月，AlphaGo 在以 4：1 戰(zhàn)勝人類棋手李世石后，它將在 2017 年復(fù)出，與中國(guó)頂尖棋手柯潔對(duì)決的傳聞不絕于耳。

不過(guò)，諱莫如深的 DeepMind 一度否認(rèn)這一消息，直至去年 11 月，DeepMind 創(chuàng)始人 Demis Hassabis 才松了口，表示 AlphaGo 近一年來(lái)正在提升棋藝水平，將在 2017 年再次挑戰(zhàn)人類棋手。而「職業(yè)陪練」樊麾當(dāng)時(shí)也在同一天證實(shí)了這一消息。

而繼李世石之后，人們也將焦點(diǎn)放在了將與 AlphaGo 單挑的柯潔身上。但鑒于去年 AlphaGo 把李世石虐得太慘，導(dǎo)致目前輿論大方向都認(rèn)為 AlphaGo 會(huì)贏得最終的勝利。

三歲開(kāi)始學(xué)棋的柯潔目前等級(jí)排名世界第一，DeepMind 評(píng)價(jià)他「以精湛且善于平衡的棋風(fēng)為人所稱道，且具有良好的策略性，知道何時(shí)要大膽出招，何時(shí)要謹(jǐn)慎行事?！?/p>

但在年初的在線圍棋比賽中，柯潔兩局都不敵 AlphaGo 的「Master」，而柯潔在微博了也放言「來(lái)啊」，并在賽前預(yù)熱會(huì)上表示，希望自己能「不惜一切代價(jià)去爭(zhēng)取勝利」。

不過(guò)不可否認(rèn)的是，人類要感謝 AI 的地方在于，棋手在博弈的過(guò)程中招式也變得更加聰明靈活了。

圍棋，不論是從「起手九式」到「入門(mén)必學(xué)定式」，雖然強(qiáng)調(diào)以不變應(yīng)萬(wàn)變，但慣用的招式通常是前輩屢試不爽的必殺，因此誠(chéng)然值得反復(fù)研習(xí)。而 AlphaGo 不按常理出牌的招式，看似毫無(wú)邏輯，實(shí)際上卻是草蛇灰線般的精心謀慮，而這也是圍棋的魅力，也是人機(jī)大戰(zhàn)值得關(guān)注和追隨的一大亮點(diǎn)。

九段棋手周睿羊在訪談中提及，「你會(huì)覺(jué)得 AlphaGo 的招式非常自由，而且有著一切皆可能的靈動(dòng)性?，F(xiàn)在每位棋手都會(huì)想著嘗試走一些自己不曾嘗試過(guò)的棋法?！笰lphaGo 的橫空出世，讓圍棋高手們變得更加聰明了，也更具創(chuàng)造力。

DeepMind想挑戰(zhàn)的，遠(yuǎn)不只圍棋

DeepMind 表示，五月份的這次賽事能夠更好地對(duì) AlphaGo 進(jìn)行探索，了解它是如何在這項(xiàng)古老的游戲中不斷創(chuàng)新的?！付?AlphaGo 背后所隱含的機(jī)器學(xué)習(xí)及人工智能技術(shù)，也能夠幫助人類更好地解決全球未來(lái)可能面臨的挑戰(zhàn)。」

而就像 DeepMind 創(chuàng)始人 Demis Hassabis 在被 《Nature》評(píng)選為“2016年度10大影響力人物”時(shí)曾表示，「在圍棋

界的勝利還遠(yuǎn)遠(yuǎn)不夠。我更想要向世界展示的是，機(jī)器學(xué)習(xí)技術(shù)在人類的生產(chǎn)和生活中擁有更強(qiáng)大的潛力，可以幫助人類解決更多棘手的全球性問(wèn)題?！?/p>

目前，AlphaGo 背后的機(jī)器學(xué)習(xí)技術(shù)已經(jīng)應(yīng)用于非常多的領(lǐng)域，雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))此前做過(guò)大量的報(bào)道和覆蓋，比如：

利用 AI 平衡英國(guó)電力供需問(wèn)題；

與英國(guó)國(guó)家醫(yī)療服務(wù)體系 NHS 旗下基金會(huì) Royal Free London 簽訂了為期五年的合同，致力視網(wǎng)膜研究、訓(xùn)練 AI 識(shí)別健康組織及癌變組織的頭頸部癌癥圖像。

此外，DeepMind 還與母公司谷歌有著密切合作，比如用機(jī)器學(xué)習(xí)技術(shù)在 Google Photo 上幫助人們找到圖片中的特定物體；或是提升 Google Translate 的翻譯水平。

DeepMind 表示，「在下一場(chǎng)人機(jī)大戰(zhàn)中，我們對(duì)它可能帶來(lái)的討論及影響感到興奮非常，而所帶來(lái)的挑戰(zhàn)也能夠帶給我們更多的啟發(fā)——不論是圍棋，還是其它的領(lǐng)域。」讓我們一同期待五月的 AlphaGo 世界之戰(zhàn)，雷鋒網(wǎng)也將持續(xù)關(guān)注。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。