據(jù)新浪科技1月28日報(bào)道，谷歌今日宣布在人工智能領(lǐng)域的重要進(jìn)展：開發(fā)出一款能夠在圍棋中擊敗職業(yè)選手的程序——AlphaGo，后者能夠通過機(jī)器學(xué)習(xí)的方式掌握比賽技巧。國際頂尖期刊《自然》報(bào)道了谷歌研究者開發(fā)的新圍棋AI，這款人工智能在沒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。

在接下來3月份，AlphaGo將和韓國九段棋手李世石在首爾一戰(zhàn)，獎(jiǎng)金是由Google提供的100萬美金。李世石是最近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)測說，AI需要再花十幾年才能戰(zhàn)勝人類。所以這場比賽或許會見證歷史，我們將拭目以待。

李世石表示很榮幸自己將與電腦公平對弈?！盁o論結(jié)果如何，這都會是圍棋史上極具意義的事件?！彼f，“我聽說谷歌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。”圖片來源：tygem.com

人工智能挑戰(zhàn)圍棋有多難？

計(jì)算機(jī)和人類競賽在棋類比賽中已不罕見，在三子棋、跳棋和國際象棋等棋類上，計(jì)算機(jī)都先后完成了對人類的挑戰(zhàn)。但對擁有2500多年歷史的圍棋而言，計(jì)算機(jī)在此之前從未戰(zhàn)勝過人類。圍棋看起來棋盤簡單、規(guī)則不難，縱橫各19九條等距離、垂直交叉的平行線，共構(gòu)成19×19(361)個(gè)交叉點(diǎn)。比賽雙方交替落子，目的是在棋盤上占據(jù)盡可能大的空間。

在極簡主義的游戲表象之下，圍棋具有令人難以置信的深度和微妙之處。當(dāng)棋盤為空時(shí)，先手擁有361個(gè)可選方案。在游戲進(jìn)行當(dāng)中，它擁有遠(yuǎn)比國際象棋更多的選擇空間，這也是為什么人工智能、機(jī)器學(xué)習(xí)的研發(fā)者們始終希望在此取得突破的原因。

就機(jī)器學(xué)習(xí)的角度而言，圍棋的計(jì)算最大有3^361（3的361次方。觀察者網(wǎng)注）種局面，大致的體量是10^170，而已經(jīng)觀測到的宇宙中，原子的數(shù)量才10^80。國際象棋最大只有2^155種局面，稱為香農(nóng)數(shù)，大致是10^47。

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。圖片來源：Nature/Google DeepMind

“機(jī)器學(xué)習(xí)”預(yù)測人類行為

傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹 ，但這種方法對圍棋并不適用。此次谷歌推出的AlphaGo，將高級搜索樹與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起。這些神經(jīng)網(wǎng)絡(luò)通過12個(gè)處理層傳遞對棋盤的描述，處理層則包含數(shù)百萬個(gè)類似于神經(jīng)的連接點(diǎn)。

其中一個(gè)神經(jīng)網(wǎng)絡(luò)“決策網(wǎng)絡(luò)”(policy network)負(fù)責(zé)選擇下一步走法，另一個(gè)神經(jīng)網(wǎng)絡(luò)“值網(wǎng)絡(luò)”(value network)則預(yù)測比賽勝利方。谷歌方面用人類圍棋高手的三千萬步圍棋走法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，與此同時(shí)，AlphaGo也自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò)之間運(yùn)行了數(shù)千局圍棋，利用反復(fù)試驗(yàn)調(diào)整連接點(diǎn)，這個(gè)流程也稱為鞏固學(xué)習(xí)(reinforcement learning)。通過廣泛使用Google云平臺，完成了大量研究工作。

征服圍棋對于谷歌來說有重要意義。AlphaGo不僅是遵循人工規(guī)則的“專家”系統(tǒng)，它還通過“機(jī)器學(xué)習(xí)”自行掌握如何贏得圍棋比賽。谷歌方面希望運(yùn)用這些技術(shù)解決現(xiàn)實(shí)社會最嚴(yán)峻、最緊迫的問題——從氣候建模到復(fù)雜的災(zāi)難分析。

在具體的機(jī)器訓(xùn)練上，決策網(wǎng)絡(luò)的方式是輸入人類圍棋專家的比賽，到系統(tǒng)可以預(yù)測57%人類行動為止，此前最好成績是44%。此后AlphaGo通過在神經(jīng)網(wǎng)絡(luò)內(nèi)部進(jìn)行比賽的方式(可以簡單理解成和自己下棋)，開始學(xué)習(xí)自主探索新的圍棋策略。目前AlphaGo的決策網(wǎng)絡(luò)可以擊敗大多數(shù)具有龐大搜尋樹的最先進(jìn)的圍棋程序。

值網(wǎng)絡(luò)也是通過自己和自己下棋的方式來訓(xùn)練。目前值網(wǎng)絡(luò)可以評估每一步棋能夠有多大勝算。這在此前被認(rèn)為是不可能的。

AlphaGo所使用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖。

AlphaGo與歐洲圍棋冠軍樊麾的5局較量。

AlphaGo戰(zhàn)績驚人

實(shí)際上，目前AlphaGo已經(jīng)成為最優(yōu)秀的人工智能圍棋程序。在與其他程序的對弈中，AlphaGo用一臺機(jī)器就取得了500場的勝利，甚至有過讓對手4手后獲勝的紀(jì)錄。去年10月5日-10月9日，谷歌安排AlphaGo與歐洲圍棋冠軍Fan Hui(樊麾：法國國家圍棋隊(duì)總教練)閉門比賽，谷歌以5-0取勝。

公開的比賽將在今年三月舉行，AlphaGo將在韓國首爾與韓國圍棋選手李世石九段一決高下，李世石是近10年來獲得世界第一頭銜最多的棋手，谷歌為此提供了100萬美元作為獎(jiǎng)金。李世石表示很期待此次對決，并且有信心獲得勝利。

值得一提的是，上一次著名的人機(jī)對弈要追溯到1997年。當(dāng)時(shí)IBM公司研發(fā)的超級計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝了國際象棋冠軍卡斯巴羅夫。不過國際象棋的算法要比圍棋簡單得多。國際象棋中取勝只需“殺死”國王，而圍棋中則用數(shù)子或比目的方法計(jì)算勝負(fù)，并不是簡單地殺死對方棋子。此前，“深藍(lán)”計(jì)算機(jī)的設(shè)計(jì)人2007年發(fā)表文章指出，他相信十年內(nèi)能有超級電腦在圍棋上戰(zhàn)勝人類。

此外，AlphaGo的發(fā)布，也是Deep MInd在2014年1月被谷歌收購以來首次發(fā)聲。在被收購之前，這家位于倫敦的人工智能領(lǐng)域的公司還獲得了特斯拉和SpaceX創(chuàng)始人馬斯克的投資。