AlphaGo的八个问题，你想知道吗？

从北京时间3月9日12:00整到目前为止，举世瞩目的围棋“人机世界大战”仍在上演着。

战况激烈，似乎牵动着全世界的各色眼光，而关于这场世纪大战，有8个问题你需要知道。

为什么要研究围棋AI？

游戏，是AI最初开发的主要战地之一。博弈游戏要求AI更聪明、更灵活、用更接近人类的思考方式解决问题。游戏AI的开发最早可以追溯到1952年的一篇博士论文。1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国际象棋AI。欧美传统里的顶级人类智力试金石，在电脑面前终于一败涂地，应了四十多年前计算机科学家的预言。

但有一个游戏始终是人类大脑的专利——古老的围棋。 围棋AI长期以来举步维艰，顶级AI甚至不能打败稍强的业余选手。这似乎也合情合理：国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。这一巨大的数目，足以令任何蛮力穷举者望而却步——而人类，我们相信，可以凭借某种难以复制的算法跳过蛮力，一眼看到棋盘的本质。

研究下棋AI，需要研究人员的下棋水平很高吗？

不需要。AlphaGo背后是一群杰出的计算机科学家，确切的说，是机器学习（machine learing）算法领域的专家。科学家利用神经网络算法，将棋类专家的比赛记录输入给计算机，并让计算机自己与自己进行比赛，在这个过程中不断学习训练。某种程度上讲，AlphaGo的棋艺不是开发者教给他的，而是自学成才。

不过，研究出AlphaGo的（Deepmind）创始人 杰米斯•哈萨比斯（Demis Hassabis）确实是棋类的狂热爱好者，哈萨比斯四岁开始接触国际象棋，并很快进化成神童级人物。正是在博弈游戏上的兴趣让哈萨比斯开始思考两个重要问题：人脑是怎样处理复杂信息的？更重要的，电脑也可以像人类一样吗？博士期间的哈萨比斯选择了学习认知神经科学和计算机神经科学。今天，38岁的哈萨比斯带着他的AlphaGo，向人类最顶级的博弈游戏之一——围棋发起进攻。

AlphaGo算法里的“神经网络”是个啥？

AlphaGo 的核心是两种不同的深度神经网络。“策略网络”（policy network）和 “值网络”（value network）。它们的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里——本质上，这和人类棋手所做的一样。

其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑；

而“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。

AlphaGo利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会判断当前局面以及推断未来的局面一样。这样AlphaGo在分析了比如未来20步的情况下，就能判断在哪里下子赢的概率会高。

今天AlphaGo和过去的深蓝，谁更厉害？

我们先来看看围棋和国际象棋之间有什么差别：

第一，围棋每一步的可能下法非常多：围棋手在起手时就有19X19=361种落子选择，在比赛的任意阶段，也都有数以百计的可能下法。但国际象棋的可能下法通常只有50种左右。围棋最多有3^361种局面，这个数字大概是10^170，而已经观测到的宇宙中，原子的数量才10^80。国际象棋最大只有2^155种局面，称为香农数，大致是10^47。

第二，对国际象棋来说，只需要把目前棋盘上剩余棋子的价值总和算出来，就能大概知道棋盘上谁处于优势了。但这种方法对围棋来行不通，在围棋的棋局中，计算机很难分辨当下棋局的优势方和弱势方。

可见，同样是下棋，对付围棋要比对付国际象棋棘手得多。

让我们直观的看一下国际象棋和围棋的复杂度对比，上图是国际象棋，下图是围棋：

图片来自Google

另外深蓝就是专门制造出来下国际象棋的。它评估盘面的标准完全依赖于国际象棋本身的规则，除了下棋它就干不了别的了，连五子棋都不会！但AlphaGo不同，围棋只是他的一个测试平台。工程师可以通过围棋，发展和测试AlphaGo的能力。这个能力将来会运用到各个领域。就像《星际争霸》还是角色扮演游戏中的NPC，高级人工智能不仅能成为强有力的对手，也可以变成优秀的团队伙伴。

在战胜樊麾之后的5个月里，AlphaGo都在干嘛？它可能在哪些方面“进化”？

有关AlphaGo在这几个月的“进化程度”，谷歌官方并没有给出任何确切的介绍。但是有位名叫安德斯·可鲁夫（Anders Kierulf）的围棋游戏设计师给出了这样的猜测：

在深蓝对战卡斯帕罗夫的过程中，工程师们可以在比赛间调整深蓝的算法，比如修复bug。对AlphaGo来说，这可能并非易事。比如说，对战樊麾时，第二局的31步是AlphaGo的失误：

要是换了别的场景，那么这步棋是正确的局部着法——但AlphaGo对全局整体的理解还不够充分。在这种情况下，避免特定的错误则更容易一些。在去年十月，AlphaGo并没有使用开放的库，但在三月的比赛前，Google大可以把库添加进去，至少可以在比赛间调整（如果一盘棋里走错，就在下一盘前手动添加，这样下一盘棋就不会再错），这样李世石就无法连续几盘利用同一个定式错误。

在比赛前，Google可以做的改进还有：

• 改进AlphaGo的神经网络。在对樊麾的比赛中，他们使用了3000万个位置作为原始数据，来训练AlphaGo的价值网络。在对李世石的位置中，他们可以使用1亿个位置训练。

• 额外训练AlphaGo的投骰（rollout）策略，然后将改进过的投骰策略加入到价值网络的训练中。

• 调整投骰和价值网络之间的平衡，也可以在比赛本身中投入更大的运算量。

AlphaG的超强学习能力有没有上限？

对于这个问题，英国曼彻斯特大学计算机科学教授凯文·柯伦表达了否定态度。他认为，我们没有理由相信技术会有极限，特别是在AlphaGo这样的特定领域。

对战的最后时分。之后，李世乭投子认输。

而来自南京大学计算机系的两位专家，周志华和俞扬则都认为，上限是客观存在的。周志华表示，“强化学习”奏效的关键，是两个模型都不错，而且有足够大的“差异”。当模型性能提升以后，其差异会显著下降，到了一定程度必然会使性能无法继续通过这种机制提升。其上限取决于高质量“有标记”样本（相当于真实李世乭水平棋手的棋局）的数量。

俞扬的观点是，上限不仅存在，而且已经和AlphaGo当下的水平极其接近。从AlphaGo的报道来看，DeepMind已经在想办法避免过拟合（即越学越差），这说明他们可能已经碰到了上限。

如果AlphaGo以5：0战胜李世乭，对人工智能而言意味着什么？

无论最终的结果如何，都无法阻止更多的人类终于开始用警惕的目光打量AI……围棋职业八段刘菁的评论是：“还来不及反应，一切来的似乎是太快了！面对毫无表情，连厕所都不上的阿尔法狗，4000年围棋的终结者今天就来了吗？空气中弥漫着机器的味道。”

就算AI输了，难道你们就松口气了吗？