“阿法狗”究竟是怎样打败世界冠军的？

人工智能

难度堪称人工智能“阿波罗计划”的围棋挑战，最终还是被一只机器“狗”取得了胜利。

它的致命法宝就是模仿人类的“深度学习”工作原理。

机器到底是怎样像人类一样学习的？

有一天它无所不能，人类的未来又将怎样？

文 | Mr.Zhang

No.18

Fineworld

Sat.May.12

AlphaGo（阿法狗）由位于英国伦敦的谷歌旗下DeepMind公司开发。

它的主要工作原理是“深度学习”。

面对任何棋类，一种直观又偷懒的思路是暴力列举所有能赢的方案，这些方案会形成一个树形地图。

然而，在规定时间内想要让计算机利用这种方法战胜人类下围棋，并不容易做到，因为围棋的可能性太多。

有一种说法是，围棋的可能性数量要比可观测到的宇宙中原子的总数还要多得多。

同时，围棋的规律十分微妙，在某种程度上落子选择依靠的是经验积累而形成的“直觉”。

因此，围棋挑战称作人工智能的“阿波罗计划”。这一次，研究者们终于拿出了终极武器——“深度学习”，让机器模仿人类高端棋手的下棋方式，机器可以通过学习人类打败人类。

阿法狗通过“神经网络”学习所有高水平围棋棋谱，大概是历史上有的20万个左右职业棋谱，从而获得了在盘面上如何落子的直觉。

假设我们看过很多猫，再看图片的时候，就是通过第一直觉判断图片上是否有猫，这种直觉并不是天生而来的，而是通过学习获得的。

那么，阿法狗取胜的杀手锏真的就是直觉和第六感？针对这样的疑问，我想说，它获得的这种直觉又和人类不同，背后有坚实的数学模型，计算机做了大量的计算，在大量悬念中找到一个胜率，这和人脑的直觉不完全相同，是数学、科学的体现，人类是不可能达到的。

但在打败了世界第一的围棋选手后，“阿法狗”仍在积攒实力。今年1月，一个神秘账号Master公布自己正是“阿法狗”新版。该账号在知名围棋平台上先后挑战柯洁、朴廷桓和井山裕太等顶级高手，豪取胜利，随后战赢“棋圣”聂卫平，直至60盘时自爆身份，决胜收官。

“阿法元”的无师自通

此次在最新论文中，英国伦敦深度思维公司“阿法狗”项目的主要负责人戴维·西尔弗、戴密斯·哈萨比斯及其同事，报告了新版“阿法狗”软件——“阿法元”。

“阿法元”最引人注目之处在于其无师自通的本领。其学习从“零”开始，单纯基于与自己的对弈，不需要任何历史棋谱的指引，也不需要任何人类经验的点拨。

对于这个新软件，人类的输入仅仅限于一张棋盘和一副棋子，没有任何人类数据参与。“阿法元”只用到了一张神经网络，这张网络经过训练，专门预测程序自身的棋步和棋局的赢家，在每次自我对弈中进步。

通过3天的训练——包括近500万局自我对弈——“阿法元”已能够超越人类并打败所有之前的“阿法狗”版本。戴维·西尔弗表示，“阿法元”远比“阿法狗”强大，它已不再为人类的知识所限，而能够自行发现新知识。

摆脱了人类经验的辅助和依赖，人工智能竟然变得更强！在“阿法元”崭露头角后，人们揣测：难道我们人类还耽误“阿法狗”了？

震惊中.......

其实，人工智能的最大挑战之一，即是研发一种能从“零”开始、以超人类的水平学习复杂概念的算法。

在去年3月那场世所瞩目的比赛中，“阿法狗”软件打败了人类围棋世界冠军。当时的这款围棋程序，是利用价值网络去计算局面，用策略网络去选择下子。

但为了赢得这场人机大战，科学家团队在训练“阿法狗”时，同时用到了监督式学习（基于上百万种人类专业选手的下棋步骤）和基于自我对弈的强化学习。

旧“阿法狗”训练过程长达几个月，用到多台机器和48个TPU（神经网络训练所需的专业芯片）。而此次，据研究团队介绍，新程序“阿法元”只使用了一台机器和4个TPU。

在“阿法狗”之前，最成功的围棋程序仅能达到人类业余选手的程度，还不能在不让子的情况下和专业赛手一较高下。

原本人们认为，至少要10年后人工智能才有可能达到这一成就。但“阿法狗”的横空出世改写了预言。而在其问世不足两年的时间里，“阿法元”再次刷新人们的认知——随着程序训练的进行，人工智能已独立发现了人类用几千年才总结出来的围棋规则，还建立了新的策略，可以说，人工智能已经为这个古老的游戏，带来了全新的见解。

Fineworld

长按下方二维码关注我们

用零碎时间涨知识！

关注我们，与Fineworld一起探索世界！