623
為什麼人工智能偏好下棋？
AlphaGo（阿爾法狗）到底是什麼？
雖然說人工智能偏好下棋，但是不是說人工智能隻能下棋，應該說人工智能豈止於下棋。但為什麼每次都是在下棋後，人工智能才會大火呢？因為棋術一直以來都被大多數人認為是人類智慧的結晶，人工智能要想被大多數人認可，必須要在大多數人都承認的領域嶄露頭角。但是，不幸的是，人工智能在大多數人都承認的領域一不小心就戰勝了人類。
1997年，IBM研究團隊打造的深藍戰勝了卡斯帕羅夫，當時幾乎全世界都在討論深藍的強大和可怕。其實，在1996年的時候，深藍就曾經挑戰過卡斯帕羅夫。但是深藍失敗了，但是，深藍的失敗不僅僅是技術不佳（算法設計問題），其中很大一部分的原因：當時的計算能力確實有限，如果今天深藍用它失敗的算法加上現在的計算能力，估計深藍仍然可以戰勝卡斯帕羅夫。後來的算法優化，計算能力的提升，讓這個事件的熱度很快就消失了。
因為每當人類輸給計算機的時候，他們總會說，計算機隻不過是機械地完成搜索式的窮舉罷了。其實，事實即使如此，當前的計算能力和算法已經有能力將象棋所有的情況都窮舉出來，換句話說就是，象棋已經被計算機攻克了。
我們人類一直以來認為圍棋都是人類智慧的最高代表。其實，我覺得下棋跟智慧沒有一點關係，我倒是覺得設計這些棋術才是一種真正的智慧。下棋隻是在考驗我們的計算能力跟儲存能力以及價值判斷能力罷了。可能，資深的棋友會很厭惡我的這種說法，但是AlphaGo卻無疑是佐證我觀點最好的選擇。
棋術隻是在考驗我們的計算能力跟儲存能力以及價值判斷能力，或者對於我們來說，棋術有不確定性。但對於計算機來說，隨著計算能力的提升，這種不確定性發生的概率降低了有的甚至這些不確定性成了確定性。也就是說，當你和計算機下棋的時候，你走了第一步後，你就已經輸了。因為他已經找到贏你的辦法了，你以後的下棋動作純屬是找虐行為。
難道圍棋也是如此？這倒不是，因為發明圍棋的這個人的思維太超前了，以至於我們現在的計算能力還沒有辦法將圍棋攻克。但是，除了暴力攻克，我們可以在算法上下點功夫，讓計算機有很大的概率贏得人類。AlphaGo輸給李世石，其實就是小概率事件。
2017年5月25日，升級後的Alpha Go2.0又迎戰了著名圍棋選手柯潔。據Alpha Go的工作人員介紹，在第二句的時候，柯潔下的非常積極，在這局中人機雙方都展示了強大的水平。AlphaGo後台的計算量急劇增加，如果不及時剪枝，可能就算不過來了。無奈柯潔在最關鍵的時候，漏出了人類的弱點（疲勞和情緒的波動），最後輸掉了比賽。
如果從技術的角度來理解分析Alpha Go，Alpha Go其實就是采用人類自身對圍棋的理解來設計的，即羅列搜索+價值判斷，這也是它學習棋譜後得到的唯一的核心力量。由於圍棋所產生的搜索範圍空間非常大，基本上很難找到最優解，所以在算法設計上，就又按照人類的思維方式加入了價值判斷，這是AlphaGo的核心算法。Alpha Go用深度學習算法去調整一個價值判斷函數，然後再跟蒙特卡洛搜索樹結合，爭取不下一步臭棋。注意是不下一步臭棋，而人類是爭取少下一步臭棋，這也就出現了我們常說的贏幾手棋。再加上機器不知疲倦的搜索效率和無情感，所以AlphaGo才能勝出。
值得注意的是，人工智能並沒有攻克圍棋領域，有人曾預言說AlphaGo2.0如果能下幾手臭棋或者說是讓幾手棋，人類將有很大的機會勝出。但是，不幸的是在Alpha
Go的價值判斷中隻有輸贏，沒有贏幾手的概念。但是，可以肯定的說，在圍棋領域內，人類將不會有贏AlphaGo的可能性。但，這也不會絲毫影響人與人之間下圍棋的體驗，相反，人類或許可以從AlphaGo的對局中學到很多妙棋。
人類下棋下的是經驗和感覺，而機器下棋下的是概率，是贏對手的概率。
最後更新：2017-08-20 10:32:29