436 機器人

阿爾法狗閉關5月後歸來秒殺所有人類棋手，下個對手是誰？

文｜ AI財經社王鴻宇

編｜楊舒芳

10月19日，穀歌旗下的DeepMind團隊公布了進化後的最強版“阿爾法狗” ，代號AlphaGo Zero。DeepMind聯合創始人兼CEO 、阿爾法狗之父戴密斯·哈薩比斯稱，“升級後的阿爾法狗更為強大，可以一爭史上最強圍棋手。”

阿爾法狗上一次出現在公眾視野中，還是今年5月在浙江烏鎮圍棋峰會的現場。阿爾法狗直落三盤戰勝世界排名第一的中國棋手柯潔，這位年僅20歲的天才少年曾被認為是狙擊阿爾法狗的唯一可能。

“我輸得沒什麼脾氣。”在賽後新聞發布會上，柯潔說，“AlphaGo跟去年比完全是兩個‘人’，第一次時很接近人，現在越來越像上帝了。”

就連戴密斯·哈薩比斯都沒有想到阿法爾狗能達到這樣的高度，“寫出圍棋的評估函數是一件不可能的事情”。因為更多時候，圍棋與棋手的一些類似於“直覺”的東西有關，“圍棋遊戲更像是藝術，而非科學”。

不少網友嘲笑柯潔，因為他曾經此前說過“阿爾法狗能贏下李世石，但是未必能贏我”，“和阿爾法狗下棋，我的勝率在六成”類似的話語。但在與阿爾法狗戰敗後，柯潔豪取22連勝，大家才意識到不是柯潔說大話，而是阿爾法狗太強了。

第一次升級後，就未嚐敗績

正如柯潔所言，阿爾法狗的確換了一個“人”——係統升級後，AlphaGoLee變成了AlphaGoMaster。

在野狐圍棋網橫掃中日韓多位人類圍棋高手後，它取得了60勝0負1平的恐怖戰績。其中的1平，還是因為在與陳耀燁的快棋賽中，陳耀燁意外掉線，係統自動判和。

2016年3月，AlphaGoLee以4:1的比分了戰勝韓國名將李世石九段，引發了圍棋圈的震驚。此前，阿爾法狗的成名戰是5:0戰勝歐洲冠軍、法國國家隊主教練樊麾，但當時，樊麾和外界都認為阿爾法狗並沒有那麼強，至少他是有機會拿下一盤的。

“圍棋有很多不確定的因素，機器的局限性是很多的，在下棋過程中也會出現漏洞，因此之前觀看阿爾法狗跟樊麾的比賽，讓我以為計算機達不到圍棋選手的最高水平。結果大家都知道，我輸了。”慘敗讓李世石改變了他對阿爾法狗的看法。

《南方周末》的報道中提到：阿爾法狗對陣樊麾時，“吃過”的棋譜是3000萬個，但到了挑戰世界棋壇16冠王李世石的時候，嚼進肚子裏的棋譜已經達到1億。

“吃棋譜”正是AlphaGo的主要訓練模式之一，開發者能做的就是盡可能多地把棋譜塞給程序。

此外，Deep Mind團隊在AlphaGo程序中加入了“策略網絡”和“值網絡”的技術。所謂策略網絡，是指程序在吃下過億棋譜後，能夠分析出下一步棋在不同下法時得出的不同勝率。值網絡則是對盤麵優勢的判斷機製，以便及時止損和改變下法。

學習3天打之前版本，比分高達100比0

在輸給阿爾法狗後，柯潔豪取22場連勝，拿下全運會圍棋比賽冠軍。但再次升級的阿法爾狗，已經不需要柯潔的棋譜了。

根據《自然》雜誌的最新介紹，Alpha Zero的設計理念和係統配置和Lee/Master完全不同。

此前，Lee/Master都是用上千盤人類業餘和專業棋手的棋譜進行訓練，而升級後的阿爾法狗不依托於人類的先驗成果，不靠“吃棋譜”進步，完全靠自我對弈學習下棋。

AlphaGo Zero之所以能當自己的老師，是用了一種叫強化學習的新模式。係統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝率。

僅僅經過3天的訓練，這套係統已經可以擊敗AlphaGoLee，也就是去年擊敗韓國頂尖棋手李世石的那套係統，而且比分高達100比0。

40天訓練後，AlphaGo Zero總計運行了大約2900萬次自我對弈，使得AlphaGoZero得以擊敗AlphaGoMaster，比分為89比11。

在係統配置方麵，AlphaGoZero也比前幾代係統更加節能，AlphaGoLee需要使用幾台機器和48個穀歌TPU機器學習加速芯片，AlphaGoZero隻需要使用一台配有4個TPU的機器即可。

阿爾法狗贏了李世石後，哈薩比斯說，“阿爾法狗從來都不是我們的唯一，甚至不是我們最重要的研發，我們希望將此應用於更大的真實世界的問題。”升級過後融入了Deep Mind最新技術的新阿爾法狗，目標已經不再隻是打敗人類棋手，而是將目光轉向了實際應用方麵。

【想看更多，請移步“AI財經社（ID:aicjnews）”微信公眾號】

最後更新：2017-10-20 09:30:03