1997 年，國際象棋特級大師加里·卡斯帕羅夫輸給 IBM 開發的深藍計算機圍棋系統，從此人們相信，人工智慧具有可塑性。就拿今年 Google AlphaGo 戰勝韓國棋手李世石這件事來說，人工智慧的智能程度就已經超乎了人類的想像。況且，Google 的人工智慧團隊也一直在不斷增強 Deep Mind 的 AI 能力，除了讓人工智慧寫詩、寫小說、作曲，還教它玩起了益智遊戲。

前不久，就有消息稱中國圍棋手柯潔年內將戰 AlphaGo，但比賽還未真正開始，又有消息顯示，柯潔被已 AlphaGo 反超，排名由世界第一降至第二。這一系列的事情似乎都在向人類表示，人工智慧即將超越人類。

但圍棋真的是人工智慧訓練的最佳工具嗎？近日，國外一名來自赫特福德大學的人工智慧教授 Daniel Polanl 發文表示，物理形式的足球訓練才是人工智慧訓練真正的歸屬。

從桌面的圍棋賽到物理形式的足球大戰

對於人工智慧來說，圍棋已經足夠成為一個任務艱巨的挑戰項目。圍棋比賽涉及到錯綜複雜的戰術，比如對每一步棋子的走勢進行預估和判斷。基於大量棋局的訓練，人工智慧演算法將能對一系列錯誤的走勢進行評估。

而直到本世紀初，圍棋人工智慧程序的進展仍然不大，甚至還能被業餘愛好者打敗。到了 2006 年，蒙特卡羅演算法（Monte Carlo tree search）的出現，以及人們對深度學習網路的重新探索，使得這一局勢發生了改變。

得益於這些新技術的融入和整合，AlphaGo 得到了大量的改進，最終在今年 3 月份擊敗世界圍棋冠軍李世石。雖然勝局已定，人工智慧的深度學習還在繼續。

自 1997 年加里·卡斯帕羅夫戰敗後，科學界普遍認為，人工智慧所要應對的挑戰不應只是桌面上的腦力遊戲，相反，它還需要以肢體的表現形式應對現實世界中的挑戰——足球比賽就是一個很好的挑戰方式。

踢足球對於人類來說並非難事，但在 1997 年，能有一個會行走的機器人，用兩腿對足球進行控制，還要會在摔倒的時候爬起來，並且在球場上能與隊友進行溝通……這些幾乎是不可能的事情。因為在當時，只有極少數的實驗室能夠做出會行走的人形機器人。

機器人世界盃與足球人工智慧訓練

在索尼電腦科學研究所所長北野宏明（ Hiroaki Kitano ）和曼努埃拉·維羅索（Manuela Veloso）等人的倡導下，機器人足球世界盃（Robo Cup）比賽應運而生，其官方目標為：在 2050 年前，研發出一支能戰勝人類的人形機器人足球隊。

在機器人技術還不夠發達的情況下，機器人世界盃一開始採用的是輪式機器人，並且僅在二維平面上進行簡單的模擬比賽。但很快，後來的賽事引進了索尼的四足機器狗 AIBO（雖然並非是人形機器人，但相比輪式機器人已經是很大的飛躍）。

直到 2003 年，人形機器人球員才進入到了這場角逐中，但其起初的表現力也十分有限：幾乎每位「足球運動員」都會出現雙腳顫抖的問題，一旦被足球碰上，也極容易摔倒。

第 20 屆機器人足球世界盃於今年 6 月底在萊比錫舉行，在逐年的比賽中，這些人形機器人球員的性能得到了很大的改善，比如，其腳步的穩定性得到了增強，即使摔倒了也能迅速的爬起，機器人球員之間的溝通能力也有了顯著的進步。

·2015 年機器人世界盃比賽視頻

從去年的賽事開始，為了 2050 年的人機大戰做準備，這些機器人球員的比賽環境已被做了修整：原本的綠色毛毯被人造草坪替代，球和門柱均採用白色。這對於機器人對目標的辨識能力和步伐的穩定性都具有一定的挑戰。所以，在今年的比賽中，這些機器人球員的表現較去年的會稍遜色些。

http://v.qq.com/x/page/d03151504j2.html

·2016 年機器人世界盃比賽的視頻

足球人工智慧訓練有多複雜？

目前，許多實驗室有了屬於自己的機器人球隊，其中不少足球機器人的定位系統採用了與圍棋機器人 AlphaGo 同樣的蒙特卡洛演算法。

據悉，圍棋的點位高達 361（19*19），但其每個點位的坐標都是唯一確定的，並且在目前的可計算範圍內。對於非平面運動的足球而言，沒有離散的點以供定位，足球機器人要不停優化自己的動作，還需對位置坐標進行不斷的細分。總的來說，這是一個三維空間內 22 名球員以及 1 只足球的運動定位問題。

另外，人工智慧足球機器人在實際環境中還面臨著更多的挑戰：在跑動的過程，如何掌控好腳下的足球；在耀眼的陽光下，如何準確判斷出足球的所在位置；在濕漉漉的草地上如何確保自身的穩定性；保證充足的電源，以完成長達 45 分鐘的比賽；需要採用足夠堅固的材料，不至於被撞碎…… 這其中都涉及到各種複雜的技術解決方案。

「機器人世界盃引發了我們對人工智慧更多細微的思考。」Daniel Polanl 如是說。

本文內容采編自：Robohub