圍棋人機大戰一周年：被AlphaGo改變的世界

文/舒石、若朴 發自 凹非寺

量子位 首發

去年今日，三連敗的李世乭扳回一局。

然而這一針興奮劑很快失效，隨後李世乭再折一陣，最終以1： 4 輸給AlphaGo。在圍棋的人機大戰中，頂級人類選手完敗給人工智慧。

人工智慧一戰成名，李世乭留下落寞側影。為AlphaGo落子的黃士傑一年後回憶說：「當時我代表AlphaGo下棋，必須保持冷靜」。

從那時起到現在，人類始終生活在一個被AlphaGo改變的世界。

一年回望

站在圍棋人機大戰一周年的節點上，該如何回顧過去、展望未來呢?量子位先把幾個問題拋給創新工場AI工程院副院長王詠剛。

量子位：一年後再看AlphaGo有何改變?有什麼記憶猶新的片段?

王詠剛：AlphaGo出世一年，其實進入大家視野的是三個版本：5： 0 擊敗樊麾的內測版本，4： 1 擊敗李世石的版本，以Master網名60： 0 快棋挑落中日韓高手的版本。三個版本演進脈絡明顯，每次迭代都有重大升級。

最震撼的是計算機在人類傳統認為極其玄妙的、電腦無法掌握的「大局觀」上突飛猛進，遠遠將人類選手甩在身後。電腦計算「大局觀」的方式，和人類培養「大局觀」的思路，有根本的差別。人類沒可能在這方面趕上電腦。

和樊麾對局的棋譜基本上還看不出AlphaGo的大局觀有多強，和李世石對局就下出了聶衛平讚不絕口的五路肩沖，到了Master的 60 局，大局觀體現在兩個地方：

1)從始至終對局勢的把握，比如第 60 局古力用AlphaGo的思路對付AlphaGo，把中央撐得很滿，但AlphaGo不緊不慢，總是恰到好處地保持勝勢。

2)已經深刻影響人類對布局的思考，大飛守角之類的變化迅速被人類棋手模仿，這和當年深藍問世後，國際象棋的布局革命是一樣的。

量子位：過去一年，有什麼具體產品或研究，是基於AlphaGo的么?

王詠剛：AlphaGo用的是AI領域應用非常普遍的演算法：深度學習、蒙特卡洛演算法、增強學習等。

從概念上可以說，機器視覺相關的深度學習技術，包含環境-決策-反饋的智能系統，裡面都有AlphaGo的影子。當然，直接的代碼實現層面，肯定沒有複製、粘貼這樣直接借用的關係，因為AlphaGo的深度學習模型畢竟是圍繞圍棋的特徵建立的。

DeepMind去年發布的讀唇術LipNet，與英國國家醫療服務體系NHS合作推出的醫療輔助應用Streams，與眼科醫院合作幫助眼部疾病診斷等等，可以說都是與AlphaGo同源的技術。

量子位：AlphaGo是否已經攻克圍棋?未來可提升的空間還有哪些?

王詠剛：「攻克圍棋」，如果說戰勝人類選手的話，AlphaGo已經實現了，而且現在「絕藝」，DeepZen之類的程序對人類勝率也很高了。

未來最多三年必將發生的是，手機上的本地APP就可以戰勝人類職業高手，現在熱鬧的網上圍棋對弈平台都會死掉(因為對手可以輕易用手機作弊)，人類圍棋將回歸現場競賽，圍棋培訓講師將更重視普及教育，因為中高級的提高訓練完全可以用機器代練。

不過，如果說「攻克圍棋」是像計算機可以窮舉西洋跳棋的所有變化那樣，讓電腦成為圍棋「上帝」，這個應該還不大可能。現在AI大部分的招數，還在人類高手可以理解的範疇內。AI也有一些可疑的「弱點」，比如官子水平到底如何等等。

以後AI和AI之間的競賽，應該會不斷促進AI提高(但這種沒有太多商業利益的事情，有沒有持續投入是個問題)。人類應該望塵莫及，但可以不斷從AI中學習新的思想。

不止下棋

「AlphaGo給大家最大啟發，不是贏棋，而是如何構建一個智商超過 300 的機器」，HTC負責研發及醫療的總裁、原Google中國工程院副院長張智威說。

構建的方法有兩個：一是訓練、二是數據。張智威最近在清華的一次分享中說，「如果能做好這件事，各位都是億萬富翁。最近兩年，我們每天都在想，哪些領域可以拿到無限的數據」。

而在AAAI Fellow、IEEE Fellow、香港科技大學楊強教授看來，DeepMind在創造AlphaGo的過程中，引入一個新的概念：利用深度學習+強化學習，來判斷現狀和預測未來。這與未來的商業模式有著明確的關聯：

通過對大數據的分析，對現實的判斷和對商業未來走向進行預估。

楊強還試圖基於AlphaGo歸納出一套人工智慧的應用流程：演算法的目標是什麼?有沒有數據?數據在哪裡?問題的邊界是否清晰?什麼叫合理的走法、什麼叫犯規的走法?你的特徵在哪裡?又如何得到這些特徵?是否可以得到一個持續的反饋?

但也有人沿著另一條路前進。

圍棋也好、國際象棋也好、國際跳棋也好，所有這些都是完美信息博弈。現實世界中，不完美信息才是常態，各種看不見的隱藏信息產生了大量的不確定性，而德州撲克代表的就是這種類型的博弈。

今年初，在德州撲克的人機大戰中，人工智慧Libratus擊敗了四位頂級人類玩家。創造了這個AI的卡內基梅隆大學Sandholm教授說，能夠處理不完美信息的AI，未來可以用於商業談判、網路安全、醫療方案制定等領域。

人工智慧發展的終極目標，是通用人工智慧(AGI)。通用人工智慧可以解決任何一個問題。想要實現AGI就得讓人工智慧學會解決不確定性問題，這也是德州撲克人機大戰的重大意義之一。

對於已屆不惑的Demis Hassabis來說，創立DeepMind的目標絕不僅限於創造AlphaGo。過去的一年裡，DeepMind還搞出了很多有意思的創新。

比方說可以模擬任意一種人類聲音的WaveNet;以及與英國國家醫療服務體系合作，使用人工智慧來改善醫療行業等。

繼續戰鬥

過去的一年裡，僅僅在圍棋界，出彩的人工智慧就不止AlphaGo一家。比方說量子位此前報道過的首個圍棋十段：騰訊絕藝，就是一個AI。

而對於AlphaGo來說，挑戰也還沒結束。

現在的圍棋江湖裡，中日韓三強中，無疑中國軍團佔據了絕對的優勢。剛剛結束的第 18 屆農心杯三國圍棋擂台賽上，中國隊僅上場兩位選手，就將日韓兩隊悉數全滅。連笑、柁嘉熹、柯潔等重量級棋手尚未登場，就已經拿下冠軍。

不在正式場合對陣世界排名第一的柯潔，對於AlphaGo來說始終不夠完美。去年AlphaGo挑戰李世乭前，各方還就誰贏誰輸打賭。

當時《連線》記者在報道中描述道：

一位名叫周峰的中國記者在觀戰室攔下了我，開心地和我這種將AlphaGo視為科技奇蹟而非圍棋殺手的人進行對話。

但是當我詢問看見李世石輸了比賽他作何感想時，他指著心口說：「我很難過。」

四月，新的人機大戰又要啟幕了。

量子位很想問問，如果柯潔這次也輸給AlphaGo，周峰還會特別難過么?

這一次，在人工智慧和人類頂級高手之間，你覺得誰會贏呢?

「我們不關心輸贏。輸贏其實不用看的，AI想贏它就肯定能贏」，雲從科技創始人周曦說，「關鍵問題是AlphaGo會不會有些新的想法」。

好戲又要上演，而未來的人機大戰，勢必不止於圍棋。