圍棋難在哪兒？

歷史悠久的圍棋已經流傳了近3000年，但人類一直低估了一點：以第五條線為代表的棋局中部區域。　　這是AlphaGo之父、DeepMind創始人Demis Hassabis向外界分享AlphaGo背後故事的時透露的重要信息。　　自從去年3月首爾那場載入史冊的比賽以來，AlphaGo超越人類棋手固有思維和套路的招法，對圍棋界的衝擊史無前例。用Demis Hassabis 的話說，「就像人們利用哈勃望遠鏡發現新的宇宙空間一樣。AlphaGo就是圍棋界的『哈勃天文望遠鏡』。」

　　AlphaGo之父Demis Hassabis　　5月24日，DeepMind創始人Demis Hassabis以及AlphaGo團隊負責人David Silver一起對外詳解了AlphaGo背後的研發故事，以及AlphaGo究竟意味著什麼？　　「AlphaGo已經展示出了創造力，在某一個領域它甚至已經可以模仿人類直覺了。」 Demis Hassabis說，在未來能看到人機合作的巨大力量，人類智慧將通過人工智慧進一步放大。「強人工智慧是人類研究和探尋宇宙的終極工具。」　　圍棋難在哪兒？　　歷史上，電腦最早掌握的第一款經典遊戲是井字遊戲，這是1952年一位博士在讀生的研究項目；隨後是1994年電腦程序Chinook成功挑戰西洋跳棋遊戲；3年後，IBM深藍超級計算機在國際象棋比賽中戰勝世界冠軍加里·卡斯帕羅夫。　　相比之下，圍棋看似規則簡單，複雜性卻是難以想像的。它一共有10的170次方種可能性，這個數字比整個宇宙中的原子數10的80次方都多，沒有辦法窮舉出圍棋所有可能的結果。　　可以對比的是，國際象棋有著巨大的資料庫，如果棋盤上少於9個棋子的時候，通過數學演算法就可以計算出誰勝誰敗；如果棋盤上少於九個棋子的時候，下象棋時人類是沒有辦法獲勝的。可以說，國際象棋的演算法已經近乎極致。　　在Demis Hassabis看來，更困難的是圍棋不像象棋等遊戲靠計算，而是靠直覺。「圍棋中沒有等級概念，所有棋子都一樣，圍棋是築防遊戲，因此需要盤算未來。你在下棋的過程中，是棋盤在心中，必須要預測未來。小小一個棋子可撼動全局，牽一髮動全身。圍棋"妙手"如受天啟。」哈薩比斯如此解釋道。　　第一位與AlphaGo對陣的人類職業棋手樊麾對記者感慨，「曾經以為計算機打敗職業棋手，一輩子都不會看到，沒想到這麼快就實現了。」　　對 AlphaGo 團隊來說，是時候尋找一種更聰明的方法來解開圍棋謎題了。　　如何訓練AlphaGo？　　AlphaGo系統的關鍵是，將圍棋巨大無比的搜索空間壓縮到可控的範圍之內。　　為了應對圍棋的巨大複雜性，AlphaGo 採用了一種新穎的機器學習技術，結合了監督學習和強化學習的優勢。　　具體而言，首先是通過訓練形成一個策略網路（policy network），將棋盤上的局勢作為輸入信息，並對所有可行的落子位置生成一個概率分布。然後，訓練出一個價值網路（value network）對自我對弈進行預測，以 -1（對手的絕對勝利）到1（AlphaGo的絕對勝利）的標準，預測所有可行落子位置的結果。　　這兩個網路自身都十分強大，而 AlphaGo將這兩種網路整合進基於概率的蒙特卡羅樹搜索（MCTS）中，實現了它真正的優勢。最後，新版的AlphaGo 產生大量自我對弈棋局，為下一代版本提供了訓練數據，此過程循環往複。

　　AlphaGo 如何決定落子？　　在獲取棋局信息後，AlphaGo 會根據策略網路探索哪個位置同時具備高潛在價值和高可能性，進而決定最佳落子位置。　　在分配的搜索時間結束時，模擬過程中被系統最頻繁考察的位置將成為 AlphaGo 的最終選擇。在經過先期的全盤探索和過程中對最佳落子的不斷揣摩後，AlphaGo的搜索演算法就能在其計算能力之上加入近似人類的直覺判斷。

　　Demis Hassabis表示，阿爾法狗不僅僅只是模仿其他人類選手的下法，而且在不斷創新。　　例如，在與李世石第二局裡對弈第37步，這一步是Demis 在整個比賽中感到最震驚的一步。

　　Demis解釋道：在圍棋中有兩條至關重要的分界線，從右數第三根線。如果在第三根線上移動棋子，意味著你將佔領該線右邊的領域。而如果是在第四根線上落子，意味著你計劃向棋盤中部進軍，潛在的，未來你會佔棋盤上其他部分的領域，可能和你在第三根線上得到的領域相當。　　因此，在過去的3000多年裡，人們普遍認為在第三根線上落子和第四根線上落子有著相同的重要性。但在第37步中，阿爾法狗卻把字棋子落在了第五條線，進軍棋局的中部區域。「這可能意味著，在過去幾千年里，人們低估了棋局中部區域的重要性。」
推薦閱讀：