谷歌圍棋程序擊敗歐洲冠軍 人工智慧重大飛躍！

機器人闖進了圍棋界？

《自然》雜誌27日發文，圍棋電腦軟體「AlphaGo」(以下稱「阿爾法圍棋」)打敗了職業棋手，震撼了國際棋壇。這個軟體由谷歌旗下的人工智慧（AI）開發商「DeepMind」所研發，所以這個消息也令人工智慧科學家們感到震撼。

自然雜誌封面

這款名為「阿爾法圍棋」的人工智慧，在沒有任何讓子的情況下以5:0完勝歐洲冠軍，職業圍棋二段樊麾。

你可能想到了1997年計算機程序「深藍」和國際象棋大師卡斯帕羅夫的世紀之戰。在那次比賽中，卡斯帕羅夫輸給了這個IBM開發的計算機程序。這是人工智慧歷史上的劃時代事件。

而這次比賽的意義毫不遜色。

1997年，當IBM深藍計算機在象棋上稱霸時，它使用的是手工編碼的規則，在搜索時將窮盡所有可能發生的步法。Alpha Go從本質上則是隨著時間而學習的，可以識別出可能具有優勢的模式，然後模擬出數量有限的潛在結果。

完成這個成就有多難？

東方的圍棋被認為更加複雜，更加需要棋手難以置信的直覺。

國際象棋中，平均每回合有35種可能，一盤棋可以有80回合；相比之下，圍棋每回合有250種可能，一盤棋可以長達150回合。

就博弈的局面來講，一般認為國際象棋為10的123乘方，而圍棋則有10的360乘方以上。這導致軟體來不及列舉出所有能贏的方案，導致不敵職業棋手。

所以，在此前的比賽中，圍棋AI一般和業餘段位的棋手比賽，而且人類選手都會讓子。但是「阿爾法圍棋」的對手是法國國家圍棋隊教練、歐洲圍棋冠軍，而且沒有讓子。

阿爾法圍棋是怎麼做到的？

DeepMind團隊表示，「阿爾法圍棋」的關鍵在於使用的深度神經網路。

在這樣的網路中，如果你將足夠多的關於樹木的照片輸入進去，它們就能學會識別出一棵樹。如果輸入足夠多的對話，它們就能學會如何進行一段得體的對話。如果輸入足夠多的圍棋走法，它們就能學會下圍棋。

實際上，在「阿爾法圍棋」中有兩種不同的神經網路：「策略網路」（policy network）和「值網路」（value network）。

它們的任務在於合作「挑選」出那些比較有前途的棋步，拋棄明顯的差棋，從而將計算量控制在計算機可以完成的範圍里，本質上和人類棋手所做的一樣。

「阿爾法圍棋」利用這兩個工具來分析局面，判斷每種下子策略的優劣，就像人類棋手會判斷當前局面以及推斷未來的局面一樣。這樣「阿爾法圍棋」在分析了比如未來20步的情況下，就能判斷在哪裡下子贏的概率會高。

也有許多專家相信，人類掌握圍棋的秘訣在於模式識別——通過棋子組成的圖形形狀來判斷優勢和弱點，而不是預測幾步棋後的走向。

也正是因為這個原因，模式識別演算法的最新進展有可能會大大改進計算機的表現。新演算法利用大型的圖片資料庫，訓練深度卷積神經網路（deep convolutional neural networks）來識別物體和面孔。這一網路借鑒了人腦的信息處理機制，與人腦的神經結構有相似之處。

因此，可以預想，這樣的演算法用在圍棋棋局自動評估上，也能發揮巨大的作用。

根據研發者的介紹，這種神經網路可以自主學習，而非傳統的對人工智慧進行「監督訓練」的演算法。

此外，AI很容易通過大量的訓練積累足夠多的經驗。人類或許一年可以下1000局圍棋，但AI一天就能玩100萬局，不會疲勞。

所以理論上來講，只要「阿爾法圍棋」經過足夠的訓練，就可以擊敗所有的人類選手。

李世石

今年3月，「阿爾法圍棋」將挑戰全球頂級的韓國九段棋手李世石，獎金是100萬美元。李世石表示：「（人工智慧）厲害得讓人吃驚，聽說一直在進化，不過我有信心取勝。」

微博網友表達了無奈的釋然：「只要是存在規則的game，隨著計算能力的提升和演算法的優化，最終人類一定會敗給電腦。 而人類的能力在於面對沒有已知規則的困局，能夠創造出路走出泥潭。」

人工智慧一日千里 未來應用：語音識別、自動駕駛

相對於棋盤上的勝負，人工智慧一日千里的進展更加激動人心。

《自然》雜誌將「阿爾法圍棋」的成果歸功於「深度學習」（Deep Learning）。

深度學習是目前人工智慧領域中最熱門的科目，它能完成筆跡識別，面部識別，駕駛自動汽車，自然語言處理，識別聲音，分析生物信息數據等非常複雜的任務。

2006年之後，深度學習實際使用多於三層的神經網路，即深度神經網路。這是複雜的非線性模型，擁有複雜的結構和大量的參數，有非常強的表示能力，特別適合於複雜的模式識別問題。

這種能力在「阿爾法圍棋」身上就體現的很充分。另外，這一能力將能幫助人類在未來揭示豐富的信息，並對未來或未知事件做出更精準的預測。

這些能力也是自動駕駛的汽車、Siri 等語音識別技術以及Face.com（Facebook 最近獲得的面部識別軟體）的基礎，越來越精準的翻譯軟體也歸功於這樣的AI技術。

谷歌高級工程師也還預測神經網路會在其他科學領域扮演重要工具，例如在基因行為預測，藥物，蛋白質，新的醫療方案等。

果殼網寫下了一段意味深長的評論：「AI一定會進入我們的生活，我們不可能躲開。這一接觸雖然很可能悄無聲息，但意義或許不亞於我們第一次接觸外星生命。」

人工智慧飛躍史

1950年，計算機科學先驅阿蘭·圖靈預測到2000年計算機就可以思考：擁有與人類同等水平的創造力、解決問題的能力、個性和適應性行為。他提出了一種判斷機器能否進行思考的測試：圖靈測試。

1956年，在達特茅斯會議上，一些研究者提出創造一個人工大腦，人工智慧（AI）領域終於誕生。

在1980年代，「專家系統」的概念被計算機公司廣泛應用，這是對於人工智慧山野探索的開端。

1989年，卡內基梅隆大學研發了名為「Deep Thought」的專家系統，能夠像大師一樣下象棋。

1997年，IBM的計算機深藍第一次擊敗了國際象棋大師卡斯帕羅夫。2006年，人類最後一次打敗頂尖的國際象棋AI。

2005年，斯坦福大學延至的機器人贏得了美國Darpa大挑戰，在這個美國國防高級研究計劃局組織的自動駕駛汽車挑戰中，它在荒漠賽道中行駛了131英里。

2011年，Watson 戰勝了電視智力競賽Jeopardy 的冠軍。

來源：共同網、果殼網、獨立報

你的讚賞是我堅持原創的動力