人工智能和人類大腦的終極對(duì)決在5月23日正式展開，這次的對(duì)決的項(xiàng)目還是圍棋，中國(guó)作為傳統(tǒng)的圍棋故鄉(xiāng)，其實(shí)力是毋庸置疑的，下面我們就分析一下人工智能 AlphaGo，感興趣的網(wǎng)友們，趕緊過來看看。
柯潔 vs AlphaGo圍棋對(duì)決現(xiàn)場(chǎng)直播下載地址：http://www.innovatechautomation.com/soft/491072.html
新 AlphaGo 跟老 AlphaGo有什么不同
作為一個(gè)從 2014 年發(fā)展至今的圍棋人工智能項(xiàng)目，其實(shí) AlphaGo 在發(fā)展歷程中使用過多個(gè)名字，比如最早期亦城圍棋上的 “DeepMind”，又或者是之前在野狐平臺(tái)上的 “Master”。那么這次的 “新 AlphaGo” 是否也只是一個(gè)新名字？
答案必然是否定的，之前起新名字很可能有保密、個(gè)人喜好等原因，但這次新添加的 “新” 字只為了突出一點(diǎn)——這是 “機(jī)器自學(xué)” 為主的一版 AlphaGo。
這一點(diǎn)判斷的線索，來自于今年初，Master 在網(wǎng)絡(luò)上一口氣橫掃 60 名人類棋手的時(shí)候。當(dāng)時(shí) Master 第二次戰(zhàn)勝柯潔之后，棋圣聶衛(wèi)平曾表示:
Master 改變了我們傳統(tǒng)的厚薄理念，顛覆了多年的定式。圍棋遠(yuǎn)不像我們想象的那么簡(jiǎn)單，還有巨大的空間等著我們?nèi)祟惾ネ诰�，阿法狗也好，Master 也罷，都是‘圍棋上帝’派來給人類引路的。
著名棋手古力在成為 Master 的第 60 個(gè)手下敗將，之后，也在微博發(fā)表了自己的感受：
作為第 60 個(gè)勇士，犧牲了。。。經(jīng)過這幾天的對(duì)局，我深深的感受到圍棋的神秘，似乎 Master 給我們打開一道圍棋的神秘之門，不論勝負(fù)，人類與人工智能共同探索圍棋世界的大幕即將拉開，新一次的圍棋革命正在進(jìn)行著。。。
這種表現(xiàn)，與將近一年前的 “老 AlphaGo” 可謂天差地別。想要達(dá)成這樣的成績(jī)只有一種可能——DeepMind 尋找到了一種機(jī)制來擺脫圍棋中的 “人類束縛”。
迷之改進(jìn)：一舉讓 AlphaGo 成為人類老師
作為一個(gè)極其特殊的棋類和任務(wù)，圍棋擁有數(shù)量極其龐大的可能性，總的局面數(shù)量達(dá)到 10^172，而可觀測(cè)宇宙范圍內(nèi)的原子數(shù)量不過 10^80。這也意味著窮舉絕對(duì)不是一條明智的路線。
最終 DeepMind 給出了一套能夠 “模擬” 出人類頂尖高手的方案：深度學(xué)習(xí) + 蒙特卡洛搜索樹 + 自我進(jìn)化。
這一套架構(gòu)在 DeepMind 發(fā)布在《自然》雜志中的論文中已經(jīng)有詳細(xì)敘述，
（https://www.nature.com/nature/journal/v529/n7587/full/nature16961.html）
如果你對(duì)其中的細(xì)節(jié)感興趣，推薦閱讀國(guó)內(nèi)人工智能創(chuàng)業(yè)公司彩云 AI 創(chuàng)始人、CEO 袁行遠(yuǎn)在知乎上的相應(yīng)回答。
（https://www.zhihu.com/question/41176911/answer/90118097）
深度學(xué)習(xí)用以分析人類棋盤，蒙特卡洛搜索樹用來減輕工作量，自我進(jìn)化用來提升能力。但有限的運(yùn)算能力還是給 DeepMind 出了一個(gè)不小的難題，后者最終想出了一個(gè)辦法：只對(duì)學(xué)習(xí)到的人類棋招進(jìn)行蒙特卡洛搜索樹運(yùn)算，這恰如人類棋手依賴定式。
定式，又名定石，指的是人類下圍棋長(zhǎng)久積累下來的一種經(jīng)驗(yàn)，對(duì)弈雙方在特定情況下會(huì)遵循固定下法。著名棋手吳清源則將簡(jiǎn)單描述為 “在角部彼我棋子接觸時(shí)最合理的走法”。
這些定式被記載在各式各樣的棋譜當(dāng)中，成為新手入門必看的書籍。
雖然定式是某種意義上是最合理的走法，但它卻是理想化條件下的產(chǎn)物，想要完整復(fù)現(xiàn)定式，意味著雙方都必須抱有同樣的理想化思路。而歷史上并不缺乏不遵守定式，或者用新定式打敗對(duì)方的事例。
問題來了，為什么千變?nèi)f化的圍棋會(huì)出現(xiàn)定式？而且死守定式會(huì)輸，不學(xué)習(xí)定式也會(huì)輸。答案只有一個(gè)——人類需要定式來減少圍棋上面的變化，這樣進(jìn)入中盤之后人類才能利用自身能力掌握棋局走向。
湊巧的是，這回我們遇到的是運(yùn)算能力遠(yuǎn)超人類的計(jì)算機(jī)，讓掌握更多乃至全部圍棋奧秘?fù)碛辛艘唤z可能。
但究竟新 AlphaGo 怎么樣擺脫 “人類束縛”？參考之前 “老 AlphaGo” 的工作方式，排除運(yùn)算過程中所有人類元素可能是最徹底的方法。但這樣一來就必須找到另外一種減輕運(yùn)算壓力的策略。目前來看，這個(gè)秘密也只能等 DeepMind 方面稍后公開了。
喜歡 
頂
難過
囧
圍觀
無聊
