文章滥觞：星芒里

原题：In a Huge Breakthrough， Google‘s AI Beats a Top Player at the Game of Go

原载：Wired连线2016.01.27

标签：人工智能（AI），算法，围棋。

翻译：芒芒原文有删减

译注：该文章刊载于人工智能AlphaGo与李世石对战前夕，当时大年夜众对比赛的猜测还有很大年夜不同。围棋界的风雨欲来时，亦是AI界的紧张冲破日，本文将为你重现人工智能光降期间的紧张进步时候。

人工智能领域取得了一项紧张冲破----一在围棋项目中，一个由谷歌钻研团队开拓的谋略机系统AlphaGo击败了欧洲的顶尖职业棋手。在此之前，这个关于计谋性和直不雅判断的古老东方竞技游戏，已经困扰了人工智能专家们数十年之久。

在大年夜多半公认的智力游戏中，机械已经战胜了最优秀的人类，包括国际象棋、拼字游戏、诟谇棋等等。然则围棋----这个有着2500年的历史，比象棋繁杂得多的游戏，纵然是面对最先辈的谋略机系统，顶尖棋手们也能维持上风。

本月早些时刻，谷歌以外的人工智能专家质疑其是否能在短光阴内实现冲破，而就在去年，许多人觉得机械在围棋项目上打败顶尖人类还必要再过十年。

但谷歌AlphaGo已经做到了这一点。

‘这统统发生的比我想象中快太多。’法国钻研员雷米·库伦说。他的背后，是曾经的天下最佳围棋AI，Crazystone。

AlphaGo系统

DeepMind计划自称为‘人工智能界的阿波罗’，于2014年被谷歌收购。在10月伦敦举办的这场人机比赛上，DeepMind的系统----一个更广为人知的名字‘AlphaGo’，在与欧洲围棋冠军樊麾的对弈中发挥出色，五局比赛未尝一败。比赛结果在《自然》杂志的编辑和英国围棋同盟代表的监督和见证下孕育发生，事后《自然》杂志的编辑评价：这是我职业生涯中最冲感民心的时候之一，无论是作为一论理学者照样作为一名编辑。

关于AlphaGo的论文颁发在自然杂志，并登上封面

本日早上，《自然》杂志颁发了一篇论文，描述了AlphaGo的系统，它奇妙地使用了一种越来越紧张的人工智能技巧，即深度进修。

经由过程输入网络到的大年夜量人类棋谱，DeepMind的钻研职员开始练习这个系统自己下围棋。但这仅仅是第一步。从理论上讲，这样的练习只会孕育发生一个和顶尖人类一样优秀的系统（但这不能包管对人类的绝对上风）。为了打败最顶尖的人类，钻研职员让这个系统进行自我间对弈。这使得系统自身又可以孕育发生一系列新的棋谱，基于新棋谱练习出的新人工智能，有着逾越人类大年夜师的能力。

‘这此中最紧张的方面……是AlphaGo不仅仅是一个手动规则构建下的专门系统，’认真DeepMind监督的戴密斯·哈萨比斯说，‘相反，它还应用通用的机械进修技巧来赢得胜利。’

早在2014年头?年月，库伦的围棋法度榜样Crazystone就寻衅了日本的职业棋手依田纪基并得到了胜利，但有一点必要声明----这是AI在受让四子的环境下。在围棋中，这代表着开局的伟大年夜上风。当时，库伦猜测，机械还必要10年的成长，才能在分先的环境下赢得顶尖棋手。

这项钻研的难度在于围棋规则本身。

纵然是功能再强大年夜的超级谋略机，处置惩罚能力也有极限，无法在给定随意率性的合理的光阴内阐发出棋盘中可行的每步棋着的变更。当深蓝在1997年战胜国际象棋冠军卡斯帕罗夫时，便因此这样的‘暴力’做到的。从本色上讲，IBM的超级谋略机阐发了当前可行的每一步棋的结果，这样的猜测视野逾越了人类棋手的极限。但在围棋中，这是弗成能做到的。在国际象棋中，随意率性给定的回合匀称约有35种可行的变更；而围棋--这种两个玩家在19×19的网格上以抛光的棋子相互抗衡的游戏，有着约250种变更，并且每种都能生出别的的250种，依此类推，无法穷尽。就像哈萨比斯指出的一样：横盘上存在的变更比宇宙中的原子还要多。

在应用一种被称为蒙特卡罗树搜索的技巧后，像Crazystone这样的系统能够脱颖而出，结合其他技巧，系统可以缩小必须阐发的步数的范围，终极他们可以战胜一些围棋高手----但不能战胜最顶尖的棋手。

场所场面形式判断

在顶尖棋手中，每一手棋更具直不雅性。棋手可能会奉告你，要基于盘中的棋形和局势来抉择下一步棋着（棋手思维），而不是仔细阐发盘上每个点可能的后续变更（系统思维）。‘好的选点看上去就感觉很棒，就像遵照着某种美学一样平常。’同时也是一名棋手的哈萨比斯说，‘历经数千年依然是一个迷人的游戏，或许这便是它的魅力所在。’

然则，跟着2014年让步至2015年，包括爱丁堡大年夜学团队，Facebook团队以及DeepMind团队在内的钻研者们，开始将深度进修利用于围棋钻研。这个设法主见是使用技巧来仿照下棋时所必要的‘人类直觉’。‘围棋是隐式的，且都是模式匹配（一种算法）’哈萨比斯说：‘但这恰是深度进修的上风所在。’

深度进修依附于所谓的神经收集----一种硬件和软件收集，类似于人脑中的神经元。这些神经收集并非寄托暴力谋略或手动拟订的规则来运作，他们阐发大年夜量数据以‘进修’特定的义务。将足够多的袋熊照片送着迷经收集，它可以进修识别袋熊；给它‘投喂’足够多的白话，它可以学会辨认你说的话；‘投喂’足够的围棋走法，它就可以学会下围棋。

在DeepMind，钻研职员盼望神经收集可以经由过程‘看’盘中的选点来掌握围棋，就像人类鄙人棋时一样。这项技巧反馈优越，经由过程将深度进修与‘蒙特卡洛树’措施结合，Facebook旗下的系统已经击败了一些人类玩家。

但DeepMind团队加倍深入的履行了这个理念。当吸收了3切切步人类棋着的练习后，DeepMind神经收集能以57%的概率猜测下一手人类棋着，这是一个令人印象深刻的数字（此前的记录是44%）。在这之后，钻研员们让该神经收集和与其自身略有不合的版本进行互相对弈，这被称之为强化进修。本色上来说，经由过程神经收集进行自我对弈，系统会追踪哪一手棋能够带来最大年夜利益----在围棋中体现在得到最多的地盘。跟着光阴的增添，系统在识别‘哪些棋能带来利益，哪些不能’方面变得越来越完善。

‘AlphaGo经由过程其神经收集之间的数百万次互相对弈，日渐前进，终极学会了自己发明新的计谋。’DeepMind的钻研员西尔弗说。

据团队成员西尔弗的说法，这使得AlphaGo能够逾越包括Crazystone在内的所有围棋AI系统。在这之后，钻研员们将钻研结果输入第二个神经收集，网络它经由过程自我对弈给出的建议棋着，神经系统便可以预见这之后的每一步的变更。这类似于较旧的系统（如深蓝）在国际象棋领域所体现出的一样，只不过AlphaGo系统在阐发更多半据时，会赓续进行自我进修并终极做到这一点，而非经由过程暴力的手段探索棋盘上所有的可能性。这样一来，AlphaGo不仅学会了击败现有AI法度榜样，也能学会击败顶尖的人类棋手。

在非公共场所打败了欧洲的围棋大年夜师之后，哈萨比斯和他的团队旨在在公开论坛上击败天下顶尖棋手之一的李世石。

不久之后的三月，AlphaGo将在韩国寻衅围棋天下冠军李世石。李世石是至今为止天下冠军数第二位的棋手，并在以前的十年里得到了最多的天下冠军。哈萨比斯将他视为‘围棋天下的费德勒’。

根据库伦等人的说法，战胜天下冠军将比战胜欧洲冠军樊麾更具寻衅性。然则此次，库伦将赌注押在了不停以来的竞争对手----AlphaGo上。在以前的十年中，他不停考试测验开拓出能够击败天下最顶尖棋手的AI系统，现在，他信托这个系统就在目下。

------完-------

PS：库伦和他背后的crazystone，感到也是一个被后起之秀逾越而壮志未酬的故事呢，冥冥中太像棋界人生~