1月28日上午消息，谷歌今日宣布在人工智能領(lǐng)域的重要進(jìn)展：開(kāi)發(fā)出一款能夠在圍棋中擊敗職業(yè)選手的程序——AlphaGo，該程序能夠通過(guò)機器學(xué)習的方式掌握比賽技巧。

　　人工智能挑戰圍棋有多難？

　　計算機和人類(lèi)競賽在棋類(lèi)比賽中已不罕見(jiàn)，在三子棋、跳棋和國際象棋等棋類(lèi)上，計算機都先后完成了對人類(lèi)的挑戰。但對擁有2500多年歷史的圍棋而言，計算機在此之前從未戰勝過(guò)人類(lèi)。圍棋看起來(lái)棋盤(pán)簡(jiǎn)單、規則不難，縱橫各19九條等距離、垂直交叉的平行線(xiàn)，共構成19×19(361)個(gè)交叉點(diǎn)。比賽雙方交替落子，目的是在棋盤(pán)上占據盡可能大的空間。

　　在極簡(jiǎn)主義的游戲表象之下，圍棋具有令人難以置信的深度和微妙之處。當棋盤(pán)為空時(shí)，先手擁有361個(gè)可選方案。在游戲進(jìn)行當中，它擁有遠比國際象棋更多的選擇空間，這也是為什么人工智能、機器學(xué)習的研發(fā)者們始終希望在此取得突破的原因。

　　就機器學(xué)習的角度而言，圍棋的計算最大有3361種局面，大致的體量是10170，而已經(jīng)觀(guān)測到的宇宙中，原子的數量才1080。國際象棋最大只有2155種局面，稱(chēng)為香農數，大致是1047。

　　“機器學(xué)習”預測人類(lèi)行為

　　傳統的人工智能方法是將所有可能的走法構建成一棵搜索樹(shù) ，但這種方法對圍棋并不適用。此次谷歌推出的AlphaGo，將高級搜索樹(shù)與深度神經(jīng)網(wǎng)絡(luò )結合在一起。這些神經(jīng)網(wǎng)絡(luò )通過(guò)12個(gè)處理層傳遞對棋盤(pán)的描述，處理層則包含數百萬(wàn)個(gè)類(lèi)似于神經(jīng)的連接點(diǎn)。

　　其中一個(gè)神經(jīng)網(wǎng)絡(luò )“決策網(wǎng)絡(luò )”(policy network)負責選擇下一步走法，另一個(gè)神經(jīng)網(wǎng)絡(luò )“值網(wǎng)絡(luò )”(“value network)則預測比賽勝利方。谷歌方面用人類(lèi)圍棋高手的三千萬(wàn)步圍棋走法訓練神經(jīng)網(wǎng)絡(luò )，與此同時(shí)，AlphaGo也自行研究新戰略，在它的神經(jīng)網(wǎng)絡(luò )之間運行了數千局圍棋，利用反復試驗調整連接點(diǎn)，這個(gè)流程也稱(chēng)為鞏固學(xué)習(reinforcement learning)。通過(guò)廣泛使用Google云平臺，完成了大量研究工作。

AlphaGo所使用的神經(jīng)網(wǎng)絡(luò )結構示意圖

　　征服圍棋對于谷歌來(lái)說(shuō)有重要意義。AlphaGo不僅是遵循人工規則的“專(zhuān)家”系統，它還通過(guò)“機器學(xué)習”自行掌握如何贏(yíng)得圍棋比賽。谷歌方面希望運用這些技術(shù)解決現實(shí)社會(huì )最嚴峻、最緊迫的問(wèn)題——從氣候建模到復雜的災難分析。

　　在具體的機器訓練上，決策網(wǎng)絡(luò )的方式是輸入人類(lèi)圍棋專(zhuān)家的比賽，到系統可以預測57%人類(lèi)行動(dòng)為止，此前最好成績(jì)是44%。此后AlphaGo通過(guò)在神經(jīng)網(wǎng)絡(luò )內部進(jìn)行比賽的方式(可以簡(jiǎn)單理解成和自己下棋)，開(kāi)始學(xué)習自主探索新的圍棋策略。目前AlphaGo的決策網(wǎng)絡(luò )可以擊敗大多數具有龐大搜尋樹(shù)的最先進(jìn)的圍棋程序。

　　值網(wǎng)絡(luò )也是通過(guò)自己和自己下棋的方式來(lái)訓練。目前值網(wǎng)絡(luò )可以評估每一步棋能夠有多大勝算。這在此前被認為是不可能的。

　　AlphaGo戰績(jì)驚人

　　實(shí)際上，目前AlphaGo已經(jīng)成為最優(yōu)秀的人工智能?chē)�棋程序。在與其他程序的對弈中，AlphaGo用一臺機器就取得了500場(chǎng)的勝利，甚至有過(guò)讓對手4手后獲勝的紀錄。去年10月5日-10月9日，谷歌安排AlphaGo與歐洲圍棋冠軍Fan Hui(樊麾：法國國家圍棋隊總教練)閉門(mén)比賽，谷歌以5-0取勝。

AlphaGo與歐洲圍棋冠軍樊麾的5局較量

　　公開(kāi)的比賽將在今年三月舉行，AlphaGo將在韓國首爾與韓國圍棋選手李世石九段一決高下，李世石是近10年來(lái)獲得世界第一頭銜最多的棋手，谷歌為此提供了100萬(wàn)美元作為獎金。李世石表示很期待此次對決，并且有信心獲得勝利。

　　此外，AlphaGo的發(fā)布，也是Deep MInd在2014年1月被谷歌收購以來(lái)首次發(fā)聲。在被收購之前，這家位于倫敦的人工智能領(lǐng)域的公司還獲得了特斯拉和SpaceX創(chuàng )始人馬斯克的投資。

　　人機對弈誰(shuí)將勝？

　　值得一提的是，上一次著(zhù)名的人機對弈要追溯到1997年。當時(shí)IBM公司研發(fā)的超級計算機“深藍”戰勝了國際象棋冠軍卡斯巴羅夫。不過(guò)國際象棋的算法要比圍棋簡(jiǎn)單得多。國際象棋中取勝只需“殺死”國王，而圍棋中則用數子或比目的方法計算勝負，并不是簡(jiǎn)單地殺死對方棋子。此前，“深藍”計算機的設計人2007年發(fā)表文章指出，他相信十年內能有超級電腦在圍棋上戰勝人類(lèi)。

　　該項目并未給IBM帶來(lái)可以銷(xiāo)售的產(chǎn)品，但卻讓我們意識到：基礎科學(xué)研究所面臨的巨大挑戰是值得我們去迎接的，雖然企業(yè)在這方面的收益還無(wú)法量化。

　　隨著(zhù)頂級科技公司爭相在產(chǎn)品中融入智能技術(shù)，谷歌并不是唯一一家研究圍棋AI的公司，Facebook對圍棋人工智能的研究整合此前也亮相最新的計算技術(shù)：深卷積神經(jīng)網(wǎng)絡(luò )(deep convolutional neural networks)和蒙特卡洛樹(shù)搜索(Monte Carlo tree search)，前者利用類(lèi)似于大腦的算法來(lái)學(xué)習和識別棋盤(pán)上各種模式的重要性，而后者相當于一種超前思維，用于計算詳細的戰略步驟。