AlphaGo連贏兩局該如何尋找它的破綻？

本文作者：宗仁

2016-03-11 21:30

導(dǎo)語：承認失敗從來不是人類的常態(tài)。

昨天人機大戰(zhàn)的第二場，AlphaGo又贏了，一些人工智能方面的專家開始坦白地承認——技術(shù)的發(fā)展超出了我們的想象。態(tài)度更明確的，比如在騰訊直播室觀戰(zhàn)的余凱則表示“我的結(jié)論是計算機已經(jīng)超過了人類”。

但承認失敗從來不是人類的常態(tài)，失敗后找出破綻再次出發(fā)才是，以一種不屈不撓的挑戰(zhàn)者精神來說，就算接下來的三盤李世石輸了，還有中國的柯潔；就算柯潔也被AlphaGo超越了，我們也不會承認AlphaGo的智力已經(jīng)全部輾壓人類，因為它就是我們自己造出來的，因為它這次連贏兩場是有客觀條件的。

知己知彼，才有勝算

先從它的從GPU說起。

眼尖的人會發(fā)現(xiàn)，之前的IBM深藍不管在計算力上多么厲害，它都沒法像AlphaGo下地這么像人類的棋著，好比直播時新浪網(wǎng)友一邊看一邊驚呼“實戰(zhàn)中李世石在黑3頂?shù)臅r候，毅然搶占下邊的大官子。本以為AlphaGo要對中腹白龍展開猛攻，誰知AlphaGo竟然11位本本分分地虎一手，仔細一判斷，竟然全局還是黑棋優(yōu)勢，AlphaGo的全局判斷力非常準確?！?/p>

但從機器的角度，AlphaGo無論下地如何像人都不會有靈魂在指導(dǎo)的，有的只是基于強大CPU集群的基礎(chǔ)上多了一個強大的GPU集群，這些才是讓它依托其其深度學(xué)習(xí)能力能表現(xiàn)地如此像人的本質(zhì)所在。至于它這一次為什么表現(xiàn)地這么出色，據(jù)王小川3月9號的表述，此次谷歌此次動用了上萬臺的機器，對外宣稱1200臺，2000個GPU，比深藍計算力提高了3萬倍。

很多人不解，最初用于渲染游戲圖像的GPU怎么就會被發(fā)現(xiàn)適合深度學(xué)習(xí)呢？對此，圖靈機器人聯(lián)合創(chuàng)始人楊釗告訴雷鋒網(wǎng)

相比CPU設(shè)計為通用的計算處理，GPU更適合處理并行的相同的計算；一般情況下，GPU的核數(shù)更多，在并行處理大量數(shù)據(jù)時優(yōu)勢更加明顯；深度學(xué)習(xí)需要大量的數(shù)據(jù)運算，典型的深度神經(jīng)網(wǎng)絡(luò)有很多節(jié)點，每個節(jié)點又有很多連接，需要并在學(xué)習(xí)的過程中不斷更新迭代，這種情況下GPU更具優(yōu)勢；

如果要舉一個形象的例子，按小智機器人何勇的說法

在串行架構(gòu)下，計算兩個長度為1000向量的加法需要循環(huán)計算1000次，而用GPU一次就可以完成計算。

普通人都知道，GPU的全名是“圖形處理器”，按理說它應(yīng)該不是這次人機大戰(zhàn)的動力主角，但因為其在大規(guī)模并行運算環(huán)境中的出色表現(xiàn)，對需要大量使用張量計算的深度學(xué)習(xí)來說能夠起到明顯的加速作用，反而使得它成為此次人機大戰(zhàn)中的耀眼新星。另外一個讓雷鋒網(wǎng)覺得有意思的東西，是余凱在解讀昨天的人機大戰(zhàn)時，提到“Alphago似乎可以掌握局面。因為基于深度學(xué)習(xí)里面采用卷積神經(jīng)網(wǎng)絡(luò)，就是拿很多的濾波器，掃描棋盤，它可能拿成千上百個濾波器，得到分層的理解，上面再來一層掃描，這個機制跟人眼睛的視覺神經(jīng)網(wǎng)絡(luò)是完全一樣的。這里面很巧妙的，卷集神經(jīng)網(wǎng)絡(luò)是模擬人整個大腦的視覺神經(jīng)網(wǎng)絡(luò)的機制?！?/p>

人類臉上的一雙眼睛，比其它任何五官部位都能有助于迅速掌握全局，但這個卷積神經(jīng)網(wǎng)絡(luò)沒用攝像頭、也沒有雷達掃描。只是用一雙沒有眼睛的“眼睛”（基于模擬人整個大腦的視覺神經(jīng)網(wǎng)絡(luò)的機制），讓AlphaGo有了比賽中表現(xiàn)的“全局觀”，這似乎是非常有意思的一件事。

它跟真人神經(jīng)網(wǎng)絡(luò)的差距在哪里

AlphaGo的計算能力比人強已經(jīng)是板上釘釘?shù)氖聦崳摹八季S能力”也在趕超人類的路上，但這次人機大戰(zhàn)展開的初衷，就是我們深信它的“神經(jīng)網(wǎng)絡(luò)”跟我們真人的神經(jīng)網(wǎng)絡(luò)是有差距的，所以我們不斷測試。那它跟真人神經(jīng)網(wǎng)絡(luò)相比，還有哪些差距呢？

楊釗：
規(guī)模遠沒有人腦大，人腦800多億個神經(jīng)元，整體性能比人腦稍慢；
功耗的問題；
泛化能力（舉一反三的能力）；

何勇：
目前科學(xué)界對大腦的結(jié)構(gòu)認知還是非常有限的，當前的人工神經(jīng)網(wǎng)絡(luò)就是建立在這個有限的認知上設(shè)計出來的一個高度簡化的人腦模型，所以相比人腦而言，還有很大差距。舉個簡單的例子，其“智能”的遷移性相對于人腦有非常大的距離，比如，一個能夠擊敗人類棋手的AI很難去學(xué)習(xí)怎么去理解一篇簡單的文章。

而思必馳CTO周偉達博士則從AlphaGo的主動和被動性上分析了這個問題——與人類相比，AlphaGO需要改進的地方還有很多方面，目前深度學(xué)習(xí)大多采用有監(jiān)督的學(xué)習(xí)，在無監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)和自學(xué)能力方面需要加強；同樣由于目前深度學(xué)習(xí)大多從以往的棋局中進行學(xué)習(xí)，在聯(lián)想記憶、創(chuàng)新、和推廣能力不足，等人類逐漸熟悉其棋路后，其這方面的弱勢也會顯露無遺，所以其創(chuàng)新和推廣能力方面還需要加強。

如何尋找它的破綻

在正式比賽前，有人就已經(jīng)關(guān)注到AlphaGo先讀取KGS(一個網(wǎng)絡(luò)圍棋對戰(zhàn)平臺)上面近16萬局共3000多萬步的人類走法，但這種簡單復(fù)制Copy的能力還不能滿足AlphaGo飛速進化的需求，按出門問問NLP工程師Jason的說法，它只是“基于這個在人類棋局上學(xué)習(xí)出來的SL Policy Network, 然后使用強化學(xué)習(xí)（Reinforcement Learning）的方法通過自己跟自己對弈，來進一步優(yōu)化Policy Network。”

而從李世石在前兩局的“異常棋風(fēng)”表現(xiàn)中，我們這里不妨推測出李世石已經(jīng)意識到AlphaGo已經(jīng)對自己的棋風(fēng)相當了解，他本人正在極力求變，而不是職業(yè)棋手認為的他在“消極應(yīng)戰(zhàn)”，因為我們相信以一個圍棋冠軍的智商，他絕對知道找出對手破綻的重要性，即使這個對手不是人。

至于如何保證跟自己對弈的過程中學(xué)到東西（不下一樣的棋），業(yè)余5段趙治勛表示

在算法里這個叫做加強學(xué)習(xí)，通過對弈提升棋力。我學(xué)過這個算法，認為它可信而且有用。通俗來講，人不可以復(fù)制，但機器可以。兩只阿爾法圍棋的復(fù)制品0號機和1號機對弈互不干擾這樣的學(xué)習(xí)就是有用的而人并不能分身自我對弈干擾嚴重，因此不能學(xué)東西。

知己知彼，方有勝算，在知道AlphaGo在此番競賽中，它擅長的是記住棋譜+加強學(xué)習(xí)+計算能力，那如果按武俠小說破招的思路，人類應(yīng)該干啥來破招？

從招式上，楊釗表示有3點 1 盡可能地使用冷招，進入冷僻局面；2 在前期利用人腦的大局觀建立優(yōu)勢，否則到了后期搜索空間變小，計算機更具優(yōu)勢； 3 創(chuàng)新棋局理論，讓其之前學(xué)習(xí)到的棋局能力減效(挺難的)。

從心理上，何勇表示AI的優(yōu)勢在于精準的計算，不像人類棋手會受生理和心理因素影響，出現(xiàn)失誤。而劣勢也顯而易見，缺乏對全局的掌控，AI的走法，更多的是基于當前棋局做出的一個短期判斷。所以，如果跟一個善于全局布局的高手對弈，勝的可能性相對較低。

從可能性上，出門問問李理表示，很難，從我程序員的角度看，因為殘局的差距太大了，前面走子機器也不會太差。我覺得可以試試的策略就是中前期占優(yōu)勢，然后殘局導(dǎo)向簡單變化的局面。開局不要被怪招嚇到，認為是弱手就要嚴厲打擊，機器的開局不怎么樣。

從本質(zhì)上，周博士表示，目前機器智能還處在初始發(fā)展階段，機器憑借其海量的存儲能力和快速的邏輯計算能力獲得了一定的優(yōu)勢，同時在智能方面通過人工智能專家的設(shè)計具備了一定的學(xué)習(xí)能力，但其與人類相比還有很大的差距，人類并不需要太大驚小怪。人類只需要更多地了解目前機器智能的本質(zhì)，在實際對弈中去了解機器的強項和弱勢，相信人類很快能找到發(fā)揮人類優(yōu)勢戰(zhàn)勝機器的方法。