Google日前宣布其程序AlphaGo擊敗了歐洲圍棋職業(yè)選手，這意味著人工智能技術(shù)又或得了極大的突破。

計(jì)算機(jī)目前已經(jīng)在許多智力游戲比賽上戰(zhàn)勝了人類頂級(jí)選手，包括國(guó)際象棋、五子棋、黑白棋、拼字游戲等等。而對(duì)于有著2500年歷史的東方游戲圍棋——比國(guó)際象棋要復(fù)雜得多——人類始終能夠保持在和計(jì)算機(jī)對(duì)決中的勝利。不過(guò)，Google人工智能專家表示， 這個(gè)壁壘或許很快將要被打破。隨著AlphaGo在沒(méi)有任何讓子的情況下以5：0完勝法國(guó)圍棋職業(yè)二段棋手樊麾，AlphaGo將在三月份對(duì)戰(zhàn)韓國(guó)九段棋手李世乭。

今天早上，《自然》雜志發(fā)表了一篇Google DeepMind團(tuán)隊(duì)——程序AlphaGo的創(chuàng)造者撰寫(xiě)的關(guān)于深度學(xué)習(xí)系統(tǒng)的論文。根據(jù)論文描述，在AlphaGo中，DeepMind研究員在程序中錄入了大量職業(yè)棋手的棋譜——加起來(lái)多達(dá)3000萬(wàn)步——他們用增強(qiáng)學(xué)習(xí)的方法訓(xùn)練AI，讓它自己下棋，研習(xí)棋譜。不過(guò)這只是第一步。理論上，這樣的訓(xùn)練只能讓這個(gè)人工智能系統(tǒng)無(wú)法突破人類的計(jì)算。為了獲得更好的成績(jī)，研究員隨后讓系統(tǒng)進(jìn)行自我博弈，計(jì)算出比基礎(chǔ)棋譜更多新的打點(diǎn)。也就是說(shuō)，戰(zhàn)勝人類就要靠這些新的東西。

“這其中最重要的是，AlphaGo不僅記錄著大量的棋譜，還有一系列規(guī)則來(lái)指導(dǎo)‘思考’，”DeepMind CEO Demis Hassabis說(shuō)道，“事實(shí)上，該程序能夠通過(guò)機(jī)器學(xué)習(xí)的方式掌握比賽技巧?！?/p>

DeepMind的技術(shù)核心結(jié)合了“強(qiáng)化學(xué)習(xí)”及其他人工智能手段，這種技術(shù)能夠用于解決現(xiàn)實(shí)機(jī)器人執(zhí)行物理任務(wù)和對(duì)環(huán)境作出回應(yīng)的技術(shù)問(wèn)題。就是說(shuō)，要讓機(jī)器人變得更“自然”。

視覺(jué)判斷

2014年初， Coulom的圍棋程序“瘋石（Crazystone）”在一次比賽中戰(zhàn)勝九段棋手依田紀(jì)基。但是當(dāng)時(shí)是在人類棋手讓出4子的情況下贏得比賽，而這次AlphaGo并沒(méi)有被讓子，可以說(shuō)比賽很公平。

人工智能戰(zhàn)勝人類圍棋到底有多難？即使是最強(qiáng)大的計(jì)算機(jī)系統(tǒng)也無(wú)法在合理的時(shí)間內(nèi)分析出下一步最優(yōu)的走法。1997年IBM超級(jí)計(jì)算機(jī)“深藍(lán)”則利用了蒙特卡洛搜索樹(shù)的方式做到了這一點(diǎn)?！吧钏{(lán)”能夠預(yù)測(cè)出對(duì)手下一步會(huì)怎么走，而且計(jì)算力遠(yuǎn)高于人類。但是，圍棋要復(fù)雜得多。國(guó)際象棋每一步平均只有35種可能性的走法，但是圍棋呢——在19*19的棋盤(pán)內(nèi)，共有361個(gè)點(diǎn)，就機(jī)器學(xué)習(xí)的角度而言，圍棋的計(jì)算最大有3^361次方種局面，大致的體量是10^170，而已經(jīng)觀測(cè)到的宇宙中，原子的數(shù)量才10^80。國(guó)際象棋最多只有2^155種局面

使用蒙特卡洛樹(shù)搜索技術(shù)，Crazystone等系統(tǒng)能夠進(jìn)行更長(zhǎng)遠(yuǎn)的計(jì)算。而結(jié)合其他技術(shù)的話，它們能夠?qū)赡苄宰叻ㄟM(jìn)行刷選，然后選擇出最優(yōu)的策略。在大多數(shù)情況下，它們能夠戰(zhàn)勝人類選手，但不是最厲害的那一個(gè)。頂級(jí)大師中，走法很多時(shí)候依靠直覺(jué)——做棋除了需要計(jì)算，還有棋感——棋手能夠根據(jù)棋形分析攻防線路?！昂玫钠逍慰雌饋?lái)順手多了，”Hassabis本身也是一名圍棋手，“這其中不只有計(jì)算角力，還有審美。這也是圍棋幾千年來(lái)都讓人著迷的原因?！?/p>

因此，從2014年至2015年間，包括Facebook、愛(ài)丁堡大學(xué)、DeepMind等人工智能研究團(tuán)隊(duì)都將圍棋人工智能系統(tǒng)的突破方向瞄準(zhǔn)為——使得程序能夠模仿人類的直覺(jué)式思維。

自我強(qiáng)化

深度學(xué)習(xí)要依靠神經(jīng)網(wǎng)絡(luò)技術(shù)，它是可以模擬人腦中神經(jīng)元網(wǎng)絡(luò)的軟硬件網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)不會(huì)依靠蠻力或預(yù)先輸入的規(guī)則，而是會(huì)分析大量數(shù)據(jù)，“學(xué)習(xí)”特定的任務(wù)。給神經(jīng)網(wǎng)絡(luò)提供足夠的喵星人照片，它就能學(xué)習(xí)識(shí)別喵星人；提供足夠的語(yǔ)音，它也會(huì)學(xué)習(xí)理解人類的語(yǔ)言；提供足夠的圍棋走法，它也會(huì)學(xué)會(huì)圍棋。

在DeepMind，愛(ài)丁堡和Facebook，研究人員希望神經(jīng)網(wǎng)絡(luò)能像人類選手一樣，通過(guò)觀看棋盤(pán)學(xué)習(xí)圍棋。Facebook在最新的研究中表明，這種方法確實(shí)可行。結(jié)合深度學(xué)習(xí)與蒙特卡洛樹(shù)搜索方法，F(xiàn)acebook打敗了一些人類選手，雖然并非是Crazystone和其他頂尖選手。

但DeepMind走得更遠(yuǎn)。在經(jīng)過(guò)3000萬(wàn)步人類走法的訓(xùn)練后，它的神經(jīng)網(wǎng)絡(luò)能以57%的準(zhǔn)確度（此前記錄是44%）預(yù)測(cè)人類的下一步。然后Hassabis和團(tuán)隊(duì)通過(guò)強(qiáng)化學(xué)習(xí)技術(shù)，讓這一神經(jīng)網(wǎng)絡(luò)與它自己的另一個(gè)稍有區(qū)別的版本對(duì)戰(zhàn)。兩者互搏中，系統(tǒng)會(huì)評(píng)估哪一步效果最好，即占領(lǐng)更多棋盤(pán)區(qū)域。最終，神經(jīng)網(wǎng)絡(luò)在判斷哪一步更好時(shí)會(huì)越來(lái)越優(yōu)秀。

DeepMind的研究者David Silver表示，“在與其它神經(jīng)網(wǎng)絡(luò)和它自己對(duì)戰(zhàn)數(shù)百萬(wàn)局后，AlphaGo學(xué)會(huì)了自己發(fā)現(xiàn)新策略，并逐漸提高了水平?！?/p>

正是這種方法幫AlphaGo超越了其它圍棋AI系統(tǒng)，包括Crazystone。但事情還沒(méi)完，研究人員隨后將結(jié)果再反饋給第二個(gè)神經(jīng)網(wǎng)絡(luò)。了解前任的走法了，第二個(gè)神經(jīng)網(wǎng)絡(luò)會(huì)使用許多相同的技術(shù)來(lái)判斷每一步的后果。這一過(guò)程與深藍(lán)等舊系統(tǒng)在國(guó)際象棋上的做法類似，只是它會(huì)在下棋過(guò)程中學(xué)習(xí)，分析更多數(shù)據(jù)，而非暴力破解所有可能的步驟。這樣，AlphaGo不僅能戰(zhàn)勝AI，還能戰(zhàn)勝頂尖人類選手了。

計(jì)算機(jī)網(wǎng)絡(luò)

李世乭

與其它神經(jīng)網(wǎng)絡(luò)一樣，DeepMind的系統(tǒng)運(yùn)行在配備了GPU的機(jī)器上。GPU最初用于渲染游戲圖像，但后來(lái)有人發(fā)現(xiàn)，它們很適合深度學(xué)習(xí)。Hassabis表示，DeepMind系統(tǒng)在裝備了一定數(shù)量GPU芯片的單一電腦上也可以用，但與樊麾對(duì)戰(zhàn)中，他們用上了更大的計(jì)算機(jī)網(wǎng)絡(luò)，其包括170個(gè)GPU和1200個(gè)標(biāo)準(zhǔn)CPU。大的計(jì)算機(jī)網(wǎng)絡(luò)訓(xùn)練了同樣的系統(tǒng)并進(jìn)行了實(shí)際對(duì)戰(zhàn)，還借鑒了訓(xùn)練的結(jié)果。

盡管Hassabiss會(huì)不斷改善系統(tǒng)，但待AlphaGo與韓國(guó)選手李世乭對(duì)戰(zhàn)時(shí)，他們會(huì)使用相同的配置。比賽中系統(tǒng)也需要網(wǎng)絡(luò)連接，而且他們會(huì)“自己鋪設(shè)光纖”。

挑戰(zhàn)世界冠軍比挑戰(zhàn)樊麾難得多，但Coulom還是認(rèn)為DeepMind會(huì)贏。他過(guò)去數(shù)十年一直在開(kāi)發(fā)能打敗最好選手的系統(tǒng)，現(xiàn)在他認(rèn)為這一目標(biāo)已經(jīng)實(shí)現(xiàn)了，他買(mǎi)GPU會(huì)贏。

接下來(lái)……

AlphaGo的重要性不言而喻。同樣的技術(shù)還能用于機(jī)器人和科學(xué)研究，以及類似于Siri的數(shù)字助理和金融系統(tǒng)。深度學(xué)習(xí)創(chuàng)業(yè)Skymind的創(chuàng)始人Chris Nicholson就認(rèn)為，技術(shù)“能用于任何對(duì)抗性問(wèn)題，任何類似于游戲且需要策略的事情，包括戰(zhàn)爭(zhēng)、商業(yè)和交易”。

對(duì)有些人來(lái)說(shuō)，這是一件值得憂慮的事，特別是DeepMind的系統(tǒng)還能自己學(xué)會(huì)下圍棋。它不僅能從人類提供的數(shù)學(xué)中學(xué)習(xí)，還能生成自己的數(shù)據(jù)，在與自己下棋中學(xué)習(xí)。特斯拉創(chuàng)始人埃隆·馬斯克等大佬多次聲明，這類AI系統(tǒng)會(huì)最終超越人類智能，脫離掌控。

幸而DeepMind的系統(tǒng)還在Hassabis等人的控制之下。雖然他們用系統(tǒng)破解了復(fù)雜的游戲，但這仍只是個(gè)游戲。AlphaGo離人類智能還很遠(yuǎn)，更不論超級(jí)智能了。下棋是一種高度結(jié)構(gòu)化的情景，系統(tǒng)也沒(méi)有人類級(jí)別的理解力。但它代表了一種方向，即如果AI能理解圍棋，它也會(huì)理解更多事。如果宇宙就是一局超大型的圍棋呢？

via Wired

作者：張馳 曉樺

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。