電腦首次打敗人類圍棋冠軍意味著什麼？

從20世紀90年代開始，計算機已連續在國際象棋、跳棋、撲克和電視問答等遊戲中打敗人類。但是，有一種遊戲，專業的人類選手依舊勝過機器，那就是圍棋。這項具有2500多年歷史的棋盤遊戲非常複雜，遊戲雙方分別用黑色和白色的棋子圍住儘可能多的區域來戰勝對方，這對於計算機來說很難掌握。但是人類在圍棋領域唯我獨尊的時代貌似已經結束——谷歌DeepMind的研究人員近日宣稱他們開發出一種複雜的人工智慧程序——融合了深度神經網路技術和搜索技術，在歷史上首次打敗了人類的圍棋冠軍。

去年十月，DeepMind團隊在倫敦邀請了歐洲圍棋冠軍樊麾與他們的程序AlphaGo對弈。比賽是私下進行的，只有少數幾個觀眾在場，他們在19乘19的網格棋盤上進行比賽。 AlphaGo在與CrazyStone和Zen等高端的圍棋程序的495場對戰測試中只輸了一場。但是，與跟其他計算機比賽相比，與人類高手的對弈更具挑戰性，畢竟職業選手更勝一籌——他們有多年的比賽經驗，對於運籌博弈的方法有著某種直覺。因此，AlphaGo以5:0擊敗人類確實很了不起。

許多人曾預言，計算機若想打敗人類圍棋冠軍至少還需要10年時間。亞馬遜的著名軟體工程師David Fotland在AlphaGo擊敗人類冠軍後發出感慨，「這些年來，計算機性能的飛躍是出乎意料的，而且是空前的。」他也曾開發出一種計算機圍棋程序，但他並沒有參與此次AlphaGo的研究工作。對於AlphaGo的成功，David Fotland並沒有驚訝。

要想了解DeepMind研究人員如何創造出這項令人欽佩的程序，我們首先必須意識到下好圍棋對於計算機來說為什麼這麼難 (如果你並不了解圍棋的規則和技巧，下文將給你帶來清晰簡明的解釋)。第一，圍棋有無數種可能的走法和結果——用研究人員的話來說，就是圍棋中可能位置的數量比宇宙中原子的數目還要多。DeepMind的共同創始人Demis Hassabis是該項研究發起人之一，他將圍棋和象棋做了比較，發現在象棋中每一回合平均有20種可能的走法，然而在圍棋中，每一回合可能的走法卻有將近200種，整整多了將近9倍。這意味著如果一台計算機想要探究圍棋中所有可能的走法和結果，需要超強大的計算能力，曾有科學家甚至覺得完成這項工作幾乎是不可能的。

JonathanSchaeffer是加拿大阿爾伯塔大學的一名計算機科學家，他解釋說，計算機很難掌握圍棋的另一個原因是，圍棋選手需要大量的知識，需要吸取以前的比賽經驗。對於象棋，你只需輸入少量的信息就可以自己建立一個強大的遊戲程序，但在圍棋中卻無法做到。這是因為，在象棋中，計算機可以按照程序中預先編寫的規則走棋，但在圍棋中使用這種策略是不可行的。因為圍棋的每一步走棋是與棋局所呈現的格局息息相關的，而不是一系列可以有章可循的邏輯規則。

DeepMind團隊開發的系統解決了搜索量巨大和知識匱乏的問題。在《自然》雜誌中（有興趣做深層探索的朋友可以一睹研究報告真容http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html），他們表明是通過將搜索技術和深度學習技術結合，從而克服了這些困難。

為了解決知識問題，他們利用所謂的深度神經網路技術——兩個13層深的邏輯關係網路，包括成千上萬個連接點，類似於人類大腦中的神經連接。研究人員通過兩種方法來訓練這些關係網路：對於單個關係網路，他們向計算機展示了人類高手對決中超過3000萬種的走法（這可以使系統學到最佳玩家是如何獲勝的）；對於兩個關係網路，研究人員讓計算機同自己進行上千次博弈，這樣，它就能發現新的策略，並且自己學習這項遊戲。這兩種訓練策略使計算機在遊戲中可以識別不同的模式，並鑒定出如何走棋才能以最大的機會獲勝。

對於棘手的搜索問題，研究人員開發了一種特殊的搜索技術，稱為Monte Carlo Tree搜索。這種方法已經存在好多年了，並且被應用於其他計算機遊戲，本質上是使系統利用統計數據作為捷徑來決定最佳的走棋，而不是根據給定的走法計算出每一種可能的結果（在圍棋中，如果這樣，計算機會永遠計算下去）。

DeepMind團隊使用的搜索技術和深度學習工具並不新奇。許多計算機圍棋程序已經在用Monte Carlo Tree搜索，神經網路技術也已被使用。但是，使DeepMind團隊的AlphaGo程序如此先進的關鍵在於這些工具被結合到一起的方式，再加上深度神經網路的高性能。主要的新奇之處在於他們如何將這些不同的因素組合到一起——在這方面，他們的做法很有創新性。跟人們以前的做法相比，這種方法更簡單，更全面，而且更優雅，這是一個巨大的飛躍。也正是因此，在與樊麾的比賽中，AlphaGo獲得了很大的優勢——計算機5:0獲勝。

儘管不是所有人都關心計算機打敗人類圍棋冠軍，因為他們並沒有洞察到這一進步在其他領域也很重要。研究人員按照通用方法建立了該系統，而不是僅僅適用於圍棋。他們打算最終將這些技術應用到重要的現實問題中。該項目的參與人Hassabis說：「我們希望有一天它們可以儘力幫助人們解決一些社會上最艱難、最緊迫的問題，從氣候建模到複雜的疾病分析。」 Yoshua Bengio說該程序在電腦對話中也可能會有重要的應用，而且在將來它還可能用來解決一些抽象的社會問題，這些問題可以通過遊戲的方式來表述，像國家政治問題或者國際氣候協商。

但是，AlphaGo的當務之急是如何打敗全球最優秀的圍棋選手李世石，他們之間的比賽將於下個月在韓國首爾舉行。儘管AlphaGo在與樊麾的對決中表現出眾，但Schaeffer和Fotland仍舊認為李世石將會贏得比賽。「我覺得人類職業選手會勝出，」 Fotland說，「但是，面對如此強大的圍棋程序，我相信人類高手會大吃一驚。」到現在為止，依舊有一部分人堅信人類選手會贏得這場比賽。3月9日鹿死誰手，讓我們拭目以待吧！

請您繼續閱讀更多來自 知識百科 的精彩文章:

※人工智慧下圍棋能打敗人類 空戰狗斗一樣也能碾壓人類
※人類能打敗大滅絕嗎？
※方便被他打敗！他是五屆世界散打冠軍，卻多次在陰溝里帆船！
※火影忍者——鳴人哥哥放個「屁」打敗了「牙」？
※兩女爭一個男人！鬥智斗勇打敗情敵！趕緊看！
※這個陣容能打敗夢一隊，誰給你的勇氣呢？
※為了讓狗狗打敗獅子，主人的舉動讓人直爆粗口！
※人如果被銀背大猩猩盯上了，能打敗它嗎？
※中國鯉魚打敗了美國特種部隊！是老天爺背後幫忙？
※打敗脈動、尖叫，僅次於紅牛，東鵬特飲如何成為行業第二？
※如果這個人不被流放，可能會打贏鴉片戰爭，打敗八國聯軍
※這些軍隊哪個能打敗《進擊的巨人》王的巨人軍團！
※敢於挑戰大媽海賊團！烏爾基打敗一個將星不算意外
※鯰魚臉是什麼鬼，憑什麼打敗網紅臉？
※聖鬥士星矢，一個船夫都能連著三次打敗星矢
※對力量一無所知！日本女乒冠軍叫囂：打敗中國，丁寧一語打臉她
※為什麼美軍打敗了日軍卻打不敗志願軍？
※「最想一起去登山的藝人」排行榜，她竟然打敗了石原里美和新垣結衣？
※中國特種兵屢次打敗實戰型美軍，美國媒體點評透著「醋味兒」