|
北京時間 1 月 28 日，Google DeepMind 宣布在人工智能（Artificial Intelligence，以下簡稱 AI）方面取得重大突破，他們名為 AlphaGo 的人工智能在沒有任何讓子的情況下以 5:0 完勝歐洲冠軍、職業(yè)圍棋二段樊麾（完整論文點這里）。 這是 AI 第一次在全尺寸（19X19）的棋盤上擊敗了人類專業(yè)選手，在 AlphaGo 之前，業(yè)界普遍認(rèn)為 AI 戰(zhàn)勝人類圍棋冠軍的時間點至少還要等上十年。當(dāng)下，AlphaGo 借助深度學(xué)習(xí)技術(shù)實現(xiàn)了，描述 AlphaGo 研究成果的論文也成為了 1 月 28 日《自然》雜志的封面文章。 接下來的 3 月份，Google 還會讓 AlphaGo 與世界冠軍李世乭對戰(zhàn)，贏家將獲得 Google 提供的 100 萬美金。李世乭是最近 10 年中獲得世界第一頭銜最多的棋手。 AI 戰(zhàn)勝圍棋為什么比象棋難？在歐美傳統(tǒng)里，棋類游戲被視為頂級人類智力試金石，人工智能挑戰(zhàn)棋類大師的好戲也接連上演。 1997 年，IBM 的深藍(lán)在正常時限的比賽中首次擊敗了當(dāng)時排名世界第一的棋手加里 · 卡斯帕羅夫。2006 年，人類最后一次打敗頂尖的國際象棋 AI。 然而，圍棋卻一直被視為 AI 的強(qiáng)敵。國際象棋中，平均每回合有 35 種可能，一盤棋可以有 80 回合；而圍棋每回合有 250 種可能，一盤棋可以長達(dá) 150 回合。同時，圍棋有 3^361 種局面，而可觀測到的宇宙，原子數(shù)量才 10^80。 據(jù)卡耐基梅隆大學(xué)機(jī)器人系博士、Facebook 人工智能組研究員田淵棟解釋，圍棋難的地方在于它的估值函數(shù)非常不平滑，差一個子盤面就可能天翻地覆，同時狀態(tài)空間大，也沒有全局的結(jié)構(gòu)。這兩點加起來，迫使目前計算機(jī)只能用窮舉法并且因此進(jìn)展緩慢。 在之前圍棋 AI 和人類選手的比賽中，人類選手都會讓子，而且 AI 主要和業(yè)余段位的棋手比賽。而 AlphaGo 這次的對手樊麾是法國國家圍棋隊總教練，已經(jīng)連續(xù)三年贏得歐洲圍棋冠軍的稱號。 另外，在與其他圍棋 AI 的比賽中，AlphaGo 總計 495 局中只輸了一局，勝率是 99.8%。 AlphaGo 是如何做到的？傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹 ，但這種方法對于走法如此之多的圍棋并不適用。AlphaGo 基于 Google 和 DeepMind 一直專研的深度學(xué)習(xí)技術(shù)，將高級搜索樹與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起。 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個分支。機(jī)器學(xué)習(xí)這個概念認(rèn)為，對于待解問題，無需編寫任何專門的程序代碼，只需要輸入數(shù)據(jù)，算法會在數(shù)據(jù)之上建立起它自己的邏輯。深度學(xué)習(xí)強(qiáng)調(diào)的是使用的模型，最流行的是被用在大規(guī)模圖像識別任務(wù)中的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Nets，CNN），簡稱 ConvNets。 AlphaGo 運用到的深度神經(jīng)網(wǎng)絡(luò)是 Policy Network（策略網(wǎng)絡(luò)）以及 Value Network（值網(wǎng)絡(luò)）。 據(jù)果殼網(wǎng)作者開明的文章，策略網(wǎng)絡(luò)和值網(wǎng)絡(luò)任務(wù)在于合作挑選出那些比較有前途的棋步，拋棄明顯的差棋，從而將計算量控制在計算機(jī)可以完成的范圍里，本質(zhì)上和人類棋手所做的一樣。 策略網(wǎng)絡(luò)負(fù)責(zé)減少搜索的寬度——面對眼前的一盤棋，有些棋步是明顯不該走的，比如不該隨便送子給別人吃。這樣 AI 就不用給每一步以同樣的重視程度，可以重點分析那些有戲的棋著。 值網(wǎng)絡(luò)負(fù)責(zé)減少搜索的深度——AI 會一邊推算一邊判斷局面，局面明顯劣勢的時候，就直接拋棄某些路線，不用一條道算到黑。 更通俗的解釋是，策略網(wǎng)絡(luò)著眼于當(dāng)下，選擇下一步走法。值網(wǎng)絡(luò)思考得更加長遠(yuǎn)，預(yù)測棋局的走向。 DeepMind 用人類圍棋高手的兩千萬步圍棋走法訓(xùn)練 AI，這種方法稱為監(jiān)督學(xué)習(xí)（supervised learning），然后讓 AI 和自己對弈，這個流程稱之為強(qiáng)化學(xué)習(xí)（reinforcement learning）。 征服圍棋最重要的意義在于，AlphaGo 不僅是遵循人工規(guī)則的“專家”系統(tǒng)，它還通過深度學(xué)習(xí)技術(shù)自行掌握了如何贏得圍棋比賽。 DeepMind 什么來頭？DeepMind 是一間英國人工智能初創(chuàng)企業(yè)，創(chuàng)立之初主要業(yè)務(wù)是為游戲、電商等服務(wù)提供機(jī)器學(xué)習(xí)的智能算法。換句話說，DeepMind 是一家面向商用市場的技術(shù)提供商。 創(chuàng)始人 Demis Hassabis（德米斯 · 哈薩比斯）小時候是象棋神童，17 歲就達(dá)到了 A-level，比其編程銷售過百萬的模擬游戲“主題公園”的事跡還要早兩年。 （Demis Hassabis） 以優(yōu)異的成績畢業(yè)于劍橋大學(xué)計算機(jī)系之后，Demis 創(chuàng)立了具有開創(chuàng)性意義的電子游戲公司 Elixir Studios，為全球出版商如 Vivendi Universal 制作了許多獲獎游戲。 擁有十年成功的技術(shù)創(chuàng)業(yè)公司經(jīng)驗后， Demis 重新回到校園，在倫敦大學(xué)完成認(rèn)知神經(jīng)科學(xué)博士學(xué)位，并在麻省理工和哈佛大學(xué)拿到博士后學(xué)位。 2011 年，Demis Hassabis 聯(lián)合 Shane Legg 以及 Mustafa Suleyman 一同創(chuàng)立了 DeepMind Technologies，專注于機(jī)器學(xué)習(xí)研究。 2014 年 1 月 DeepMind 被 Google 收購，Demis Hassabis 領(lǐng)導(dǎo) Google 在人工智能方面的全方位工作。 在被 Google 收購后，DeepMind 一直保持低調(diào)。2015 年 11 月，DeepMind 發(fā)布了幾篇關(guān)于利用人工智能算法打敗 Atari 游戲的論文，獲得了不錯的反響。 當(dāng)時，在和倫敦皇家學(xué)會的一次視頻會議中，與會者問及是否在進(jìn)行圍棋相關(guān)研究，Demis Hassabis 透露，我們現(xiàn)在還不能講太多，但幾個月后會有太驚喜?，F(xiàn)在看來，這個大驚喜就是 AlphaGo 了。Demis Hassabis 描述道：
|
|
|
