 圖1/3 企鵝智酷 | 深度解讀 這篇分析中，企鵝智酷將結(jié)合 AlphaGo 相關(guān)權(quán)威論文中提供的信息，以及這兩場(chǎng)比賽中李世石與 AlphaGo 表現(xiàn)，來(lái)用更簡(jiǎn)潔的方式，告訴你谷歌 AlphaGo 到底如何下棋，以及它有哪些被隱藏起來(lái)的弱點(diǎn)。 先說(shuō)核心結(jié)論： 作為戰(zhàn)勝了人類圍棋冠軍的人工智能，AlphaGo （目前版本）強(qiáng)在小范圍戰(zhàn)斗，弱點(diǎn)在于對(duì)全局的判斷； AlphaGo 并非沒(méi)有“情緒”。它也會(huì)懷疑自己，只是用另一種形式呈現(xiàn)（不是人類的抖手或者撓頭發(fā)）； 是誰(shuí)在訓(xùn)練 AlphaGo ？是它自己。用一種遠(yuǎn)超人類效率的方式學(xué)習(xí)； 李世石如何贏？和很多圍棋專家分析的一樣，從科技角度看，李世石必須在開(kāi)局階段建立優(yōu)勢(shì)，并且最好能夠更頻繁轉(zhuǎn)移戰(zhàn)場(chǎng)范圍； 未來(lái)，AlphaGo 會(huì)將人類棋手遠(yuǎn)遠(yuǎn)甩在身后。它就只能繼續(xù)和自己玩了。 一、AlphaGo 是如何決定下每一步棋的？ 企鵝智酷沒(méi)有能夠真的打開(kāi) AlphaGo 代碼庫(kù)，去檢查它全面的運(yùn)行邏輯。我們只能從已公開(kāi)的權(quán)威論文中，來(lái)梳理這個(gè)迄今為止走進(jìn)公眾視野的最強(qiáng)大人工智能，是如何做出決策，戰(zhàn)勝人類的。 簡(jiǎn)單說(shuō)，AlphaGo 下的每一步棋，都依賴于“概率”。 1.當(dāng)一開(kāi)始，棋盤有大量空白區(qū)域，棋子較少時(shí)，AlphaGo會(huì)更愿意采用“固定策略”。 這種策略來(lái)自于 AlphaGo 自己模擬訓(xùn)練的數(shù)百萬(wàn)場(chǎng)棋局（每一局都從開(kāi)始模擬到結(jié)束）。這讓 AlphaGo 心中有一個(gè)大概的最佳選擇可能性，即下在點(diǎn)A和點(diǎn)B，哪個(gè)更好些。 在這個(gè)時(shí)候，AlphaGo 是通過(guò)經(jīng)驗(yàn)來(lái)判斷的。雖然這個(gè)經(jīng)驗(yàn)不來(lái)自與人類，而是來(lái)自于它結(jié)合人類下棋方式學(xué)習(xí)后，自己和自己對(duì)弈的數(shù)百萬(wàn)經(jīng)驗(yàn)值。但這種基于經(jīng)驗(yàn)的判斷，是人類挑戰(zhàn)它的最佳機(jī)會(huì)——和“恐怖”的機(jī)器推演能力相比，經(jīng)驗(yàn)，起碼離人類更近一些。 為什么 AlphaGo 不在一開(kāi)始就用蒙特卡羅算法，盡量窮盡所有可能性，去給出更可靠的“計(jì)算答案”，而不是“經(jīng)驗(yàn)答案”呢？ 我們猜測(cè)，一方面是當(dāng)棋局尚未真正交鋒時(shí)，各種選擇的概率差不多，沒(méi)必要做精確計(jì)算；另一方面，也為了節(jié)省時(shí)間。 2.當(dāng)棋局有局部拼殺時(shí)，AlphaGo 的戰(zhàn)力就升級(jí)了。 這時(shí)候，再依賴那數(shù)百萬(wàn)局“自己與自己下棋”的經(jīng)驗(yàn)，明顯是不夠的。因?yàn)槠寰炙蚕⑷f(wàn)變，李世石的下法，很可能是 AlphaGo 沒(méi)有模擬過(guò)的（不要高估數(shù)百萬(wàn)局訓(xùn)練，和圍棋的可能性相比，只是滄海一粟）。 這時(shí)候，AlphaGo 會(huì)不再聚焦于整個(gè)棋盤，而將計(jì)算精力縮到一個(gè)小范圍（戰(zhàn)斗區(qū)域，例如右下角5*5,8*8這種）。這時(shí)候，它會(huì)啟動(dòng)現(xiàn)場(chǎng)演算推理功能，即開(kāi)始計(jì)算每一個(gè)落子位置的后續(xù)走勢(shì)，來(lái)計(jì)算最佳一步。 這需要時(shí)間。所以，AlphaGo 在短兵相接時(shí)，不得不縮小觀察范圍，在局部啟動(dòng)現(xiàn)場(chǎng)計(jì)算。這雖然失去了一定的“大局觀”，但換來(lái)了計(jì)算的效率，和電腦比，人腦的純粹計(jì)算力是相對(duì)弱勢(shì)的，所以，短兵相接，機(jī)器占大優(yōu)勢(shì)。 3.當(dāng)局勢(shì)需要兼顧大局和計(jì)算力時(shí)，AlphaGo 怎么辦？ 開(kāi)局布局，AlphaGo 用經(jīng)驗(yàn)；短兵相接，AlphaGo 用計(jì)算力。那么在局勢(shì)復(fù)雜時(shí)，AlphaGo 的另一個(gè)特長(zhǎng)就有用武之地了——兼顧大局觀和計(jì)算能力。 它叫做“棋局評(píng)估器 (Position Evaluator)”。這個(gè)東西會(huì)告訴 AlphaGo ，哪些地方是“不值得”你去深度計(jì)算的。這就幫助 AlphaGo 節(jié)省大量的計(jì)算需求，只針對(duì)局面上有價(jià)值的點(diǎn)，來(lái)推演，并給出最終的優(yōu)勝概率排序。所以，這個(gè)評(píng)估器也叫作“價(jià)值網(wǎng)絡(luò)”。 這東西是怎么實(shí)現(xiàn)的呢？也是經(jīng)驗(yàn)。AlphaGo 模擬了兩個(gè)“自己”，然后隨機(jī)落子計(jì)算每個(gè)位置對(duì)贏棋的價(jià)值。這種簡(jiǎn)單粗暴的計(jì)算是人類大腦無(wú)法訓(xùn)練的，只有機(jī)器可以肆無(wú)忌憚的這么做。 打個(gè)形式上的比喻。如果你用過(guò)掃地機(jī)器人就知道，啟動(dòng)后，它并非按照人類的方式，一塊地磚接一塊的掃地，而是以一種亂序的方式，在房間里橫沖直撞。 你以為它瘋了。但只要你關(guān)上門，過(guò)一會(huì)，你會(huì)發(fā)現(xiàn)它已經(jīng)把地打掃干凈了——所有的區(qū)域，都被這種隨機(jī)方式覆蓋到。 人類是不可能這么掃地。會(huì)累死你。 但和窮盡推演相比（雖然目前不可實(shí)現(xiàn)），這種價(jià)值估算并不是完全準(zhǔn)確的（掃地和圍棋在精讀與復(fù)雜度上，是完全不同的）。它是在兼顧時(shí)間和效率基礎(chǔ)上，一種最適合的策略。這也是 AlphaGo的一個(gè)弱點(diǎn)。 二、AlphaGo 也會(huì)懷疑自己 我們覺(jué)得人機(jī)對(duì)戰(zhàn)對(duì)李世石不公平的一個(gè)地方，是機(jī)器人不會(huì)受情緒影響，而人類棋手卻時(shí)常受困于其中。 從單一棋局看，AlphaGo 確實(shí)是不會(huì)“后悔”的，因?yàn)樗拿恳徊剑际撬J(rèn)定的最佳決策。但當(dāng)你通過(guò)多局去觀察 AlphaGo 時(shí)，會(huì)發(fā)現(xiàn)它其實(shí)也會(huì)“懷疑”，只是這種懷疑，并不會(huì)影響它的棋力，反而會(huì)促進(jìn)它的進(jìn)化。 原理很簡(jiǎn)單。AlphaGo 會(huì)懷疑自己，是因?yàn)樵诤芏嗑置孢x擇時(shí)，最優(yōu)解不止一個(gè)，或者比較接近。例如有五個(gè)點(diǎn)的贏棋概率都是45%，在這一局里，AlphaGo 可能選擇了點(diǎn)A，但下一句，它可能會(huì)選擇點(diǎn)B…… 如果點(diǎn)A贏了，以后它會(huì)一直選擇點(diǎn)A嗎？這個(gè)我也不清楚，論文里沒(méi)說(shuō)。但從邏輯上推斷，既然是經(jīng)過(guò)了百萬(wàn)棋局的演算，那么一局的勝負(fù)，對(duì)于具體某點(diǎn)的概率提升，不會(huì)太明顯。所以，AlphaGo 在應(yīng)對(duì)同樣局面時(shí)，它可能給出完全不同的下法——根據(jù)幾個(gè)最優(yōu)解，隨機(jī)選擇。 而這一點(diǎn)，也正是它可怕之處。連開(kāi)發(fā)它的人類，都無(wú)法預(yù)測(cè)它的行為。因?yàn)槟惆央S機(jī)函數(shù)的權(quán)利，交給了人工智能自己。 三、AlphaGo 為什么極少下臭棋？ 我們通常把人工智能比作”高智商嬰兒“，按照這個(gè)推斷，AlphaGo 就算表現(xiàn)驚艷，但應(yīng)該也會(huì)有下臭棋的時(shí)候。因?yàn)閱渭兊娜斯ぶ悄?，是無(wú)法真的模擬人類思維的。 但 AlphaGo 沒(méi)有丟過(guò)人。因?yàn)樵谝婚_(kāi)始，它并非完全的“自學(xué)”。工程師們安排 AlphaGo 在網(wǎng)絡(luò)對(duì)戰(zhàn)平臺(tái)上，與人類棋手不斷下棋，用來(lái)學(xué)習(xí)人類下棋的風(fēng)格和方式。當(dāng)工程師們覺(jué)得 AlphaGo 足以“像個(gè)人類棋手”時(shí)，才讓它開(kāi)始自己和自己更瘋狂的練棋。 你如果很早在KGS(網(wǎng)絡(luò)圍棋對(duì)戰(zhàn)平臺(tái))上遇到過(guò) AlphaGo ，那么，你可能有幸看到過(guò) AlphaGo 還是嬰兒時(shí)的樣子。 四、AlphaGo 自己訓(xùn)練自己，而且效率嚇人 前面提到了，和人類練棋不同，AlphaGo 在學(xué)會(huì)了人類下棋方式后，復(fù)制了兩個(gè)自己，依托計(jì)算機(jī)性能優(yōu)勢(shì)，不斷下棋，去豐富對(duì)局面判斷力。這種效率非常之高，甚至已經(jīng)超越了人類歷史上所有的對(duì)弈棋局總數(shù)量。 這意味著 AlphaGo 會(huì)越來(lái)越”老練“。雖然它還是無(wú)法在每一局的每一步中，窮盡所有可能性（如果它能做到，就戰(zhàn)無(wú)不勝了），但它會(huì)不斷通過(guò)訓(xùn)練積累大局觀，而隨著大局觀提升，在實(shí)戰(zhàn)中，它需要做現(xiàn)場(chǎng)精準(zhǔn)推演的效率也會(huì)更聚焦——人類也就越來(lái)越難贏它。 在可以預(yù)見(jiàn)的未來(lái)，AlphaGo 會(huì)將人類棋手遠(yuǎn)遠(yuǎn)甩在后面。然后，它就只能在自己的世界里，自己和自己下棋玩了。 人類棋手會(huì)像今天的電競(jìng)愛(ài)好者那樣，去看看兩個(gè)“AlphaGo“ 的對(duì)局直播，一邊驚嘆，一邊感悟。 |
|
|
