棋王竟是機器人

葉子

在大多數用來考察人類智慧的游戲中，如國際象棋、拼字游戲、奧賽羅棋、甚至《絕境邊緣》（一個益智問答游戲節目）中，機器都能毫不費力地擊敗人類。但圍棋一直是一個例外。這款游戲有著2500年的歷史，比國際象棋要艱深復雜得多，即使是最機敏的計算機系統，也比人類圍棋大師要差了一大截。就在本月初，一些業內頂尖的人工智能專家還質疑近期內我們能否在這方面取得突破。去年更有很多人認為，還要再過10年，機器才可能在圍棋比賽中取得上風。

但谷歌卻先人一步成功了。“這比我想象的要快得多。”法國研究人員雷米·科隆說道。他研發的人工智能系統曾是世界上最出色的機器圍棋選手。

谷歌DeepMind團隊自稱“人工智能領域的阿波羅計劃”。2015年10月，他們在倫敦組織了一場機器與人類之間的對決。該團隊研發的系統名叫AlphaGo，它要對付的人類選手是歐洲圍棋冠軍樊麾。在《自然》雜志的一名編輯和英國圍棋聯合會的一名權威人士的監督下，他們連續進行了5輪較量，AlphaGo均取得了勝利。“無論是作為一名研究人員還是編輯，這都算是我職業生涯中最令人激動的時刻之一。”《自然》雜志編輯唐吉·肖爾德博士在一次記者會上說道。

英國時間1月27日早晨，《自然》雜志發表了一篇論文，詳細介紹了DeepMind團隊研發的系統。該系統采用了一種名叫“深度學習”的人工智能技術，這種技術在該領域的地位正變得越來越重要。DeepMind的研究人員從專業棋手那里收集了大量走棋方法，總步數多達3000萬次，并利用這些數據對AlphaGo系統進行了訓練。但這還只是第一步而已。從理論上來說，這樣的訓練方式頂多能讓計算機系統和最優秀的人類選手達到同等水平，不可能超越人類。因此研究人員先讓該系統自己和自己比賽，在這一過程中產生更多的走棋方法，然后再用這些方法訓練新的人工智能系統，逐步提高其圍棋水平。

“最重要的是，AlphaGo不僅僅是一個出色的人工智能系統，只知道實行人工植入的規則”，負責監管DeepMind團隊的德米斯·哈薩比斯說道，“它還采用了目前普遍使用的機器學習技術，從而在圍棋比賽中取勝。”

這次勝利其實并沒有那么新奇。谷歌、Facebook和微軟等線上服務提供商已經使用了深度學習技術，用于辨認圖像、識別語音、以及理解自然語言等。DeepMind將深度學習與一種名為“增強學習”的技術和其他方法結合起來，說明在未來的世界中，機器人能夠學會執行各種動作，還能對周圍環境做出反應。“對于機器人來說，這是順理成章的事情。”哈薩比斯說道。

他還認為這些手段能加速科學研究的進展。在他的想象中，科學家有一天會和人工智能系統一起工作，而這些人工智能系統將會被運用到可能取得豐碩成果的研究領域中去。“計算機系統能夠處理大量數據，揭露數據結構特征，工作效率遠比人類專家要高——有些事情人類甚至根本做不到。”哈薩比斯解釋道，“這些計算機系統甚至能為人類專家指明研究方向，引領他們取得突破。”

但就目前來看，圍棋仍然是哈薩比斯最關注的領域。讓AlphaGo在辦公室中打敗人類選手之后，哈薩比斯及其團隊希望能在公開的競技場上，和世界頂級圍棋選手一決高下。今年3月中旬，AlphaGo將挑戰韓國棋手李世[石][乙]，后者贏得的國際大獎數居世界第二，是過去10年中獲勝次數最多的棋手。哈薩比斯將他視為“圍棋世界中的費德勒”。

2014年年初，科隆研發的圍棋軟件Crazystone在日本的一次錦標賽中向圍棋大師依田紀基發起了挑戰，并取得了勝利。但這次對決并不公平，因為機器可以先走4步，占據了巨大的優勢。當時科隆預言稱，人工智能至少要再過10年才能在無讓子的圍棋比賽中取勝。

這項挑戰的難度是由圍棋本身的特點決定的。即使是最強大的超級計算機，也缺乏在合理的時間內分析出每種走法可能的結果的能力。1997年，“深藍”擊敗了世界頂級象棋棋手加里·卡斯帕羅夫，它使用的算法名叫“蠻力窮舉法”。它分析了每一種可能的走法將產生的結果，而人類是不可能考慮這么多的。但這種方法對圍棋就無效了。在國際象棋中，平均每回合有35種走棋方式。而圍棋每回合有250種可能的走棋方式，250種中的每一種又有250種，以此類推。哈薩比斯指出，圍棋棋盤上可能的布棋方式總和比宇宙中所有原子的數量還多。

利用一種名叫蒙特卡洛樹的搜索算法，像Crazystone這樣的程序可以提前算出很多步走棋結果。再配合其他技術，它們還可以逐步去除需要分析的走法。這樣一來，它們遲早會打敗一些出色的棋手——但無法擊敗最出色的棋手。對于棋類大師來說，走棋很多時候靠的都是直覺。棋手會根據棋子的整體分布來選擇走法，而不會細致地分析每一步的結果。“好的位置看起來就很好，”哈薩比斯說道，他本身就是一名圍棋棋手，“圍棋似乎也遵循一定的審美原則，所以這種游戲才得以延續數千年。”

但在2014和2015年之交，一些人工智能專家，包括愛丁堡大學、Facebook、以及DeepMind團隊的研究人員，開始采用深度學習法解決圍棋問題。他們的想法是，這種技術能模擬人類的直覺，而直覺正是下圍棋時必不可少的東西。“圍棋是一種含蓄的游戲，講究圖案的配合，”哈薩比斯說道，“而那正是深度學習法所擅長的領域。”

深度學習需要依賴所謂的“神經網絡”，即由硬件和軟件組成的、模擬人類大腦中神經網的網絡。這些網絡采用的不是蠻力窮舉法，也不依靠人工植入的行動準則。它們會對大量數據進行分析，試圖“學會”執行某個特定的任務。如果讓神經網絡看大量的袋鼠照片，它就能學會認出一只袋鼠。如果讓它聽大量的單詞，你再讀出這個單詞時，它就能聽出來你說的是什么。如果讓它了解大量的圍棋走棋方法，它就能學會下圍棋。

DeepMind團隊、愛丁堡大學和Facebook的研究人員希望，神經網絡能夠通過“觀察”棋子位置掌握下圍棋的方法，和人類差不多。Facebook近日在一篇論文中指出，這一技術使用起來相當不錯。他們將深度學習法和蒙特卡洛樹搜索方法結合起來，成功讓計算機打敗了一些人類圍棋棋手。不過他們還沒有擊敗Crazystone和其他頂尖的人工智能系統。

但DeepMind成功將這一概念向前推動了一大步。在接受了3000萬步人類的圍棋走法訓練之后，DeepMind神經網絡能夠以57%的成功率預測人類下一步的走棋方法。這個成功率可謂十分驚人，因為此前的記錄只是44%。接下來，哈薩比斯及其團隊采用增強學習法，讓這個神經網絡和另一個與之稍有不同的網絡進行比拼。在兩個神經網絡比賽的同時，系統會追蹤哪種走法帶來的效益最大。利用這種方法，該系統越來越能夠識別出哪種走法能夠取得成功，哪種走法則會導致失敗。

“AlphaGo的神經網絡和自己比賽了上百萬次，在這一過程中不斷改進，全靠自己學會了新的走棋策略。” DeepMind團隊的一名研究人員戴維·希爾佛說道。

據希爾佛稱，這種方法使AlphaGo在眾多會下圍棋的人工智能系統中脫穎而出，其中也包括Crazystone系統。然后研究人員將上一步得到的結果輸入二級神經網絡中。該網絡使用一級網絡建議的走棋方法，使用了很多相同的方法來預測每一步的結果。這和“深藍”下象棋時的方法類似，只不過AlphaGo系統會邊下邊學，分析更多數據，而不是通過蠻力窮舉法探索每種可能的結果。利用這種方法，AlphaGo不僅學會了如何打敗現有的人工智能系統，還擊敗了頂級的人類棋手。

和大多數先進神經網絡一樣，DeepMind系統使用的機器也配備了圖形處理器（GPU）。這些芯片最初是用來為游戲和其他對圖形敏感的程序處理圖像的，但研究人員發現，GPU也很適合用來開展深度學習。哈薩比斯表示，只需要用一臺裝配了大量GPU芯片的計算機，DeepMind就能夠運行得很好。但在與樊麾對戰時，研究人員使用了規模更大的計算機網，共裝載了170枚GPU芯片和1200臺標準處理器（CPU）。該系統在訓練時和實際作戰時，使用的都是這一大規模計算機網。

等AlphaGo前往韓國挑戰世界冠軍李世[石][乙]時，哈薩比斯的團隊將使用同樣的裝置，不過他們會對其進行不斷改進。這意味著，他們需要聯網才能和李世[石][乙]作戰。“我們正在鋪設自己需要的網絡光纖。”哈薩比斯說道。

據科隆和其他專家稱，打敗世界冠軍李世[石][乙]比打敗樊麾要難得多。但科隆對DeepMind團隊寄予厚望。在過去的10年中，他一直在努力打造能擊敗世界頂級棋手的圍棋系統，而他現在認為，這樣的系統已經被研發出來了。“我現在買GPU買得不亦樂乎。”他說道。

AlphaGo具有極其重要的意義。它采用的技術不僅能用于機器人和科研領域，從類似Siri的移動數碼助手，到進行金融投資，這一技術在很多任務中都能助人一臂之力。“你可以用它來解決各種棘手的問題，處理任何需要用到策略的、類似于游戲的事情。”深度學習初創公司Skymind的創始人克里斯·尼克爾森說道，“比如戰爭或商業交易等。”

有些人對此感到有些擔憂，尤其是當他們想到DeepMind系統是通過自學學會圍棋的時候。該系統不僅僅是通過人類提供的數據來學習的，它還會產生自己的數據，做到自己教自己。就在前幾個月，特斯拉創始人伊隆·馬斯克和其他人紛紛表達了自己的擔憂，認為這樣的人工智能系統遲早會超越人類，并脫離我們的掌控。

但DeepMind系統還處在哈薩比斯等研究人員的嚴密控制之下。雖然他們正在使用該系統破解一款極為復雜的游戲，但游戲到底只是游戲而已。的確，要想媲美真正的人類智慧，AlphaGo還有很長的一段路要走，還遠稱不上超級智能。“眼下的情況非常規范，”人工智能法律教授、華盛頓大學的技術政策實驗室創始人雷恩·卡羅說道，“該系統的理解能力并未真正達到人類的水平。”但該系統指明的方向的確如此。如果DeepMind的人工智能系統能理解圍棋的玩法，也許它遲早會明白更多的東西。“會不會整個宇宙都僅僅是一盤巨大的圍棋呢？”卡羅問道。