微軟亞洲研究院鄭宇：AlphaGo并未攻克圍棋難題，人類未來仍有希望

雷鋒網(wǎng)按：本文轉自CCF官方公眾號中國計算機學會，雷鋒網(wǎng)已獲內(nèi)容授權。

5月23日AlphaGo2.0版本在人機圍棋比賽中以1/4子的微弱優(yōu)勢戰(zhàn)勝了柯潔，一方面繼續(xù)彰顯了人工智能的強大，但也讓人們對AlphaGo和人工智能有了新的認識。先說出結論，再看分析。

1．在圍棋這個項目上AlphaGo目前走在了人類的前面，但并沒有完全攻克圍棋這項運動。它只是通過深度學習找到了一個比人類認識更優(yōu)的解，但不是最優(yōu)解。最優(yōu)解無法找到，即便用盡地球上所有的資源。從專業(yè)的角度來講，就是用深度學習去逼近了一個強化學習中的價值判斷函數(shù)，然后再跟蒙特卡洛搜索樹結合的方法（具體詳解可參看《鄭宇：一張圖解ALphaGo原理及弱點》，不再重復）。既然人工智能和人類都不能找到最優(yōu)解，現(xiàn)在說哪一方已經(jīng)完全徹底的失敗還早。

2. 人類也是在進步的，我們也不要低估了人類后天的快速（小樣本）學習能力，這點AlphaGo基于現(xiàn)在的學習方法還做不到。短期來看人獲勝概率小，但長遠來看（未來5-10年）人還有機會，因為人也有很強的學習能力，可以從少量跟AlphaGo的對弈的棋局中快速學習。而即便再給AlphaGo1億副棋譜，再添加一萬塊GPU，如果還是基于現(xiàn)有的學習體系，它進步的速度也終將放緩，因為新增的棋譜和計算資源相對于2x10171這個搜索空間來說只是滄海一粟。我們對人腦的了解還遠不如對圍棋的認識，這里面還有很大的未知數(shù)。

3. 目前人類職業(yè)棋手跟AlphaGo的差距也就在一個貼目的水平，沒有大家想象的那么大。其實這個貼目的差距（按中國標準7目半），在職業(yè)棋手看來，已經(jīng)是非常大的差距了。很多職業(yè)高手，進入官子階段后發(fā)現(xiàn)自己還落后對方7-8目，就會主動投子認輸了。很多通過數(shù)子來決定勝負的比賽，輸贏往往都在1-2目之間（比如柯潔就輸給AlphaGo半目）。否則會被其他專業(yè)棋手笑話，自己落后那么多都不知道，點空能力太弱了。

要能真正客觀、準確的看待這個問題急需要較強的人工智能專業(yè)知識，也需要一定的圍棋功底。下面先糾正網(wǎng)上認知的一些誤區(qū)：

誤區(qū)一：AlphaGo可以讓人類頂尖棋手4個子，AlphaGo2.0可以讓上一個版本4-5個子。

要消除這個誤解，首先要跟大家普及一下圍棋知識：在圍棋里“讓對方兩個子”和“贏對方2個子”有著天壤之別。這點對于下圍棋的人不用多說，但我今天才意識到，很多吃瓜群眾一直以為這就是一回事。難怪網(wǎng)上會流傳以上的錯誤言論。

讓對方兩個子: 在圍棋里讓2子是說讓一方先在棋盤上放上2個棋子（棋子只能放在星位），然后對方才開始走。這兩個子在對弈之初的價值巨大，對于專業(yè)棋手來講，每個棋子價值至少在10目以上（這是最保守估計了）。讓兩子相當于至少先讓出去對方20多目的地盤。由于棋盤是有限的，如果不能在后面的比賽中，在有限的空間里贏回這20多目，那就是讓子失敗了。而且讓子數(shù)越多，被讓方獲得的價值不單是線性增長的，因為子力之間會形成配合，獲取更大的利益。比如說，讓四子，其價值就可能遠不止40目了。

贏對方2個子：是指雙方下完后，贏的一方比輸?shù)囊环蕉喑?個子。如果按照吃住對方一個子算兩目的方法來算，那2個子只相當于4目。AlphaGo贏了柯潔1/4子，就相當于半目棋子而已。

所以“讓對方兩個子”和“贏對方2個子”不可同年而語。如果真的有圍棋之神存在（既他一定能找到最優(yōu)解，我們?nèi)耸菦]有希望下過他的），一般頂尖專業(yè)棋手認為他們跟這個神的差距在讓2-3子之間。由于AlphaGo可以被證明不能保證找到最優(yōu)解，所以他離神還有一定的距離。因此，說AlphaGo可以讓人類頂尖棋手4個子，這簡直就是天方夜談。

誤區(qū)二：AlphaGo也會下出一些明顯不好的招數(shù)，是因為他自我判斷形式占優(yōu)，而放松了自身的要求。

AlphaGo的搜索策略就是優(yōu)先對獲勝概率比較大的分支進行更多的深度搜索，這個策略在任何時候都不會改變，也不能改變。他不會覺得自己優(yōu)勢了就下出緩手。下得不好的時候是因為其價值判斷本來就是一個近似，而且搜索空間也不能窮盡，得不到最優(yōu)解，因此，有時估計還不錯的棋，其實不一定是真的最好的下法，AlphaGo出現(xiàn)這種不穩(wěn)定狀況是正常的。這也是人類善存的希望所在。當然人類也有自身的弱點，如疲勞、情緒波動等，人也會判斷失誤。而且棋局很長，有些之前不太好的棋，經(jīng)過后面的變化（包括不是預料中的變化）有可能會變成好棋。所以，不是所有的錯誤，都會直接影響到比賽的結果。而且現(xiàn)在大家似乎有點怕AlphaGo了，即便是AlphaGo下出一招不好的棋，大家更多的是懷疑自己的水平（是不是我們沒看懂啊？），而選擇相信AlphaGo的“深謀遠慮“。

誤區(qū)三：AlphaGo可以不斷自學習，從新的棋局里獲取經(jīng)驗，快速提升自己。

AlphaGo的系統(tǒng)由于參數(shù)非常多，需要大量的數(shù)據(jù)來訓練，新增的幾幅棋譜對提高它的棋力起不到任何作用。而且AlphaGo在做參數(shù)調整時是針對一大批數(shù)據(jù)的整體優(yōu)化，也必須對很多棋譜做批量處理，訓練時間非常長，不可能在很短時間內(nèi)大幅提升自身的水平。即便是同一組訓練棋譜，參數(shù)調整方法不一樣也會訓練出棋力水平差異較大的系統(tǒng)。其實AlphaGo是通過自我對弈來生成很多棋譜，然后利用棋譜中的（兩個連續(xù)的）盤面跟最后的勝負對應關系訓練出價值網(wǎng)絡來。這里只是借用了一下強化學習的框架來訓練深度神經(jīng)網(wǎng)絡的參數(shù)而已，主要貢獻還是深度學習的近似能力帶來的（解決了傳統(tǒng)強化學習針對復雜環(huán)境和動作狀態(tài)無法求解的難題）。因此，AlphaGo并沒有大家想象的那種自我博弈就能自己不斷進步的能力。

誤區(qū)四：AlphaGo會故意放水輸?shù)粢痪直荣悺?/strong>

這個沒有可能。要想輸還不能輸?shù)哪敲措y看和明顯，是一件非常難辦的事情，可能比贏棋還要難。在模型訓練好之后，AlphaGo能夠臨時改動的只有在搜索部分投入的資源多少（搜索多大的空間）可以改動。縮減的太小，幾乎不會有太大變化，但如果縮減太多，就會下出一些非常低級的棋來。這點從技術角度來講很難把握。

誤區(qū)五：計算機的計算能力一定比人強，所以不要去跟AlphaGo比計算，應該把局面簡單化，避免復雜的戰(zhàn)斗。

AlphaGo依靠的是一種基于樹的搜索算法，遇到復雜局面搜索空間變大，對未來輸贏的價值判斷也會變難。因此，人算不過來的復雜局面，對AlphaGo來說也很困難。如果局面太簡單，機器可以非常好的計算出比較優(yōu)的解，人類棋手更加沒有希望。因此，把局面弄復雜，人類棋手才有希望獲勝，雖然這個對人類也提出了更大的挑戰(zhàn)。

總結       

基于人類目前對圍棋的認識和理解，現(xiàn)階段仍然會輸給人工智能。我并不是覺得柯潔有希望能夠贏得后面的比賽，但人類也在進步，通過跟AlphaGo的對弈，人類也在重新認識圍棋。只要人類的思想和文明在不斷進步，人就有可能在未來5-10年里通過不斷的學習趕上當前的AlphaGo。當然，AlphaGo也會進步，但它還不是圍棋之神，也沒有攻克圍棋這個難題。如果現(xiàn)有的學習方法沒有全面的革新，其進步的速度也會慢慢放緩。基于此考慮，人類還會有機會。當人們對圍棋有了更深入的了解之后，又會設計出更好的人工智能算法。兩者其實并不矛盾，相輔相成，互相促進，不管誰輸誰贏都是人類文明進步的體現(xiàn)。人類的智能也將始終走在機器的前面，而不會被機器取代。