微軟亞洲研究院鄭宇：為什么柯潔又輸了，專業(yè)棋手反而覺得有希望了？

雷鋒網(wǎng)按：本文由鄭宇博士應(yīng)雷鋒網(wǎng)之邀特約撰寫。鄭宇博士為微軟亞洲研究院資深研究員，上海交通大學(xué)講座教授，香港科技大學(xué)客座教授，ACM TIST主編，KDD China秘書長，2016年被評為美國計(jì)算機(jī)學(xué)會(huì)杰出科學(xué)家。

5月25日，AlphaGo 2.0版本在人機(jī)圍棋比賽第二局中盤戰(zhàn)勝柯潔。相比第一場比賽的沉悶，此次對弈中，柯潔下得非常積極，多次下出好手和狠手，把局面攪得很亂，多塊棋的命運(yùn)都連在了一起，場面一度非常復(fù)雜，過程驚心動(dòng)魄，跌宕起伏。

據(jù)AlphaGo工作人員介紹，此次比賽人機(jī)雙方都展現(xiàn)了強(qiáng)大的水平。AlphaGo后臺的計(jì)算量急劇增加，如果不能及時(shí)剪枝，可能很快就要算不過來了。無奈柯潔在關(guān)鍵時(shí)刻出現(xiàn)明顯失誤，痛失好局，這可能也是人類的弱點(diǎn)（疲勞和情緒的波動(dòng)）。

與上一局觀戰(zhàn)專業(yè)棋手集體悲觀相比，這次大家普遍認(rèn)為局勢一直在向著有利于柯潔的方向發(fā)展，非常有希望獲勝。專業(yè)棋手的信心也在悄然復(fù)蘇。

昨天第一局比賽后，中國計(jì)算機(jī)學(xué)會(huì)向我約稿。我發(fā)表了第一篇評論，在網(wǎng)上引起了不小的討論，因此，本次評論也順便解答網(wǎng)友們提出的疑問。

還是先上觀點(diǎn)，再解析。先重申一下昨天的幾個(gè)觀點(diǎn)：

1. 在圍棋這個(gè)項(xiàng)目上，AlphaGo的綜合實(shí)力目前走在了人類的前面，但并沒有完全攻克圍棋這項(xiàng)運(yùn)動(dòng)。

一方面，能通過短短幾個(gè)星期的學(xué)習(xí)就能擊敗學(xué)棋二十多年的頂尖圍棋選手，已經(jīng)證明了人工智能的強(qiáng)大。因此，即便AlphaGo日后萬一輸了，我們也仍然應(yīng)該為人工智能點(diǎn)贊，切不可再次否定人工智能的力量。

另一方面，AlphaGo采用這樣的技術(shù)線路其實(shí)是根據(jù)人類自身對圍棋的理解來設(shè)計(jì)的，即搜索+價(jià)值評判。也就是說我們先假設(shè)各種走法（執(zhí)行下去），再評判這樣走可能贏的機(jī)會(huì)大小。由于索搜空間巨大，即便用盡地球上所有的資源，也不能找到最優(yōu)解。此時(shí)，在某個(gè)局面下對（未來輸贏）價(jià)值的判斷就變得尤其重要。在深度學(xué)習(xí)沒有出現(xiàn)之前，這點(diǎn)一直是機(jī)器的弱項(xiàng)，因此，早年間人在這方面占有巨大優(yōu)勢。

從專業(yè)的角度來講，AlphaGo用深度學(xué)習(xí)去逼近了一個(gè)價(jià)值判斷函數(shù)，然后再跟蒙特卡洛搜索樹結(jié)合的方法。這個(gè)近似解比目前人類的價(jià)值判斷（可能）接近或者要略強(qiáng)一些，加上機(jī)器不知疲倦的搜索效率和無情感波動(dòng)，綜合來看走在了人的前面。

但AlphaGo得到的這個(gè)解遠(yuǎn)不是最優(yōu)解法，圍棋未來可探索的空間還很大，還沒有被攻克。打一個(gè)不恰當(dāng)?shù)谋扔鳎帽任覀儸F(xiàn)在發(fā)明了一種新的抗癌藥品，比以前的藥物能更好的延緩癌細(xì)胞的擴(kuò)散，但還是不能完全殺死癌細(xì)胞，治愈人類。因此，我們不能說這個(gè)藥品已經(jīng)攻克了癌癥。

其實(shí)，機(jī)器和人可以互相幫助提高水平。當(dāng)人們對圍棋有了更深入的了解之后，又會(huì)設(shè)計(jì)出更好的人工智能算法。兩者其實(shí)并不矛盾，相輔相成，互相促進(jìn)，不管誰輸誰贏都是人類文明進(jìn)步的體現(xiàn)。客觀認(rèn)識這一點(diǎn)很重要。

2. 人類也是在進(jìn)步的，我們也不要低估了人類后天的快速（小樣本）學(xué)習(xí)能力，這點(diǎn)AlphaGo基于現(xiàn)在的學(xué)習(xí)方法還做不到。

短期來看人獲勝概率小，但長遠(yuǎn)來看（未來5-10年）人還有機(jī)會(huì)，因?yàn)槿艘灿泻軓?qiáng)的學(xué)習(xí)能力，可以從少量跟AlphaGo的對弈的棋局中快速學(xué)習(xí)。尤其是在價(jià)值判斷這塊，人和機(jī)器都還沒有弄明白怎么回事，在沒有明確的規(guī)則時(shí)，人相對于機(jī)器還有機(jī)會(huì)。

另外，如果還是基于現(xiàn)有的學(xué)習(xí)體系，即便再給AlphaGo一億副棋譜，再添加一萬塊GPU，它進(jìn)步的速度也終將放緩，因?yàn)樾略龅钠遄V和計(jì)算資源相對于2*10¹⁷¹這個(gè)搜索空間來說只是滄海一粟。

現(xiàn)在人類跟AlphaGo處在一個(gè)信息不對稱的局面。人類跟AlphaGo對弈的次數(shù)還太少，獲得的信息反饋也還遠(yuǎn)遠(yuǎn)不夠。如果能夠把AlphaGo開放出來，讓更多的職業(yè)高手跟它對弈，讓年輕的棋手來學(xué)習(xí)它的下法和招數(shù)，相信人類棋手也能夠從中學(xué)習(xí)到很多，從而再次進(jìn)步。

3. AlphaGo不可能讓專業(yè)棋手3子，目前人類職業(yè)棋手跟AlphaGo的差距也就在一個(gè)貼目的水平，沒有大家想象的那么大。

即便AlphaGo 2.0能讓之前的版本3子，也不能代表它能讓職業(yè)棋手3子。 因?yàn)椋珹lphaGo的價(jià)值判斷里只有輸贏，沒有贏多少一說。在做價(jià)值判斷時(shí)，它也不知道自己是被讓了子，它會(huì)根據(jù)當(dāng)前（把讓子優(yōu)勢算在一起的）盤面，去盡量選擇獲勝概率最大（風(fēng)險(xiǎn)最小）的一條路徑走下去（哪怕只贏半目），這樣就很容易下出緩手，從而給對手機(jī)會(huì)把讓子的優(yōu)勢給撈回來。因此，AlphaGo 2.0讓之前版本2子、3子的區(qū)別可能不會(huì)太大。

而職業(yè)棋手則不會(huì)這樣，他們（在判斷形式時(shí)）會(huì)忘記這兩子的優(yōu)勢，（至少在前期會(huì)）繼續(xù)用最強(qiáng)的招式來下，而不會(huì)讓優(yōu)勢付之東流。加之AlphaGo的價(jià)值判斷也不是精確解，之前下得過緩，后面一旦有一點(diǎn)估計(jì)不準(zhǔn)確，就可能會(huì)輸（機(jī)器不會(huì)累，情緒也不會(huì)波動(dòng)，所以一臺機(jī)器不會(huì)給另一臺機(jī)器機(jī)會(huì)）。

其實(shí)貼目的差距（按中國標(biāo)準(zhǔn)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(jìn)入官子階段后發(fā)現(xiàn)自己還落后對方7-8目，就會(huì)主動(dòng)投子認(rèn)輸了。很多通過數(shù)子來決定勝負(fù)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(huì)被其他專業(yè)棋手笑話，自己落后那么多都不知道，點(diǎn)空能力太弱了。

4. 人類也有弱點(diǎn)，輸在綜合實(shí)力

人類會(huì)疲勞、面臨心理壓力和情緒波動(dòng)。AlphaGo下棋沒有連貫的思路，也沒有表情，這讓很多已經(jīng)習(xí)慣跟人下棋的專業(yè)棋手很不適應(yīng)。此外，人類在壓力狀態(tài)下容易犯錯(cuò)（比如今天柯潔在關(guān)鍵時(shí)候下出明顯的敗招），這些機(jī)器不會(huì)，有優(yōu)勢。所以，我只能說AlphaGo在綜合實(shí)力上超過了職業(yè)選手，在對圍棋的理解上，AlphaGo可能已經(jīng)接近或者略微超過了人類。在后半部分，人類還有希望。

總結(jié)

AlphaGo體現(xiàn)了人工智能的強(qiáng)大，但并沒有攻克圍棋這個(gè)難題。但它可以作為一種工具幫助人們更加深入的去理解圍棋，其中的技術(shù)甚至可以應(yīng)用到其它領(lǐng)域。人類可能現(xiàn)階段仍然會(huì)輸給人工智能，這是人與機(jī)器對比綜合實(shí)力的落后。但人類也在進(jìn)步，通過跟AlphaGo的對弈，人類也在重新認(rèn)識圍棋。

人腦復(fù)雜程度遠(yuǎn)遠(yuǎn)超過了AlphaGo現(xiàn)在使用的深度神經(jīng)網(wǎng)絡(luò)，而人類敏銳的抽象思維能在價(jià)值判斷這個(gè)規(guī)則不明確的領(lǐng)域仍有希望。當(dāng)人們對圍棋有了更深入的了解之后，又會(huì)設(shè)計(jì)出更好的人工智能算法。兩者相輔相成，互相促進(jìn)，不管誰輸誰贏都是人類文明進(jìn)步的體現(xiàn)。人類的智能也將始終走在機(jī)器的前面，而不會(huì)被機(jī)器取代。

回答幾個(gè)網(wǎng)友疑問

1. 如果人有快速小樣本學(xué)習(xí)能力，人類在國際象棋這個(gè)項(xiàng)目上已經(jīng)敗給深藍(lán)很多年了，為什么還沒有反超深藍(lán)？

答：國際象棋搜索空間小（2*1050），并且價(jià)值判斷容易。這是因?yàn)楦鱾€(gè)棋子功能和活動(dòng)范圍差異很大，當(dāng)棋子剩余不多時(shí)，根據(jù)剩余棋子就可計(jì)算出大概的得分，從而在不用下完的情況下就能基本判斷出局面的好壞。

基于以上兩個(gè)條件，國際象棋已經(jīng)被人工智能算法攻克了，機(jī)器可以無限接近的找到最優(yōu)解，所以人沒希望反超了。但圍棋空間大（2*10171），價(jià)值判斷難（單個(gè)棋子在功能上沒有任何區(qū)別，在棋沒有下完之前如何判斷優(yōu)劣也沒有明確的規(guī)則），現(xiàn)在人工智能的方法只得到一個(gè)粗糙的近似解，離最優(yōu)解的距離還很大。還有很大的探索空間，因此，圍棋和國際象棋不一樣。

2. 機(jī)器越來越快，人哪里能算過機(jī)器，所以差距只有越拉越大。

答：首先，這個(gè)世界上最快的速度不是光，更不是計(jì)算機(jī)，而是人類的思維；最復(fù)雜的不是那些龐大的工程，而是人腦。我們有不少人已經(jīng)清楚了AlphaGo的工作原理（因?yàn)樗緛砭褪侨祟愒O(shè)計(jì)的），但世界上還沒有人能清楚解釋人類的思維和人腦的奧妙。因此，我們不能太早否定這兩個(gè)未知物體的潛能。

機(jī)器重復(fù)規(guī)則明確的事情（比如搜索）速度比人要快，因?yàn)槿藭?huì)疲勞，需要補(bǔ)給。如果給定有限空間，機(jī)器會(huì)比人類更快的完成索搜，這也是人跟機(jī)器比的劣勢。但圍棋不是有限空間，機(jī)器能夠投入到搜索的資源，相對于這個(gè)空間來說遠(yuǎn)遠(yuǎn)不夠，光靠搜索不行（這也是早年間圍棋AI水平太低的原因）。

因此，價(jià)值判斷就變得很重要。但價(jià)值判斷沒有明確的規(guī)則，目前仍是一個(gè)說不清、道不明的東西，機(jī)器聯(lián)想、抽象和穿梭不同時(shí)空和任務(wù)之間的能力未必比人要強(qiáng)。由于學(xué)習(xí)了比一般人類遠(yuǎn)遠(yuǎn)多的棋譜，AlphaGo的深度神經(jīng)網(wǎng)絡(luò)目前獲得了跟人類接近（也許略微超過的）價(jià)值網(wǎng)絡(luò)。但不要忘了，人腦的結(jié)構(gòu)比現(xiàn)在AlphaGo的深度神經(jīng)網(wǎng)絡(luò)要復(fù)雜的太多了，其抽象能力也比現(xiàn)在的深度神經(jīng)網(wǎng)絡(luò)要強(qiáng)太多了。一個(gè)專業(yè)棋手一生所見的棋譜也不到AlphaGo的萬分之一，但已經(jīng)跟AlphaGo達(dá)到了非常接近的水平，如果人類棋手能看到更多有價(jià)值的棋譜，那又會(huì)如何呢？為什么說人類日后就沒機(jī)會(huì)呢？

回顧歷史，中國圍棋曾有一段時(shí)間被韓國壓制，韓國流在各種國際大賽上盛行一時(shí)。后來，中國國家隊(duì)專門組織學(xué)習(xí)和研討，吸取經(jīng)驗(yàn)，近幾年中國圍棋又重回巔峰。這就是人類在圍棋上學(xué)習(xí)進(jìn)步的一個(gè)例子。

當(dāng)前人類的圍棋水平也比30年前強(qiáng)大太多了，歷史也就是這樣在進(jìn)步。此外，人類多次從很少的事件中就快速獲得豐富的經(jīng)驗(yàn)，從而讓整個(gè)人類的文明得以進(jìn)步，這點(diǎn)能力不僅在AlphaGo之上，也遠(yuǎn)在任何的機(jī)器之上。

在獲得更好的價(jià)值網(wǎng)絡(luò)這方面，人類面臨的問題是獲取的學(xué)習(xí)樣本還不足夠，跟AlphaGo對弈的次數(shù)還太少。如果能有機(jī)會(huì)學(xué)習(xí)更多的樣本，人類可以在價(jià)值判斷上快速趕上或者超越AlphaGo，也是人類機(jī)會(huì)所在。在獲得的更好的價(jià)值網(wǎng)絡(luò)之后，如何抵抗自己的疲勞和情緒波動(dòng)確實(shí)也是一個(gè)難點(diǎn)。因此，這是一個(gè)綜合實(shí)力的比拼。

3. 機(jī)器越能存那么多東西，人腦才能存多少啊，所以差距只有越拉越大。

答：人腦真的不如機(jī)器能存東西嗎？這點(diǎn)我很懷疑。人的一生所見、所聞、所感、所處環(huán)境都一一存儲在大腦里（至于怎么存，怎么調(diào)出這都仍待探索），信息量之大完全不亞于世界上任何一臺超級計(jì)算機(jī)和云計(jì)算平臺。我們平日里能記起的只是其存儲的非常少的一部分，并不是所有的信息。而且，人腦要處理人體這么多器官和細(xì)胞之間的協(xié)同，期間傳輸?shù)男畔⒘恳脖热魏我粋€(gè)系統(tǒng)都要復(fù)雜。人腦從眾多信息中快速調(diào)出自己想要的內(nèi)容也，令人驚嘆，信息訪問速度超過世界上任何一個(gè)搜索引擎。因此，只能說我們還沒有搞清楚人體（尤其是人腦）這個(gè)極其復(fù)雜的系統(tǒng)，而不能說人不如機(jī)器能存東西。

其次，AlphaGo根本也沒有記憶功能。每次訓(xùn)練后，模型的參數(shù)都要被全部修改。訓(xùn)練調(diào)參數(shù)時(shí)，也只基于當(dāng)前這一批訓(xùn)練樣本，新增的幾幅棋譜對提高它的棋力起不到任何作用。其實(shí)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(gè)連續(xù)的）盤面跟最后的勝負(fù)對應(yīng)關(guān)系訓(xùn)練出價(jià)值網(wǎng)絡(luò)來。因此，AlphaGo并沒有大家想象的那種自我博弈就能自己不斷進(jìn)步的能力。

雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。