揭秘新版AlphaGo，為什么它能戰(zhàn)勝柯潔？

知道Google會分享，就是不知道會這么快。

雖然只有1/4子，但昨天AlphaGo在對戰(zhàn)柯潔時那種游刃有余，穩(wěn)扎穩(wěn)打的作風(fēng)已然顯示出其強大的實力。

DeepMind創(chuàng)始人兼CEO Demis Hassabis（左）和首席科學(xué)家David Silver（右）

今天上午，此次圍棋峰會的另外一個重頭戲——中國烏鎮(zhèn)·人工智能高峰論壇正式開始。雷鋒網(wǎng)也第一時間來到了現(xiàn)場，首先上臺演講的不是別人，正是打造圍棋人工智能AlphaGo的兩位關(guān)鍵人物：DeepMind創(chuàng)始人兼CEO Demis Hassabis，以及DeepMind首席科學(xué)家David Silver。

在各自短暫的演講中，Hassabis和Silver分別對AlphaGo能取得當(dāng)下成績的原因進行了整體說明，同時還收集了一大批圍棋界人士的評論。但最令人意料之外的還要屬最新版AlphaGo的信息披露。

AlphaGo Master：世界上實力最強高的電腦圍棋玩家

之前坊間也一直在猜測，究竟今年年初以Master出現(xiàn)在野狐平臺橫掃60名職業(yè)棋手的AlphaGo是什么版本。

在David Silver展示的PPT中明確提到了三種AlphaGo的稱呼：AlphaGo Fan（與樊麾對弈的版本）、AlphaGo Lee（與李世乭對弈的版本）、AlphaGo Master（驅(qū)動Master的版本）。相比之前坊間風(fēng)傳的V18/V20等版本稱號，這三個名字容易理解不少。

他們?nèi)咧g最主要的差別就是棋藝水平，Google現(xiàn)場也展示了三者的圍棋ELO等級分：

2015年10月登場的AlphaGo Fan等級分大約在2900分左右，2016年3月登場的AlphaGo Lee等級分大約在3700分左右（李世乭本人目前3530分），今年年初登場的AlphaGo Master等級分已經(jīng)來到了4800分左右。

考慮到目前世界第一人柯潔的等級分不過3625，Google還給出了一個AlphaGo Lee與AlphaGo Master之間參考性的讓子數(shù)目——3子。

柯潔本人在現(xiàn)場目睹這個差距之后也不由得在微博上發(fā)表了自己的感受：

早就聽說新版alphago的強大....但...讓...讓三個？我的天，這個差距有多大呢？簡單的解釋一下就是一人一手輪流下的圍棋，對手連續(xù)讓你下三步...又像武林高手對決讓你先捅三刀一樣...我到底是在和一個怎樣可怕的對手下棋...

值得注意的是，等級分的數(shù)值實際上是由一系列比賽中的勝負來確定的，這個數(shù)值在輸贏都存在的情況下比較準(zhǔn)確（高低都有參考值）。而AlphaGo Master之前一舉面對職業(yè)圍棋人士連勝60盤，等級分很可能還遠沒有達到真實的水平（上未封頂）。

雷鋒網(wǎng)昨天也引用了三聯(lián)生活周刊科技記者昨天就在朋友圈中的相關(guān)觀點，即想要知道最新版AlphaGo到底超出人類多少，讓子再賽很可能是唯一的證明方法。

當(dāng)然，這三者在配置、運作方式上也截然不同。以下是根據(jù)現(xiàn)場整理的一份簡單表格。

看到這里肯定會有人驚呼：從50個TPU減少到1個，Google這是要逆天么？這種想法實際上是錯誤的。

原因在于，AlphaGo Master實際上是站在巨人（AlphaGo Lee）肩膀上的。

AlphaGo Master的強大為啥與 AlphaGo Lee息息相關(guān)？

如果非要分個階段，AlphaGo Fan實際上與AlphaGo Lee可以劃為同一時期。

這兩者的整體算法架構(gòu)都是一樣的：“深度學(xué)習(xí)+蒙特卡洛搜索樹+強化學(xué)習(xí)”。或者你可以將他們理解為初中生和高中生的差別，挑戰(zhàn)樊麾的版本在數(shù)據(jù)積累和算法細部規(guī)則上還沒有打磨到極致，而后者則要完美不少。

到了AlphaGo Lee 時，我們原來認為的“圍棋人工智能障礙”——圍棋棋局可能性太多，無法窮舉找到最優(yōu)解，已經(jīng)被解決。

圍棋中龐大的蒙特卡洛搜索樹

簡略點來說，Google實際上找了兩種“偷懶”的辦法：首先是在進行下一步落子計算時，只參考通過深度學(xué)習(xí)得來的人類落子選項。（人類如果不下的地方，它就不計算）

第二是估值網(wǎng)絡(luò)，在每一步落子之時想要直接算出結(jié)局，同樣是不可能的。因為隨著預(yù)測步數(shù)增多，蒙特卡洛搜索樹中需要計算的內(nèi)容也會指數(shù)式上漲。所以AlphaGo引入了一套打分體系。沒有一個地方是100%贏，只是對比其他地方，這一個點落子更好。

通過這兩步縱向和橫向的精簡之后，AlphaGo達成了一個幾乎不可能完成的任務(wù)——在去年3月的比賽中戰(zhàn)勝了李世乭。

但除了最終結(jié)果外，AlphaGo在那次比賽中的少數(shù)表現(xiàn)同樣值得關(guān)注：時常下出一些人類覺得有問題的棋招；在第四場李世乭神之一手之時，其估值網(wǎng)絡(luò)發(fā)生了斷崖式的波動。

這無疑反映出了AlphaGo Lee自身的不成熟。

那么怎么樣才能再上一層樓呢？不同于之前很多人猜測的“完全摒棄AlphaGo中的人類元素”，Google采用了一條更加穩(wěn)妥的道路——建一個全新的神經(jīng)網(wǎng)絡(luò)，在AlphaGo Lee的基礎(chǔ)上進行二次“學(xué)習(xí)”，并且將學(xué)習(xí)到的東西不斷記下來。

這也使得AlphaGo Master變得比AlphaGo Lee更加嚴謹，同時也更加穩(wěn)定。這也是為什么會出現(xiàn)昨天三番棋第一場末尾階段AlphaGo絲毫不怕柯潔追擊，只采用最穩(wěn)固策略的原因。當(dāng)然，其他疑問也依舊存在，例如 AlphaGo Master究竟是如何依靠單臺TPU完成整場比賽的運算？在比賽過程中AlphaGo Master是否需要AlphaGo Lee的幫助？

另外一方面，Google最終沒有選擇“拋棄”人類，總算說明人類2600年的圍棋歷史并不是毫無沉淀。這或許還算一個難得的小欣慰。

關(guān)于AlphaGo vs 柯潔接下來的比賽，以及本次圍棋峰會中的更多內(nèi)容，雷鋒網(wǎng)也將繼續(xù)為大家?guī)淼谝皇值膱蟮溃凑堦P(guān)注。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。