人机围棋大战,究竟谁在“突围”.pdf

云投思享汇 人机围棋大战，究竟谁在“突围” 3 月9 日，曾经击败过欧洲围棋冠军的人工智能程序“阿尔 法围棋”，开始挑战韩国围棋冠军李世石，双方在较量3 个半 小时后，李世石宣布认输，AlphaGo 获得第一场比赛的胜利。 一方是拥有1200 个中央处理器的电脑，一方是过去10 年中 拥有最多冠军头衔的顶尖棋手，谁能在围棋—— “人类智慧 最后高地”上笑到最后？ 对弈结果吊人胃口，其实更值得关注的，是背后反映出的人 工智能新进步。人工智能正在走向“指数式发展的下半场”， 引领新一轮产业创新与变革的到来。 详解AlphaGo AlphaGo 是谷歌DeepMind 公司开发的一款人工智能软件，集 合了 3000 万种职业棋手的下法，数百万次深度学习与自我 对战，十分接近带着直觉和第六感的人类大脑。 两个大脑 云投思享汇 AlphaGo 是通过两个不同神经网络“大脑”合作来改进下棋。 这些大脑是多层神经网络跟那些 Google 图片有哪些信誉好的足球投注网站引擎识别 图片在结构上是相似的。它们从多层启发式二维过滤器开始， 去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。 经过过滤，13 个完全连接的神经网络层产生对它们看到的局 面判断。这些层能够做分类和逻辑推理。 这些网络通过反复训练来检查结果，再去校对调整参数，去 让下次执行更好。这个处理器有大量的随机性元素，所以我 们是不可能精确知道网络是如何“思考”的，但更多的训练 后能让它进化到更好。 云投思享汇 第一大脑: 落子选择器 （Move Picker) AlphaGo 的第一个神经网络大脑是“监督学习的策略网络 (Policy Network)”，观察棋盘布局企图找到最佳的下一步。 事实上，它预测每一个合法下一步的最佳概率，那么最前面 猜测的就是那个概率最高的。你可以理解成“落子选择器”。 落子选择器是怎么看到棋盘的？数字表示最强人类选手会 下在哪些地方的可能。 云投思享汇 团队通过在 KGS （网络围棋对战平台）上最强人类对手，百 万级的对弈落子去训练大脑。这就是AlphaGo 最像人的地方， 目标是去学习那些顶尖高手的妙手。这个不是为了去下赢， 而是去找一个跟人类高手同样的下一步落子。AlphaGo 落子 选择器能正确符合57%的人类高手。（不符合的不是意味着错 误，有可能人类自己犯的失误） 更强的落子选择器 AlphaGo 系统事实上需要两个额外落子选择器的大脑。一个 是“强化学习的策略网络（Policy Network）”，通过百万级 额外的模拟局来完成。你可以称之为更强的。比起基本的训 练，只是教网络去模仿单一人类的落子，高级的训练会与每 一个模拟棋局下到底，教网络最可能赢的下一手。Sliver 团 队通过更强的落子选择器总结了百万级训练棋局，比他们之 前版本又迭代了不少。 单单用这种落子选择器就已经是强大的对手了，可以到业余 棋手的水平，或者说跟之前最强的围棋AI 媲美。这里重点是 这种落子选择器不会去“读”。它就是简单审视从单一棋盘位 置，再提出从那个位置分析出来的落子。它不会去模拟任何 未来的走法。这展示了简单的深度神经网络学习的力量。 云投思享汇 更快的落子选择器 AlphaGo 当然团队没有在这里止步。下文会阐述是如何将阅 读能力赋予AI 的。为了做到这一点，他们需要更快版本的落 子选择器大脑。越强的版本在耗时上越久－为了产生一个不 错的落子也足够快了，但“阅读结构”需要去检查几千种落 子可能性才能做决定。 Silver 团队建立简单的落子选择器去做出“快速阅读”的版 本，他们称之为“滚动网络”。简单版本是不会看整个19*19 的棋盘，但会在对手之前下的和新下的棋子中考虑，观察一 个更小的窗口。去掉部分落子选择器大脑会损失一些实力， 但轻量级版本能够比之前快1000 倍，这让“