close
傑米斯 哈薩比斯（Demis Hassabis） ，Google DeepMind CEO
企鵝智酷 | 深度解讀
這篇分析中，企鵝智酷將結合靜電機租賃 AlphaGo 相關權威論文中提供的信息，以及這兩場比賽中李世石與 AlphaGo 表現，來用更簡潔的方式，告訴你谷歌(微博) AlphaGo 到底如何下棋，以及它有哪些被隱藏起來的弱點。
先說核心結論：
作為戰勝瞭人類圍棋冠軍的人工智能，AlphaGo （目前版本）強在小范圍戰鬥，弱點在於對全局的判斷；
AlphaGo 並非沒有“情緒”。它也會懷疑自己，隻是用另一種形式呈現（不是人類的抖手或者撓頭發）；
是誰在訓練 AlphaGo ？是它自己。用一種遠超人類效率的方式學習；
李世石如何贏？和很多圍棋專傢分析的一樣，從科台中靜電機租賃技角度看，李世石必須在開局階段建立優勢，並且最好能夠更頻繁轉移戰場范圍；
未來，AlphaGo 會將人類棋手遠遠甩在身後。它就隻能繼續和自己玩瞭。
一、AlphaGo 是如何決定下每一步棋的？
企鵝智酷沒有能夠真的打開 AlphaGo 代碼庫，去檢查它全面的運行邏輯。我們隻能從已公開的權威論文中，來梳理這個迄今為止走進公眾視野的最強大人工智能，是如何做出決策，戰勝人類的。
簡單說，AlphaGo 下的每一步棋，都依賴於“概率”。
1.當一開始，棋盤有大量空白區域，棋子較少時，AlphaGo會更願意采用“固定策略”。
這種策略來自於 AlphaGo 自己模擬訓練的數百萬場棋局（每一局都從開始模擬到結束）。這讓 AlphaGo 心中有一個大概的最佳選擇可能性，即下在點A和點B，哪個更好些。
在這個時候，AlphaGo 是通過經驗來判斷的。雖然這個經驗不來自與人類，而是來自於它結合人類下棋方式學習後，自己和自己對弈的數百萬經驗值。但這種基於經驗靜電油煙處理機租賃的判斷，是人類挑戰它的最佳機會 和“恐怖”的機器推演能力相比，經驗，起碼離人類更近一些。
為什麼 AlphaGo 不在一開始就用蒙特卡羅算法，盡量窮盡所有可能性，去給出更可靠的“計算答案”，而不是“經驗答案”呢？
我們猜測，一方面是當棋局尚未真正交鋒時，各種選擇的概率差不多，沒必要做精確計算；另一方面，也為瞭節省時間。
2.當棋局有局部拼殺時，AlphaGo 的戰力就升級瞭。
這時候，再依賴那數百萬局“自己與自己下棋”的經驗，明顯是不夠的。因為棋局瞬息萬變，李世石的下法，很可能是 AlphaGo 沒有模擬過的（不要高估數百萬局訓練，和圍棋的可能性相比，隻是滄海一粟）。
這時候，AlphaGo 會不再聚焦於整個棋盤，而將計算精力縮到一個小范圍（戰鬥區域，例如右下角5*5,8*8這種）。這時候，它會啟動現場演算推理功能，即開始計算每一個落子位置的後續走勢，來計算最佳一步。
這需要時間。所以，AlphaGo 在短兵相接時，不得不縮小觀察范圍，在局部啟動現場計算。這雖然失去瞭一定的“大局觀”，但換來瞭計算的效率，和電腦比，人腦的純粹計算力是相對弱勢的，所以，短兵相接，機器占大優勢。
3.當局勢需要兼顧大局和計算力時，AlphaGo 怎麼辦？
開局佈局，AlphaGo 用經驗；短兵相接，AlphaGo 用計算力。那麼在局勢復雜時，AlphaGo 的另一個特長就有用武之地瞭 兼顧大局觀和計算能力。
它叫做“棋局評估器 (Position Evaluator)”。這個東西會告訴 AlphaGo ，哪些地方是“不值得”你去深度計算的。這就幫助 AlphaGo 節省大量的計算需求，隻針對局面上有價值的點，來推演，並給出最終的優勝概率排序。所以，這個評估器也叫作“價值網絡”。
這東西是怎麼實現的呢？也是經驗。AlphaGo 模擬瞭兩個“自己”，然後隨機落子計算每個位置對贏棋的價值。這種簡單粗暴的計算是人類大腦無法訓練的，隻有機器可以肆無忌憚的這麼做。
打個形式上的比喻。如果你用過掃地機器人就知道，啟動後，它並非按照人類的方式，一塊地磚接一塊的掃地，而是以一種亂序的方式，在房間裡橫沖直撞。
你以為它瘋瞭。但隻要你關上門，過一會，你會發現它已經把地打掃幹凈瞭 所有的區域，都被這種隨機方式覆蓋到。
人類是不可能這麼掃地。會累死你。
但和窮盡推演相比（雖然目前不可實現），這種價值估算並不是完全準確的（掃地和圍棋在精讀與復雜度上，是完全不同的）。它是在兼顧時間和效率基礎上，一種最適合的策略。這也是 AlphaGo的一個弱點。
二、AlphaGo 也會懷疑自己
我們覺得人機對戰對李世石不公平的一個地方，是機器人不會受情緒影響，而人類棋手卻時常受困於其中。
從單一棋局看，AlphaGo 確實是不會“後悔”的，因為它的每一步，都是它認定的最佳決策。但當你通過多局去觀察 AlphaGo 時，會發現它其實也會“懷疑”，隻是這種懷疑，並不會影響它的棋力，反而會促進它的進化。
原理很簡單。AlphaGo 會懷疑自己，是因為在很多局面選擇時，最優解不止一個，或者比較接近。例如有五個點的贏棋概率都是45%，在這一局裡，AlphaGo 可能選擇瞭點A，但下一句，它可能會選擇點B……
如果點A贏瞭，以後它會一直選擇點A嗎？這個我也不清楚，論文裡沒說。但從邏輯上推斷，既然是經過瞭百萬棋局的演算，那麼一局的勝負，對於具體某點的概率提升，不會太明顯。所以，AlphaGo 在應對同樣局面時，它可能給出完全不同的下法 根據幾個最優解，隨機選擇。
而這一點，也正是它可怕之處。連開發它的人類，都無法預測它的行為。因為你把隨機函數的權利，交給瞭人工智能自己。
三、AlphaGo 為什麼極少下臭棋？
我們通常把人工智能比作”高智商嬰兒“，按照這個推斷，AlphaGo 就算表現驚艷，但應該也會有下臭棋的時候。因為單純的人工智能，是無法真的模擬人類思維的。
但 AlphaGo 沒有丟過人。因為在一開始，它並非完全的“自學”。工程師們安排 AlphaGo 在網絡對戰平臺上，與人類棋手不斷下棋，用來學習人類下棋的風格和方式。當工程師們覺得 AlphaGo 足以“像個人類棋手”時，才讓它開始自己和自己更瘋狂的練棋。
你如果很早在KGS(網絡圍棋對戰平臺)上遇到過 AlphaGo ，那麼，你可能有幸看到過 AlphaGo 還是嬰兒時的樣子。
四、AlphaGo 自己訓練自己，而且效率嚇人
前面提到瞭，和人類練棋不同，AlphaGo 在學會瞭人類下棋方式後，復制瞭兩個自己，依托計算機性能優勢，不斷下棋，去豐富對局面判斷力。這種效率非常之高，甚至已經超越瞭人類歷史上所有的對弈棋局總數量。
這意味著 AlphaGo 會越來越”老練“。雖然它還是無法在每一局的每一步中，窮盡所有可能性（如果它能做到，就戰無不勝瞭），但它會不斷通過訓練積累大局觀，而隨著大局觀提升，在實戰中，它需要做現場精準推演的效率也會更聚焦 人類也就越來越難贏它。
在可以預見的未來，AlphaGo 會將人類棋手遠遠甩在後面。然後，它就隻能在自己的世界裡，自己和自己下棋玩瞭。
人類棋手會像今天的電競愛好者那樣，去看看兩個“AlphaGo“ 的對局直播，一邊驚嘆，一邊感悟。
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
