AlphaGo之父：關(guān)于圍棋，人類3000年來犯了一個(gè)錯(cuò)

4月10日，“人機(jī)大戰(zhàn)”的消息再次傳出，關(guān)于人類和AI的對(duì)抗再次牽動(dòng)世界的神經(jīng)。

“我會(huì)抱必勝心態(tài)、必死信念。我一定要擊敗阿爾法狗！”對(duì)于5月23日至27日與圍棋人工智能程序AlphaGo（阿爾法狗）的對(duì)弈，目前世界排名第一的中國(guó)職業(yè)九段柯潔放出豪言。然而，AlphaGo（阿爾法狗）之父卻說，“我們發(fā)明阿爾法狗，并不是為了贏取圍棋比賽。”

AlphaGo之父杰米斯·哈薩比斯（Demis Hassabis）近日在母校英國(guó)劍橋大學(xué)做了一場(chǎng)題為“超越人類認(rèn)知的極限”的演講，解答了世人對(duì)于人工智能，對(duì)于阿爾法狗的諸多疑問——過去3000年里人類低估了棋局哪個(gè)區(qū)域的重要性?阿爾法狗去年贏了韓國(guó)職業(yè)九段李世石靠哪幾個(gè)絕招?今年年初拿下數(shù)位國(guó)際大師的神秘棋手Master究竟是不是阿爾法狗?為什么圍棋是人工智能難解之謎?

杰米斯·哈薩比斯，DeepMind創(chuàng)始人，AlphaGo之父。

杰米斯·哈薩比斯，DeepMind創(chuàng)始人，AlphaGo（阿爾法狗）之父，4歲開始下象棋，8歲時(shí)在棋盤上的成功促使他開始思考兩個(gè)至今令他困擾的問題：第一，人腦是如何學(xué)會(huì)完成復(fù)雜任務(wù)的?第二，電腦能否做到這一點(diǎn)?17歲時(shí)，哈薩比斯就負(fù)責(zé)了經(jīng)典模擬游戲《主題公園》的開發(fā)，并在1994年發(fā)布。他隨后讀完了劍橋大學(xué)計(jì)算機(jī)科學(xué)學(xué)位，2005年進(jìn)入倫敦大學(xué)學(xué)院，攻讀神經(jīng)科學(xué)博士學(xué)位，希望了解真正的大腦究竟是如何工作的，以此促進(jìn)人工智能的發(fā)展。2014年他創(chuàng)辦公司DeepMind，公司產(chǎn)品阿爾法狗在2016年大戰(zhàn)圍棋冠軍李世石事件上一舉成名。

哈薩比斯在當(dāng)天的演講中透露了韓國(guó)棋手李世石去年輸給阿爾法狗的致命原因，他最后也提到了阿爾法狗即將迎戰(zhàn)的中國(guó)棋手柯潔，他說，“柯潔也在網(wǎng)上和阿爾法狗對(duì)決過，比賽之后柯潔說人類已經(jīng)研究圍棋研究了幾千年了，然而人工智能卻告訴我們，我們甚至連其表皮都沒揭開。異曲同工，柯潔提到了圍棋的真理，我們?cè)谶@里談的是科學(xué)的真理。”

世界圍棋冠軍柯潔即將迎戰(zhàn)阿爾法狗。

澎湃新聞現(xiàn)場(chǎng)聆聽了AlphaGo（阿爾法狗）之父在劍橋大學(xué)歷時(shí)45分鐘的演講，干貨滿滿，請(qǐng)不要漏掉任何一個(gè)細(xì)節(jié)：

非常感謝大家今天能夠到場(chǎng)，今天，我將談?wù)勅斯ぶ悄埽约癉eepMind近期在做些什么，我把這場(chǎng)報(bào)告命名為“超越人類認(rèn)知的極限”，我希望到了報(bào)告結(jié)束的時(shí)候，大家都清晰了解我想傳達(dá)的思想。

1、你真的知道什么是人工智能嗎?

對(duì)于不知道DeepMind公司的朋友，我做個(gè)簡(jiǎn)單介紹，我們是在2010年于倫敦成立了這家公司，在2014年我們被谷歌收購(gòu)，希望借此加快我們?nèi)斯ぶ悄芗夹g(shù)的腳步。我們的使命是什么呢?我們的首要使命便是解決人工智能問題;一旦這個(gè)問題解決了，理論上任何問題都可以被解決。這就是我們的兩大使命了，聽起來可能有點(diǎn)狡猾，但是我們真的相信，如果人工智能最基本的問題都解決了的話，沒有什么問題是困難的。

那么我們準(zhǔn)備怎樣實(shí)現(xiàn)這個(gè)目標(biāo)呢?DeepMind現(xiàn)在在努力制造世界上第一臺(tái)通用學(xué)習(xí)機(jī)，大體上學(xué)習(xí)可以分為兩類：一種就是直接從輸入和經(jīng)驗(yàn)中學(xué)習(xí)，沒有既定的程序或者規(guī)則可循，系統(tǒng)需要從原始數(shù)據(jù)自己進(jìn)行學(xué)習(xí);第二種學(xué)習(xí)系統(tǒng)就是通用學(xué)習(xí)系統(tǒng)，指的是一種算法可以用于不同的任務(wù)和領(lǐng)域，甚至是一些從未見過的全新領(lǐng)域。大家肯定會(huì)問，系統(tǒng)是怎么做到這一點(diǎn)的?

其實(shí)，人腦就是一個(gè)非常明顯的例子，這是可能的，關(guān)鍵在于如何通過大量的數(shù)據(jù)資源，尋找到最合適的解決方式和算法。我們把這種系統(tǒng)叫做通用人工智能，來區(qū)別于如今我們當(dāng)前大部分人在用的僅在某一領(lǐng)域發(fā)揮特長(zhǎng)的狹義人工智能，這種狹義人工智能在過去的40-50年非常流行。

IBM發(fā)明的深藍(lán)系統(tǒng)（DeepBlue）就是一個(gè)很好的狹義人工智能的例子，他在上世紀(jì)90年代末期曾打敗了國(guó)際象棋冠軍加里·卡斯帕羅夫（GaryKasporov）。如今，我們到了人工智能的新的轉(zhuǎn)折點(diǎn)，我們有著更加先進(jìn)、更加匹配的技術(shù)。

1997年5月，IBM與世界國(guó)際象棋冠軍加里·卡斯帕羅夫?qū)Q。

2、如何讓機(jī)器聽從人類的命令?

大家可能想問機(jī)器是如何聽從人類的命令的，其實(shí)并不是機(jī)器或者算法本身，而是一群聰明的編程者智慧的結(jié)晶。他們與每一位國(guó)際象棋大師對(duì)話，汲取他們的經(jīng)驗(yàn)，把其轉(zhuǎn)化成代碼和規(guī)則，組建了人類最強(qiáng)的象棋大師團(tuán)隊(duì)。但是這樣的系統(tǒng)僅限于象棋，不能用于其他游戲。對(duì)于新的游戲，你需要重新開始編程。在某種程度上，這些技術(shù)仍然不夠完美，并不是傳統(tǒng)意義上的完全人工智能，其中所缺失的就是普適性和學(xué)習(xí)性。我們想通過“增強(qiáng)學(xué)習(xí)”來解決這一難題。在這里我解釋一下增強(qiáng)學(xué)習(xí)，我相信很多人都了解這個(gè)算法。

首先，想像一下有一個(gè)主體，在AI領(lǐng)域我們稱我們的人工智能系統(tǒng)為主體，它需要了解自己所處的環(huán)境，并盡力找出自己要達(dá)到的目的。這里的環(huán)境可以指真實(shí)事件，可以是機(jī)器人，也可以是虛擬世界，比如游戲環(huán)境;主體通過兩種方式與周圍環(huán)境接觸;它先通過觀察熟悉環(huán)境，我們起初通過視覺，也可以通過聽覺、觸覺等，我們也在發(fā)展多感覺的系統(tǒng);

第二個(gè)任務(wù)，就是在此基礎(chǔ)上，建模并找出最佳選擇。這可能涉及到對(duì)未來的預(yù)期，想像，以及假設(shè)檢驗(yàn)。這個(gè)主體經(jīng)常處在真實(shí)環(huán)境中，當(dāng)時(shí)間節(jié)點(diǎn)到了的時(shí)候，系統(tǒng)需要輸出當(dāng)前找到的最佳方案。這個(gè)方案可能或多或少會(huì)改變所處環(huán)境，從而進(jìn)一步驅(qū)動(dòng)觀察的結(jié)果，并反饋給主體。

簡(jiǎn)單來說，這就是增強(qiáng)學(xué)習(xí)的原則，示意圖雖然簡(jiǎn)單，但是其中卻涉及了極其復(fù)雜的算法和原理。如果我們能夠解決大部分問題，我們就能夠搭建普適人工智能。這是因?yàn)閮蓚€(gè)主要原因：首先，從數(shù)學(xué)角度來講，我的合伙人，一名博士，他搭建了一個(gè)系統(tǒng)叫‘AI-XI’，用這個(gè)模型，他證明了在計(jì)算機(jī)硬件條件和時(shí)間無限的情況下，搭建一個(gè)普適人工智能，需要的信息。另外，從生物角度來講，動(dòng)物和人類等，人類的大腦是多巴胺控制的，它在執(zhí)行增強(qiáng)學(xué)習(xí)的行為。因此，不論是從數(shù)學(xué)的角度，還是生物的角度，增強(qiáng)學(xué)習(xí)是一個(gè)有效的解決人工智能問題的工具。

3、為什么圍棋是人工智能難解之謎?

接下來，我要主要講講我們最近的技術(shù)，那就是去年誕生的阿爾法狗;希望在座的大家了解這個(gè)游戲，并嘗試玩玩，這是個(gè)非常棒的游戲。圍棋使用方形格狀棋盤及黑白二色圓形棋子進(jìn)行對(duì)弈，棋盤上有縱橫各19條直線將棋盤分成361個(gè)交叉點(diǎn)，棋子走在交叉點(diǎn)上，雙方交替行棋，以圍地多者為勝。圍棋規(guī)則沒有多復(fù)雜，我可以在五分鐘之內(nèi)教給大家。這張圖展示的就是一局已結(jié)束，整個(gè)棋盤基本布滿棋子，然后數(shù)一下你的棋子圈出的空間以及對(duì)方棋子圈出的空間，誰的空間大，誰就獲勝。在圖示的這場(chǎng)勢(shì)均力敵的比賽中，白棋一格之差險(xiǎn)勝。

白棋以一格之差險(xiǎn)勝。

其實(shí)，了解這個(gè)游戲的最終目的非常難，因?yàn)樗⒉幌裣笃迥菢?，有著直接明確的目標(biāo)，在圍棋里，完全是憑直覺的，甚至連如何決定游戲結(jié)束對(duì)于初學(xué)者來說，都很難。圍棋是個(gè)歷史悠久的游戲，有著3000多年的歷史，起源于中國(guó)，在亞洲，圍棋有著很深的文化意義?？鬃舆€曾指出，圍棋是每一個(gè)真正的學(xué)者都應(yīng)該掌握的四大技能之一（琴棋書畫），所以在亞洲圍棋是種藝術(shù)，專家們都會(huì)玩。

如今，這個(gè)游戲更加流行，有4000萬人在玩圍棋，超過2000多個(gè)頂級(jí)專家，如果你在4-5歲的時(shí)候就展示了圍棋的天賦，這些小孩將會(huì)被選中，并進(jìn)入特殊的專業(yè)圍棋學(xué)校，在那里，學(xué)生從6歲起，每天花12個(gè)小時(shí)學(xué)習(xí)圍棋，一周七天，天天如此。直到你成為這個(gè)領(lǐng)域的專家，才可以離開學(xué)校畢業(yè)。這些專家基本是投入人生全部的精力，去揣摩學(xué)習(xí)掌握這門技巧，我認(rèn)為圍棋也許是最優(yōu)雅的一種游戲了。

像我說的那樣，這個(gè)游戲只有兩個(gè)非常簡(jiǎn)單的規(guī)則，而其復(fù)雜性卻是難以想象的，一共有10170（10的170次方）種可能性，這個(gè)數(shù)字比整個(gè)宇宙中的原子數(shù)1080（10的80次方）都多的去了，是沒有辦法窮舉出圍棋所有的可能結(jié)果的。我們需要一種更加聰明的方法。你也許會(huì)問為什么計(jì)算機(jī)進(jìn)行圍棋的游戲會(huì)如此困難，1997年，IBM的人工智能DeepBlue（深藍(lán)）打敗了當(dāng)時(shí)的象棋世界冠軍GarryKasparov，圍棋一直是人工智能領(lǐng)域的難解之謎。我們能否做出一個(gè)算法來與世界圍棋冠軍競(jìng)爭(zhēng)呢?要做到這一點(diǎn)，有兩個(gè)大的挑戰(zhàn)：

一、搜索空間龐大（分支因數(shù)就有200），一個(gè)很好的例子，就是在圍棋中，平均每一個(gè)棋子有兩百個(gè)可能的位置，而象棋僅僅是20。圍棋的分支因數(shù)遠(yuǎn)大于象棋。

二、比這個(gè)更難的是，幾乎沒有一個(gè)合適的評(píng)價(jià)函數(shù)來定義誰是贏家，贏了多少;這個(gè)評(píng)價(jià)函數(shù)對(duì)于該系統(tǒng)是至關(guān)重要的。而對(duì)于象棋來說，寫一個(gè)評(píng)價(jià)函數(shù)是非常簡(jiǎn)單的，因?yàn)橄笃宀粌H是個(gè)相對(duì)簡(jiǎn)單的游戲，而且是實(shí)體的，只用數(shù)一下雙方的棋子，就能輕而易舉得出結(jié)論了。你也可以通過其他指標(biāo)來評(píng)價(jià)象棋，比如棋子移動(dòng)性等。

所有的這些在圍棋里都是不可能的，并不是所有的部分都一樣，甚至一個(gè)小小部分的變動(dòng)，會(huì)完全變化格局，所以每一個(gè)小的棋子都對(duì)棋局有著至關(guān)重要的影響。最難的部分是，我稱象棋為毀滅性的游戲，游戲開始的時(shí)候，所有的棋子都在棋盤上了，隨著游戲的進(jìn)行，棋子被對(duì)方吃掉，棋子數(shù)目不斷減少，游戲也變得越來越簡(jiǎn)單。相反，圍棋是個(gè)建設(shè)性的游戲，開始的時(shí)候，棋盤是空的，慢慢的下棋雙方把棋盤填滿。

因此，如果你準(zhǔn)備在中場(chǎng)判斷一下當(dāng)前形勢(shì)，在象棋里，你只需看現(xiàn)在的棋盤，就能告訴你大致情況;在圍棋里，你必須評(píng)估未來可能會(huì)發(fā)生什么，才能評(píng)估當(dāng)前局勢(shì)，所以相比較而言，圍棋難得多。也有很多人試著將DeepBlue的技術(shù)應(yīng)用在圍棋上，但是結(jié)果并不理想，這些技術(shù)連一個(gè)專業(yè)的圍棋手都打不贏，更別說世界冠軍了。

所以大家就要問了，連電腦操作起來都這么難，人類是怎樣解決這個(gè)問題的?其實(shí)，人類是靠直覺的，而圍棋一開始就是一個(gè)靠直覺而非計(jì)算的游戲。所以，如果你問一個(gè)象棋選手，為什么這步這樣走，他會(huì)告訴你，這樣走完之后，下一步和下下一步會(huì)怎樣走，就可以達(dá)到什么樣的目的。這樣的計(jì)劃，有時(shí)候也許不盡如人意，但是起碼選手是有原因的。

然而圍棋就不同了，如果你去問世界級(jí)的大師，為什么走這一步，他們經(jīng)常回答你直覺告訴他這么走，這是真的，他們是沒法描述其中的原因的。我們通過用加強(qiáng)學(xué)習(xí)的方式來提高人工神經(jīng)網(wǎng)絡(luò)算法，希望能夠解決這一問題。我們?cè)噲D通過深度神經(jīng)網(wǎng)絡(luò)模仿人類的這種直覺行為，在這里，需要訓(xùn)練兩個(gè)神經(jīng)網(wǎng)絡(luò)，一種是決策網(wǎng)絡(luò)，我們從網(wǎng)上下載了成百萬的業(yè)余圍棋游戲，通過監(jiān)督學(xué)習(xí)，我們讓阿爾法狗模擬人類下圍棋的行為;我們從棋盤上任意選擇一個(gè)落子點(diǎn)，訓(xùn)練系統(tǒng)去預(yù)測(cè)下一步人類將作出的決定;系統(tǒng)的輸入是在那個(gè)特殊位置最有可能發(fā)生的前五或者前十的位置移動(dòng);這樣，你只需看那5-10種可能性，而不用分析所有的200種可能性了。

一旦我們有了這個(gè)，我們對(duì)系統(tǒng)進(jìn)行幾百萬次的訓(xùn)練，通過誤差加強(qiáng)學(xué)習(xí)，對(duì)于贏了的情況，讓系統(tǒng)意識(shí)到，下次出現(xiàn)類似的情形時(shí)，更有可能做相似的決定。相反，如果系統(tǒng)輸了，那么下次再出現(xiàn)類似的情況，就不會(huì)選擇這種走法。我們建立了自己的游戲數(shù)據(jù)庫(kù)，通過百萬次的游戲，對(duì)系統(tǒng)進(jìn)行訓(xùn)練，得到第二種神經(jīng)網(wǎng)絡(luò)。選擇不同的落子點(diǎn)，經(jīng)過置信區(qū)間進(jìn)行學(xué)習(xí)，選出能夠贏的情況，這個(gè)幾率介于0-1之間，0是根本不可能贏，1是百分之百贏。

通過把這兩個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)合起來（決策網(wǎng)絡(luò)和數(shù)值網(wǎng)絡(luò)），我們可以大致預(yù)估出當(dāng)前的情況。這兩個(gè)神經(jīng)網(wǎng)絡(luò)樹，通過蒙特卡洛算法，把這種本來不能解決的問題，變得可以解決。我們網(wǎng)羅了大部分的圍棋下法，然后和歐洲的圍棋冠軍比賽，結(jié)果是阿爾法狗贏了，那是我們的第一次突破，而且相關(guān)算法還被發(fā)表在《自然》科學(xué)雜志。

接下來，我們?cè)陧n國(guó)設(shè)立了100萬美元的獎(jiǎng)金，并在2016年3月，與世界圍棋冠軍李世石進(jìn)行了對(duì)決。李世石先生是圍棋界的傳奇，在過去的10年里都被認(rèn)為是最頂級(jí)的圍棋專家。我們與他進(jìn)行對(duì)決，發(fā)現(xiàn)他有非常多創(chuàng)新的玩法，有的時(shí)候阿爾法狗很難掌控。比賽開始之前，世界上每個(gè)人（包括他本人在內(nèi)）都認(rèn)為他一定會(huì)很輕松就打贏這五場(chǎng)比賽，但實(shí)際結(jié)果是我們的阿爾法狗以4：1獲勝。圍棋專家和人工智能領(lǐng)域的專家都稱這具有劃時(shí)代的意義。對(duì)于業(yè)界人員來說，之前根本沒想到。