您当前位置:主页 > 滚动自然 >想战胜南韩九段棋手,Google AI 需要九段高手陪练 >
想战胜南韩九段棋手,Google AI 需要九段高手陪练
滚动自然

想战胜南韩九段棋手,Google AI 需要九段高手陪练

粉丝数:562+
浏览量:4145欢迎浏览本网站的精品文章
时间:2020-07-10 06:42:57
想战胜南韩九段棋手,Google AI 需要九段高手陪练

28 日,大家都在兴奋地传播着一条消息:Google AI 在围棋战胜了欧洲冠军。兴奋的理由是,人工智慧在被定义为最难攻克的围棋上战胜人类职业棋手。人类与 AI 之间的最后一堵防护墙,正在一点一点坍塌。

Google 使用的人工智慧软体是 AlphaGo,由 Google 去年收购的人工智慧公司 DeepMind 研发,其中两个神经网路有着关键的作用,一个叫决策网路(policy network),负责选择下一步走法,另一个叫值网路(value network),负责预测棋盘上不同的分布会带来什幺不同的结果。

此次 AlphaGo 战胜的是欧洲围棋冠军樊麾(法国国家围棋队总教练),AlphaGo 以 5-0 完胜。但 AlphaGo 真正的挑战是 2 个月后,与南韩围棋九段高手李世乭的对弈。而樊麾虽为欧洲围棋冠军,但实际上也仅为二段水準。高手与顶级高手之前也存在很大差距,不知道在 AlphaGo 与李世乭之间,隔了多少个樊麾。之前围棋软体 ZEN、Crazystone 都战胜过九段围棋高手,不过都是在对方让子的前提下。

想战胜南韩九段棋手,Google AI 需要九段高手陪练 樊麾与 AlphaGo 的对弈棋谱,黑方为樊麾,白方为 AlphaGo。

围棋到底有多难?在 19×19 的棋盘内,共有 361 个点,就机器学习的角度而言,围棋的计算最大有 3361 次方种局面,大致的体量是 10170,而已经观测到的宇宙中,原子的数量才 1080。而相较之下,国际象棋每一步平均只有 35 种可能性的走法,最多只有 2155 种局面。

如此大的计算量无疑是对人工智慧的一大挑战,但实际上,人工智慧是与人类一样,透过不断模仿而战胜对手的。一个围棋爱好者向雷锋网记者表示,人工智慧其实是一个模仿高手,经由记住大量高手在以往对弈中的棋谱,并不断练习,从而研究出新的招数。

「围棋 2500 年,积累了很多棋谱,棋谱除了对开局定式的研究,然后就是很多高手实战中下出比较有借鑒意义的棋局。电脑能够记住 3,000 万步棋谱(Google 这个就是先用这些来训练的),人类是记不住的,很多时候,要依靠现场的纯脑计算。就像职业棋手懂得对现有棋谱进行拆解一样,拆解过程研究出新的变化,因为有时棋谱象徵着某一个招数达到最优,因为是当时最厉害那个人下出来的,但后人总可以超越,Google 这个特点就在于能够在棋谱训练中计算出新的变化(走法),否则充其量只能和人类打平手的水準。」

除了需要记住大量棋谱,人工智慧还需要一个高手来让自己不断提高。ZEN 早年就拉上日本一流高手,九段棋手武宫正树做为陪练,2012 年 3 月,在武宫正树让五子和四子的前提下,ZEN 连胜两盘。武宫正树「宇宙流」式下棋特点,也被 ZEN 模仿去了。因此,AlphaGo 如果想战胜李世乭,最快的方式是找到一个同水準的高手做为陪练,最好是熟悉李世乭下棋特点的人。因为,留给它的时间已经不多了。

想战胜南韩九段棋手,Google AI 需要九段高手陪练 李世乭

对于人类来说,因天分和后天努力程度,每个人提升速度会不一样,有人 20 岁就能跻身世界冠军,有人穷尽一生也入不了高手榜。但无论如何,在很多人眼里,围棋并非一蹴可跻。就比如最近引起舆论譁然的「真疯叔叔」的「6 天速成法」,宣称可以让成年人在 6 天之内,围棋水準从零基础提高到业余一段,不过回应他的,是来自围棋界的各种嘲笑。

6 天从零基础提高到业余一段,如果放在人工智慧身上,或许有这个可能。不过想要从职业二段挑战职业九段,赢得可能性并不大。围棋是起源于中国的博弈游戏,在亚洲的流行更加广泛,在欧美等地区,围棋的普及度还较低,这也就是为什幺会出现一个二段棋手成为欧洲冠军。在这种情况下,AlphaGo 很难遇到一个顶级高手,也就妄论战胜顶级高手了。

不过,围棋的複杂度与挑战难度,令其成为人工智慧最想攻克的难题。一个多月前,DeepMind 的 CEO Demis Hassabis 在一个採访中透露,他们的秘密团队可能将破解围棋。Hassabis 在谈到这个可能时表现得很兴奋,因为在他看来这是个了不起的挑战。「它不像国际围棋那样需要蛮力,它实际上是漂亮的,有规律可循、有形状可追的,而这些通常是电脑不擅长的,因此它非常了不起。」

除了 Google,Facebook也在进行 AI 攻克围棋的测试。就在《Nature》报导了 AlphaGo 战胜樊麾的前一天,Facebook 也在 arXiv.org 上更新一篇用卷积神经网路和蒙地卡罗树状搜寻相结合来解决围棋问题的新论文。Facebook 人工智慧实验室负责人 Yann LeCun 在论文中表示,围棋是能验证各种学习技能结合的好案例,包括模式识别、问题解决和规划等,也是一个可以用来测试新想法的工具,包括机器学习、推理和规划的结合。因此,战胜围棋高手,不仅仅是一场游戏,更重要的是人工智慧的突破。而人工智慧对于人类的影响,将是无限可能的。

从国际象棋的经验看,1997 年人工智慧第一次打败人类后,直到 2006 年,人工智慧在人类这里再无对手。而人工智慧想要在围棋上完全战胜人类,还需要不断地练习。至少这次,赢得可能性很小。

相关推荐