AlphaGo放水了？盤點(diǎn)關(guān)于人機(jī)大戰(zhàn)的5大誤區(qū)

　　曾經(jīng)在線上快棋比賽中連敗多國(guó)職業(yè)圍棋高手并取得了60連勝的新版AlphaGo，日前又在慢棋比賽中以四分之一子的微弱優(yōu)勢(shì)戰(zhàn)勝了排名世界第一的中國(guó)棋手柯潔。然而這不僅彰顯了人工智能的強(qiáng)大，也讓人們對(duì)這一技術(shù)有了新的認(rèn)知！那么面對(duì)強(qiáng)大的人工智能，人類在圍棋項(xiàng)目中還有獲勝的希望嗎？

　　先說出結(jié)論，再看分析：

　　1.在圍棋這個(gè)項(xiàng)目上AlphaGo目前走在了人類的前面，但并沒有完全攻克圍棋這項(xiàng)運(yùn)動(dòng)。它只是通過深度學(xué)習(xí)找到了一個(gè)比人類認(rèn)識(shí)更優(yōu)的解，但不是最優(yōu)解。最優(yōu)解無法找到，即便用盡地球上所有的資源。從專業(yè)的角度來講，就是用深度學(xué)習(xí)去逼近了一個(gè)強(qiáng)化學(xué)習(xí)中的價(jià)值判斷函數(shù)，然后再跟蒙特卡洛搜索樹結(jié)合的方法。既然人工智能和人類都不能找到最優(yōu)解，現(xiàn)在說哪一方已經(jīng)完全徹底的失敗還早。

　　2.人類也是在進(jìn)步的，我們也不要低估了人類后天的快速（小樣本）學(xué)習(xí)能力，這點(diǎn)AlphaGo基于現(xiàn)在的學(xué)習(xí)方法還做不到。短期來看人獲勝概率小，但長(zhǎng)遠(yuǎn)來看（未來5-10年）人還有機(jī)會(huì)，因?yàn)槿艘灿泻軓?qiáng)的學(xué)習(xí)能力，可以從少量跟AlphaGo的對(duì)弈的棋局中快速學(xué)習(xí)。而即便再給AlphaGo1億副棋譜，再添加一萬塊GPU，如果還是基于現(xiàn)有的學(xué)習(xí)體系，它進(jìn)步的速度也終將放緩，因?yàn)樾略龅钠遄V和計(jì)算資源相對(duì)于2x10171這個(gè)搜索空間來說只是滄海一粟。我們對(duì)人腦的了解還遠(yuǎn)不如對(duì)圍棋的認(rèn)識(shí)，這里面還有很大的未知數(shù)。

柯潔開局下出兩手“三·3”，已然顛覆至少二十年來的圍棋棋理

　　（但實(shí)際上，柯潔這樣下并不是心血來潮，他在各種職業(yè)比賽中已多次用這樣的招數(shù)與其他職業(yè)高手“過招”。最近的中國(guó)“圍甲”職業(yè)比賽中，各種“狗招”《阿爾法狗的招數(shù)》也已層出不窮，大家都在以自己的理解嘗試人工智能下出的招數(shù)。而柯潔等職業(yè)棋手的“喂招拆招”，也是中國(guó)自己的圍棋人工智能“絕藝”快速成長(zhǎng)的重要因素。）

事實(shí)上，這一招柯潔已在對(duì)人類的對(duì)局中嘗試多次

現(xiàn)就讀北大哲學(xué)系的“學(xué)者型棋手”李喆，也嘗試多種新招

　　3.目前人類職業(yè)棋手跟AlphaGo的差距也就在一個(gè)貼目的水平，沒有大家想象的那么大。其實(shí)這個(gè)貼目的差距（按中國(guó)標(biāo)準(zhǔn)7目半），在職業(yè)棋手看來，已經(jīng)是非常大的差距了。很多職業(yè)高手，進(jìn)入官子階段后發(fā)現(xiàn)自己還落后對(duì)方7-8目，就會(huì)主動(dòng)投子認(rèn)輸了。很多通過數(shù)子來決定勝負(fù)的比賽，輸贏往往都在1-2目之間（比如柯潔就輸給AlphaGo半目）。否則會(huì)被其他專業(yè)棋手笑話，自己落后那么多都不知道，點(diǎn)空能力太弱了。

　　要能真正客觀、準(zhǔn)確的看待這個(gè)問題急需要較強(qiáng)的人工智能專業(yè)知識(shí)，也需要一定的圍棋功底。下面先糾正網(wǎng)上認(rèn)知的一些誤區(qū)：

　　誤區(qū)一：AlphaGo可以讓人類頂尖棋手4個(gè)子，AlphaGo2.0可以讓上一個(gè)版本4-5個(gè)子。

　　要消除這個(gè)誤解，首先要跟大家普及一下圍棋知識(shí)：在圍棋里“讓對(duì)方兩個(gè)子”和“贏對(duì)方2個(gè)子”有著天壤之別。這點(diǎn)對(duì)于下圍棋的人不用多說，但我今天才意識(shí)到，很多吃瓜群眾一直以為這就是一回事。難怪網(wǎng)上會(huì)流傳以上的錯(cuò)誤言論。

　　讓對(duì)方兩個(gè)子：在圍棋里讓2子是說讓一方先在棋盤上放上2個(gè)棋子（棋子只能放在星位），然后對(duì)方才開始走。這兩個(gè)子在對(duì)弈之初的價(jià)值巨大，對(duì)于專業(yè)棋手來講，每個(gè)棋子價(jià)值至少在10目以上（這是最保守估計(jì)了）。讓兩子相當(dāng)于至少先讓出去對(duì)方20多目的地盤。由于棋盤是有限的，如果不能在后面的比賽中，在有限的空間里贏回這20多目，那就是讓子失敗了。而且讓子數(shù)越多，被讓方獲得的價(jià)值不單是線性增長(zhǎng)的，因?yàn)樽恿χ�間會(huì)形成配合，獲取更大的利益。比如說，讓子，其價(jià)值就可能遠(yuǎn)不止40目了。

　　贏對(duì)方2個(gè)子：是指雙方下完后，贏的一方比輸?shù)囊环蕉喑?個(gè)子。如果按照吃住對(duì)方一個(gè)子算兩目的方法來算，那2個(gè)子只相當(dāng)于4目。AlphaGo贏了柯潔1/4子，就相當(dāng)于半目棋子而已。

　　所以“讓對(duì)方兩個(gè)子”和“贏對(duì)方2個(gè)子”不可同年而語。如果真的有圍棋之神存在（既他一定能找到最優(yōu)解，我們?nèi)耸菦]有希望下過他的），一般頂尖專業(yè)棋手認(rèn)為他們跟這個(gè)神的差距在讓2-3子之間。由于AlphaGo可以被證明不能保證找到最優(yōu)解，所以他離神還有一定的距離。因此，說AlphaGo可以讓人類頂尖棋手4個(gè)子，這簡(jiǎn)直就是天方夜談。

　　誤區(qū)二：AlphaGo也會(huì)下出一些明顯不好的招數(shù)，是因?yàn)樗�自我判斷形式占�?yōu)，而放松了自身的要求。

　　AlphaGo的搜索策略就是優(yōu)先對(duì)獲勝概率比較大的分支進(jìn)行更多的深度搜索，這個(gè)策略在任何時(shí)候都不會(huì)改變，也不能改變。他不會(huì)覺得自己優(yōu)勢(shì)了就下出緩手。下得不好的時(shí)候是因?yàn)槠鋬r(jià)值判斷本來就是一個(gè)近似，而且搜索空間也不能窮盡，得不到最優(yōu)解，因此，有時(shí)估計(jì)還不錯(cuò)的棋，其實(shí)不一定是真的最好的下法，AlphaGo出現(xiàn)這種不穩(wěn)定狀況是正常的。這也是人類善存的希望所在。當(dāng)然人類也有自身的弱點(diǎn)，如疲勞、情緒波動(dòng)等，人也會(huì)判斷失誤。而且棋局很長(zhǎng)，有些之前不太好的棋，經(jīng)過后面的變化（包括不是預(yù)料中的變化）有可能會(huì)變成好棋。所以，不是所有的錯(cuò)誤，都會(huì)直接影響到比賽的結(jié)果。而且現(xiàn)在大家似乎有點(diǎn)怕AlphaGo了，即便是AlphaGo下出一招不好的棋，大家更多的是懷疑自己的水平（是不是我們沒看懂啊？），而選擇相信AlphaGo的“深謀遠(yuǎn)慮“。

　　誤區(qū)三：AlphaGo可以不斷自學(xué)習(xí)，從新的棋局里獲取經(jīng)驗(yàn)，快速提升自己。

　　AlphaGo的系統(tǒng)由于參數(shù)非常多，需要大量的數(shù)據(jù)來訓(xùn)練，新增的幾幅棋譜對(duì)提高它的棋力起不到任何作用。而且AlphaGo在做參數(shù)調(diào)整時(shí)是針對(duì)一大批數(shù)據(jù)的整體優(yōu)化，也必須對(duì)很多棋譜做批量處理，訓(xùn)練時(shí)間非常長(zhǎng)，不可能在很短時(shí)間內(nèi)大幅提升自身的水平。即便是同一組訓(xùn)練棋譜，參數(shù)調(diào)整方法不一樣也會(huì)訓(xùn)練出棋力水平差異較大的系統(tǒng)。其實(shí)AlphaGo是通過自我對(duì)弈來生成很多棋譜，然后利用棋譜中的（兩個(gè)連續(xù)的）盤面跟最后的勝負(fù)對(duì)應(yīng)關(guān)系訓(xùn)練出價(jià)值網(wǎng)絡(luò)來。這里只是借用了一下強(qiáng)化學(xué)習(xí)的框架來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的參數(shù)而已，主要貢獻(xiàn)還是深度學(xué)習(xí)的近似能力帶來的（解決了傳統(tǒng)強(qiáng)化學(xué)習(xí)針對(duì)復(fù)雜環(huán)境和動(dòng)作狀態(tài)無法求解的難題）。因此，AlphaGo并沒有大家想象的那種自我博弈就能自己不斷進(jìn)步的能力。

　　誤區(qū)四：AlphaGo會(huì)故意放水輸?shù)粢痪直荣悺?/strong>