谷歌人工智能AlphaGo挑戰(zhàn)人類圍棋冠軍

2月22日消息，繼宣布AlphaGo實(shí)現(xiàn)突破性研究－計(jì)算機(jī)程序首次擊敗專業(yè)棋手之后， Google DeepMind今日公布了馬上與過(guò)去十年最佳圍棋手李世石之間的終極挑戰(zhàn)的詳細(xì)情況。

3月9日至3月15日，AlphaGo將在韓國(guó)首爾與李世石進(jìn)行5場(chǎng)挑戰(zhàn)賽。比賽完全平等，獲勝者將得到一百萬(wàn)美元獎(jiǎng)金。如果AlphaGo獲勝，獎(jiǎng)金將捐贈(zèng)給聯(lián)合國(guó)兒童基金會(huì)(UNICEF)，STEM教育，以及圍棋慈善機(jī)構(gòu)(Go Charity)。

因圍棋步驟的絕對(duì)數(shù)量比宇宙的原子數(shù)還多，它一直被視為最復(fù)雜的電腦游戲之一，也是人工智能始終未解的挑戰(zhàn)。DeepMind在上月的科學(xué)雜志Nature，以一篇論文公布了這一突破性進(jìn)展的詳細(xì)情況。

比賽采納中國(guó)圍棋規(guī)則

比賽將于北京時(shí)間中午12點(diǎn)在首爾四季酒店舉行，具體日程如下：

1. 3月9日 (星期三)：首場(chǎng)比賽

2. 3月10日(星期四)：第二場(chǎng)比賽

3. 3月12日(星期六)：第三場(chǎng)比賽

4. 3月13日(星期日)：第四場(chǎng)比賽

5. 3月15日(星期二)：第五場(chǎng)比賽

比賽將采納貼7.5目的中國(guó)規(guī)則(比賽結(jié)束時(shí)，后走棋的棋手貼目)。每位棋手各有兩個(gè)小時(shí)布局時(shí)間，3次60秒的讀秒，每場(chǎng)比賽估計(jì)需要大約4-5個(gè)小時(shí)。

總規(guī)則

1、比賽分先進(jìn)行，共下5盤，五盤對(duì)局取三勝以上為優(yōu)勝，獲得獎(jiǎng)金100萬(wàn)美元（固定匯率：11億韓元）。

2、若Alpha GO獲勝，獎(jiǎng)金捐獻(xiàn)給聯(lián)合國(guó)兒童基金和STEM教育（科學(xué)、技術(shù)、工程、藝術(shù)以及數(shù)學(xué)）及圍棋相關(guān)公益團(tuán)體。

3、比賽即使3：0、3比1分出勝負(fù)，與比分無(wú)關(guān)將下滿五盤棋，以便Alpha GO擁有更多學(xué)習(xí)機(jī)會(huì)。

4、以下滿五盤為條件，李世石可獲得15萬(wàn)美元（約1億6500萬(wàn)韓元）出場(chǎng)費(fèi)，同時(shí)每勝一局獲得2萬(wàn)美元?jiǎng)倬知?jiǎng)金。如果五盤全勝，勝局獎(jiǎng)金為10萬(wàn)美元（1億1000萬(wàn)韓元）。即李世石五戰(zhàn)全勝獲得優(yōu)勝，最多可以獲得125萬(wàn)美元（13億7500萬(wàn)韓元）。

5、比賽用時(shí)每方2小時(shí)，1分鐘讀秒三次。比賽采納中國(guó)規(guī)則，黑貼3又3/4子（黑貼7目半）。采納中國(guó)規(guī)則的原因，是因Alpha GO以中國(guó)規(guī)則為基礎(chǔ)開(kāi)發(fā)。

6、比賽開(kāi)局時(shí)間為韓國(guó)當(dāng)?shù)貢r(shí)間下午1點(diǎn)（北京時(shí)間中午12點(diǎn)），比賽不設(shè)中間休息。

7、比賽時(shí)李世石在棋盤上落子，助手將手?jǐn)?shù)輸入電腦傳送給Alpha GO。Alpha GO的手?jǐn)?shù)由助手?jǐn)[到李世石落子的棋盤上。

8、所有對(duì)局通過(guò)Deep Mind公司youtube頻道向全世界實(shí)況直播，此外通過(guò)韓國(guó)棋院圍棋TV和因特網(wǎng)圍棋網(wǎng)站直播。

人工智能挑戰(zhàn)圍棋有多難？

計(jì)算機(jī)和人類競(jìng)賽在棋類比賽中已不罕見(jiàn)，在三子棋、跳棋和國(guó)際象棋等棋類上，計(jì)算機(jī)都先后完成了對(duì)人類的挑戰(zhàn)。但對(duì)擁有2500多年歷史的圍棋 而言，計(jì)算機(jī)在此之前從未戰(zhàn)勝過(guò)人類。圍棋看起來(lái)棋盤簡(jiǎn)單、規(guī)則不難，縱橫各19九條等距離、垂直交叉的平行線，共構(gòu)成19×19(361)個(gè)交叉點(diǎn)。比 賽雙方交替落子，目的是在棋盤上占據(jù)盡可能大的空間。

在極簡(jiǎn)主義的游戲表象之下，圍棋具有令人難以置信的深度和微妙之處。當(dāng)棋盤為空時(shí)，先手擁有361個(gè)可選方案。在游戲進(jìn)行當(dāng)中，它擁有遠(yuǎn)比國(guó)際象棋更多的選擇空間，這也是為什么人工智能、機(jī)器學(xué)習(xí)的研發(fā)者們始終希望在此取得突破的原因。

就機(jī)器學(xué)習(xí)的角度而言，圍棋的計(jì)算最大有3361種局面，大致的體量是10170，而已經(jīng)觀測(cè)到的宇宙中，原子的數(shù)量才1080。國(guó)際象棋最大只有2155種局面，稱為香農(nóng)數(shù)，大致是1047。

“機(jī)器學(xué)習(xí)”預(yù)測(cè)人類行為

傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹 ，但這種方法對(duì)圍棋并不適用。此次谷歌推出的AlphaGo，將高級(jí)搜索樹與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起。這些神經(jīng)網(wǎng)絡(luò)通過(guò)12個(gè)處理層傳遞對(duì)棋盤的描述，處理層則包含數(shù)百萬(wàn)個(gè)類似于神經(jīng)的連接點(diǎn)。

其中一個(gè)神經(jīng)網(wǎng)絡(luò)“決策網(wǎng)絡(luò)”(policy network)負(fù)責(zé)選擇下一步走法，另一個(gè)神經(jīng)網(wǎng)絡(luò)“值網(wǎng)絡(luò)”(“value network)則預(yù)測(cè)比賽勝利方。谷歌方面用人類圍棋高手的三千萬(wàn)步圍棋走法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，與此同時(shí)，AlphaGo也自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò) 之間運(yùn)行了數(shù)千局圍棋，利用反復(fù)試驗(yàn)調(diào)整連接點(diǎn)，這個(gè)流程也稱為鞏固學(xué)習(xí)(reinforcement learning)。通過(guò)廣泛使用Google云平臺(tái)，完成了大量研究工作。

制服 圍棋對(duì)于谷歌來(lái)說(shuō)有重要意義。AlphaGo不僅是遵循人工規(guī)則的“專家”系統(tǒng)，它還通過(guò)“機(jī)器學(xué)習(xí)”自行掌握如何贏得圍棋比賽。谷歌方面希望運(yùn)用這些技術(shù)解決現(xiàn)實(shí)社會(huì)最嚴(yán)峻、最緊迫的問(wèn)題——從氣候建模到復(fù)雜的災(zāi)難分析。

在具體的機(jī)器訓(xùn)練上，決策網(wǎng)絡(luò)的方式是輸入人類圍棋專家的比賽，到系統(tǒng)可以預(yù)測(cè)57%人類行動(dòng)為止，此前最好成績(jī)是44%。此后AlphaGo通過(guò)在神 經(jīng)網(wǎng)絡(luò)內(nèi)部進(jìn)行比賽的方式(可以簡(jiǎn)單理解成和自己下棋)，開(kāi)始學(xué)習(xí)自主探究 新的圍棋策略。目前AlphaGo的決策網(wǎng)絡(luò)可以擊敗大多數(shù)具有龐大搜尋樹的最 先進(jìn)的圍棋程序。

Google DeepMind首席執(zhí)行官、聯(lián)合創(chuàng)始人Demis Hassabis表示：“圍棋是深刻而復(fù)雜的游戲。為了擊敗一名職業(yè)棋手，我們不能只靠模仿，而是自主發(fā)現(xiàn)新的戰(zhàn)略規(guī)則。因?yàn)榉椒ㄊ峭ㄓ玫?，我們希望有一天可以將其運(yùn)用于解決社會(huì)最棘手和最緊迫的問(wèn)題上。不論我們?cè)谌路菽芊褛A李世石，這場(chǎng)比賽都一定能夠激發(fā)世界各地對(duì)圍棋的興趣。”

AlphaGo戰(zhàn)績(jī)驚人

Park Chimoon, 韓國(guó)棋院副主席表示 “全世界都在關(guān)注這場(chǎng)人類與電腦在智能領(lǐng)域的首次交鋒。這一歷史時(shí)刻將由圍棋來(lái)傳達(dá)，我為此感到驕傲。我希望李世石能獲得勝利，去證明人類卓越的智商以及維護(hù)圍棋的奇妙 特性?！?

實(shí)際上，目前AlphaGo已經(jīng)成為最優(yōu)秀的人工智能圍棋程序。在與其他程序的對(duì)弈中，AlphaGo用一臺(tái)機(jī)器就取得了500場(chǎng)的勝利，甚至有過(guò) 讓對(duì)手4手后獲勝的紀(jì)錄。去年10月5日-10月9日，谷歌安排AlphaGo與歐洲圍棋冠軍Fan Hui(樊麾：法國(guó)國(guó)家圍棋隊(duì)總教練)閉門比賽，谷歌以5-0取勝。

此次比賽的李世石是近10年來(lái)獲得世界第一頭銜最多的棋手，谷歌為此提供了100萬(wàn)美元作為獎(jiǎng)金。李世石談到此次比賽時(shí)表示：”這是電腦首次在公平比賽中挑戰(zhàn)人類專家選手，我很榮幸能參與進(jìn)來(lái)。無(wú)論結(jié)果如何，這都是圍棋史上的重要時(shí)刻。我聽(tīng)說(shuō)Google DeepMind的人工智能出乎意料的強(qiáng)大，并且一直在優(yōu)化，但至少這次我還是很自信能夠取得勝利。”

人機(jī)對(duì)弈誰(shuí)將勝？

值得一提的是，上一次著名的人機(jī)對(duì)弈要追溯到1997年。當(dāng)時(shí)IBM公司研發(fā)的超級(jí)計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝了國(guó)際象棋冠軍卡斯巴羅夫。不過(guò)國(guó)際象棋 的算法要比圍棋簡(jiǎn)單得多。國(guó)際象棋中取勝只需“殺死”國(guó)王，而圍棋中則用數(shù)子或比目的方法計(jì)算勝負(fù)，并不是簡(jiǎn)單地殺死對(duì)方棋子。此前，“深藍(lán)”計(jì)算機(jī)的設(shè) 計(jì)人2007年發(fā)表文章指出，他相信十年內(nèi)能有超級(jí)電腦在圍棋上戰(zhàn)勝人類。

該項(xiàng)目并未給IBM帶來(lái)可以銷售的產(chǎn)品，但卻讓我們意識(shí)到：基礎(chǔ)科學(xué)研究所面臨的巨大挑戰(zhàn)是值得我們?nèi)ビ拥?，雖然企業(yè)在這方面的收益還無(wú)法量化。

隨著頂級(jí)科技公司爭(zhēng)相在產(chǎn)品中融入智能技術(shù)，谷歌并不是唯一一家研究圍棋AI的公司，F(xiàn)acebook對(duì)圍棋人工智能的研究整合此前也亮相最新的計(jì)算技術(shù)：深卷積神經(jīng)網(wǎng)絡(luò)(deep convolutional neural networks)和蒙特卡洛樹搜索(Monte Carlo tree search)，前者利用類似于大腦的算法來(lái)學(xué)習(xí)和識(shí)別棋盤上各種模式的重要性，而后者相當(dāng)于一種超前思維，用于計(jì)算詳細(xì)的戰(zhàn)略步驟。

Facebook和谷歌在圍棋人工智能方面的研究具有極大的代表意義。與國(guó)際象棋相比，圍棋更具深度。要讓計(jì)算機(jī)掌握相關(guān)技巧，需要更多類似于人類的模式 識(shí)別和直覺(jué)推斷 技巧，計(jì)算機(jī)象棋軟件越來(lái)越優(yōu)秀，已將揭開(kāi)了這項(xiàng)游戲的奇妙 面紗；相比之下，圍棋目前更加奇妙 。但將來(lái)，圍棋的奇妙 色彩也可能不復(fù)存在。