人腦和電腦的恩怨情仇

葉子

所謂人工智能，還是對人自身的研究，從有自我意識開始，人類一直在認識自己，并通過認識自己讓生活變得更美好。我們能認識到心臟的運作機制，造出心臟起搏器，但這和造出一個完整的心臟是兩回事，同樣，我們能讓電腦下棋贏了人類，這和能造出一個大腦是兩回事。

前不久，谷歌的“阿爾法圍棋”AlphaGo和韓國九段圍棋手李世石之間的人機世紀大戰(zhàn)引起了全世界人民的關(guān)注，AlphaGo最終以4：1取得勝利。雖然很多人都慶幸人類并沒有輸?shù)煤翢o還手之力，但AlphaGo也有自己的收獲：由于在第四局比賽中輸給了李世石，AlphaGo也有了自己的WHR排名，它以9勝1負的戰(zhàn)績，積3586分，排名世界第二，僅次于中國九段棋手柯潔。

此次人機大戰(zhàn)，無論在圍棋界還是人工智能界，抑或是在普通民眾間，都引發(fā)了軒然大波。但在這場被全球圍觀的人機大戰(zhàn)中，似乎只有贏家，沒有輸家。

為什么是圍棋

其實早在1996年，美國IBM公司就開發(fā)出了一款國際象棋超級電腦——“深藍”，它在正常時限的比賽中首次擊敗了排名世界第一的棋手。不過，那次的比賽似乎并沒有引來多少關(guān)注，而這次人機圍棋大戰(zhàn)卻成了全球的聚焦點，為什么？因為它“膽敢”選擇圍棋！

傳統(tǒng)的計算機程序在參與棋類游戲時，往往會使用“暴力計算”的做法，即為所有可能的步數(shù)建立搜索樹，也就是根據(jù)數(shù)學(xué)和邏輯推理的方法，把每種可能的路徑都走一遍，從中選出最優(yōu)的走法。

而圍棋棋盤有361個點，走法變化繁多，其他棋類游戲望塵莫及。圍棋的“分支因子”無窮無盡，19×19格圍棋的精確合法棋局數(shù)的所有可能性是一個171位數(shù)——比宇宙中的原子數(shù)還多。這樣的計算量，哪怕是巨型計算機也要算上許多年。此外，由于圍棋的每顆棋子都相同，沒有大小的區(qū)分，這就使圍棋的下法中增加了很多“隨機”的成分，無法用邏輯推理來預(yù)測（譬如在象棋中，不同的棋對應(yīng)有不同的下法規(guī)則，而圍棋則沒有這些限制）。因此，進入圍棋領(lǐng)域一直被認為是目前人工智能的最大挑戰(zhàn)。

AlphaGo是怎么學(xué)圍棋的

那么AlphaGo是怎么學(xué)習(xí)圍棋的？難道還靠“暴力計算”嗎？答案顯然是否定的。

簡單來說，AlphaGo之所以可以玩轉(zhuǎn)圍棋，主要在于其擁有兩個大腦——負責(zé)選擇下一步走法的“策略網(wǎng)絡(luò)”和負責(zé)預(yù)測比賽實時勝利者的“價值網(wǎng)絡(luò)”。每走一步，它倆估算一次獲勝方，而不是像“深藍”那樣一直搜索到比賽結(jié)局，從而減少了運算量。兩個大腦的配合工作，將圍棋巨大無比的搜索空間壓縮到可以控制的范圍之內(nèi)。

僅僅這樣還不夠，想要戰(zhàn)勝人類，AlphaGo需要做的第一步就是模仿人類。設(shè)計人員首先讓它“學(xué)習(xí)”了圍棋專業(yè)棋手的3000萬步實例，完成“價值網(wǎng)絡(luò)”的基礎(chǔ)訓(xùn)練課程。通過這種經(jīng)驗學(xué)習(xí)，AlphaGo對于人類圍棋走法的預(yù)測準確率就已達到57%，之后，等待AlphaGo的便是試著超越人類。與以往的計算機不同，AlphaGo最特別的地方就在于它可以“深度學(xué)習(xí)”——像人類大腦一樣自主學(xué)習(xí)，不斷提升棋藝。這才是AlphaGo最令人可怕的地方。

簡單來說，AlphaGo可以自己與自己對弈（目前它已自我對弈超過3000萬局），在這個過程中，它不斷積累著勝負經(jīng)驗，還舉一反三，形成它對圍棋的一種“全局觀”，甚至形成自己對于圍棋的一種“思考”。

伴隨著自我學(xué)習(xí)的不斷深入和對弈次數(shù)的不斷增加，AlphaGo會越來越少地依賴過往的經(jīng)驗，轉(zhuǎn)而越來越多地依靠自己的評價網(wǎng)絡(luò)，帶有創(chuàng)新性地選擇最有利于自己的走法。在圍棋世界里，AlphaGo是學(xué)霸中的學(xué)霸。

人類還剩下什么？

本次人機大戰(zhàn)勝負已然分明，許多網(wǎng)友開始幻想，究竟在什么棋類項目上，人類能夠有把握戰(zhàn)勝人工智能，或者至少不會輸?shù)煤軕K。最終的討論結(jié)果是飛行棋——主要依靠運氣的游戲。

其實除了圍棋，人工智能已經(jīng)從各個方面開始挑戰(zhàn)人類，比如與棋類游戲不盡相同的麻將或是牌類游戲。在這類游戲中，玩家能夠掌握的信息是不完整的，無法控制諸如對手的底牌以及下一張來牌等因素，因此屬于不完全信息博弈，計算難度成倍上升。不過，日本東京大學(xué)卻開發(fā)了一款麻將機器人——“爆打”。“爆打”和 AlphaGo一樣，有自我對弈以及閱讀學(xué)習(xí)人類牌譜的能力。從2015年到2016年，“爆打”已經(jīng)打了約13萬手牌，平均成績在六段以上。2015年，加拿大研究人員則開發(fā)了能夠玩轉(zhuǎn)德州撲克的智能機器人（僅限于雙人限注模式）。無論對手是誰，這款德州撲克機器人都能保證至少不輸。

來自英國的科學(xué)家比爾·西蒙斯早在十幾年前便開發(fā)了“大獎?wù)禄稹?，這是一款可以應(yīng)用于投資領(lǐng)域的人工智能。當(dāng)年他請來一位統(tǒng)計學(xué)大師和一位數(shù)學(xué)家編寫模型，然后讓電腦程序完全自主操作。“大獎?wù)禄稹蓖ㄟ^對歷史數(shù)據(jù)的統(tǒng)計，找出金融產(chǎn)品價格、宏觀經(jīng)濟、市場指標、技術(shù)指標等各種指標間變化的數(shù)學(xué)關(guān)系，從中發(fā)現(xiàn)市場目前存在的微小獲利機會，隨后執(zhí)行快速且大規(guī)模的交易。迄今，“大獎?wù)禄稹比匀槐３种?4%的年化收益率，如果你在20年前向他投資一萬元，那么今天它會回報給你348萬，這樣的投資效率完爆投資巨鱷巴菲特和索羅斯。

而在藝術(shù)方面，智能機器人已經(jīng)創(chuàng)作出既合乎樂曲規(guī)則又符合人類審美的音樂，它們甚至可以創(chuàng)作出具有巴洛克時期或是古典主義早期風(fēng)格的樂曲，許多聽眾甚至都無法分辨樂曲的真正創(chuàng)作者是機器人還是人類。在韓國《金融新聞》編輯部，有一位特殊的人工智能記者。這位“記者”在得知當(dāng)天的股市數(shù)據(jù)后，能夠在短短0.3秒內(nèi)完成一篇股市行情的新聞報道，讀者在字里行間同樣無法發(fā)現(xiàn)人工智能的影子。

說來辛酸，如今還未被人工智能征服的領(lǐng)域恐怕就還剩體育了，它們在短時間內(nèi)根本無法在該領(lǐng)域與人類對抗。人體結(jié)構(gòu)的精妙復(fù)雜，肌肉和骨骼的完美配合，讓科學(xué)家都“望人興嘆”。人機大戰(zhàn)后，很多體育迷開始研究，哪些運動是人工智能還遠不能戰(zhàn)勝人類的“凈土”，結(jié)果排名第一的是足球。從目前的技術(shù)來看，機器人的射門還不錯，角度精準且力量十足，但它們想要玩出“圓月彎刀”、“蝎子擺尾”等動作，恐怕還為時尚早。機器人目前最差的一項技術(shù)就是守門，機器守門員的反應(yīng)絕對比《瘋狂動物城》的樹懶還遲緩。

不過，這并不意味著人工智能不會在某一天向人類運動員發(fā)起挑戰(zhàn)。或許在不久的將來，人類將不得不派出最強11人，去和冷酷的鋼鐵洪流一決雌雄，可能人類僅有的一絲驕傲感也會在那時蕩然無存。不過可以預(yù)見，場面一定會比今日的人機大戰(zhàn)更為壯觀。