“阿爾法狗”：下一盤比圍棋更大的棋

李斑子

自從2016年12月29日在圍棋網(wǎng)絡(luò)對戰(zhàn)平臺現(xiàn)身之后，截至2017年1月4日晚，一個名為“Master”的神秘賬號在與人類圍棋高手的車輪戰(zhàn)中取得了60勝0負(fù)1和的戰(zhàn)績，手下敗將不乏柯潔、樸廷桓、古力等世界頂尖名將，甚至在對局中看不到這些頂尖名將有一點(diǎn)點(diǎn)能和Master扳手腕的可能（Master戰(zhàn)績中唯一的和棋還是因?yàn)閷κ株愐珶钤趯?zhàn)時掉線）。在和古力最后一戰(zhàn)前，Master承認(rèn)自己就是升級版的“阿爾法狗”（AlphaGo，谷歌旗下DeepMind公司的一款圍棋人工智能）。

人算不如“狗”算

1月3日晚，在接連贏下樸廷桓和元晟溱之后，Master在圍棋網(wǎng)絡(luò)對戰(zhàn)平臺的連勝紀(jì)錄達(dá)到49場。當(dāng)晚第50場的對手是“潛伏”，該賬號的持有者被一致認(rèn)為是世界頭號選手柯潔。根據(jù)最新的世界圍棋排名，柯潔是如今世界棋壇積分排名第一的選手，也是榜單上唯一一名排在“阿爾法狗”之前的棋手。

這場對局在Master的快速攻擊面前，“潛伏”漸漸有些捉襟見肘，最終投子認(rèn)負(fù)?！疤ё撸乱粋€?！边@是觀戰(zhàn)的網(wǎng)友們?yōu)橼A棋后的Master設(shè)計的對白。

而在去年“阿爾法狗”對陣?yán)钍朗摹皣迦藱C(jī)大戰(zhàn)1.0”之際，柯潔曾表示：“就算它戰(zhàn)勝了李世石，但它贏不了我?！贝撕笏€在微博上放出豪言，“管你是阿法狗還是阿法貓！我柯潔在棋上什么大風(fēng)大浪沒見過？讓風(fēng)暴再來得猛烈點(diǎn)吧……”

與之形成鮮明對比的是，2016年的最后一天，正當(dāng)Master大殺四方之時，柯潔在微博中寫道：“新的風(fēng)暴即將來襲。我從3月份到現(xiàn)在研究了大半年的棋軟，無數(shù)次的理論、實(shí)踐，就是想知道計算機(jī)到底強(qiáng)在哪里？昨夜輾轉(zhuǎn)反側(cè)，不想竟一夜難眠，人類數(shù)千年的實(shí)戰(zhàn)演練進(jìn)化，計算機(jī)卻告訴我們?nèi)祟惾清e的。我覺得，甚至沒有一個人沾到圍棋真理的邊……”

那么問題來了，這只“阿爾法狗”是怎么下棋的？為什么這么強(qiáng)？到底強(qiáng)在哪里？

還記得1997年IBM公司的“深藍(lán)”計算機(jī)戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫那次劃時代的“人機(jī)大戰(zhàn)”嗎？“深藍(lán)”贏得比賽用的就是人類最不屑的辦法——窮舉——把棋盤里可能出現(xiàn)的所有情況都模擬出來，然后對手下的每一步棋都“了然于胸”，再選擇最能贏的走法。就像拿著幾個億去買彩票，所有有可能的組合全部下注，最后中了個500萬。

人工智能能在國際象棋領(lǐng)域這么做，完全是因?yàn)閲H象棋的所有可能性是10^47，以電腦的“腦力”要列舉這么多種可能性還是夠用的。但要想用一模一樣的辦法稱霸圍棋棋壇，面對圍棋的十九路棋盤，“阿爾法狗”要應(yīng)付的可能性是2x10^170，換成自然數(shù)的形式就是2后邊跟著170個0……要窮舉這么多的棋譜，電腦的“腦力”顯然是不夠用的。要知道，全宇宙的所有原子總數(shù)也不過是10^80個。

但是，窮舉還是要有的，不過要用一種聰明點(diǎn)的辦法縮小窮舉的范圍。人類不是下了幾千年的圍棋嗎？那就先拿3000萬份棋譜來學(xué)習(xí)一下人類下棋的基本套路?！鞍柗ü贰眲傞_始通過自身的“人工神經(jīng)網(wǎng)絡(luò)”來“深度學(xué)習(xí)”圍棋時，就是從網(wǎng)絡(luò)圍棋對戰(zhàn)平臺KGS拿來的3000萬份棋譜開始的。不過這顯然是不夠的，所以在繼續(xù)找更多的棋譜的同時“阿爾法狗”還開始了和自己下棋玩——通過學(xué)習(xí)得來的人類下棋套路來模擬博弈，盡可能地得到更加多的棋譜來學(xué)習(xí)。

這樣一來，孜孜不倦地學(xué)習(xí)了數(shù)以千萬計的棋譜“阿爾法狗”就對如何合理地下棋這件事有了自己的豐富經(jīng)驗(yàn)，這就形成了自己“價值網(wǎng)絡(luò)”——估算每一張棋譜里的每一步棋對最后贏棋有多大幫助，并找出其中的一些規(guī)律——這大概就是人類常說的“棋感”。而再看看人類，一輩子也下不了一萬盤棋，還要記要分析要總結(jié)規(guī)律？想想就心累。

“阿爾法狗”學(xué)習(xí)了海量棋譜得來的“棋感”用來模仿和預(yù)測人類下棋已經(jīng)有很高的把握了，據(jù)“阿爾法狗”團(tuán)隊(duì)2016年的說法，“阿爾法狗” 下圍棋時的落子選擇能正確符合57%的人類高手。就是說有57%的人類高手在面對同樣的棋局時會選擇和“阿爾法狗”一樣的下一步，而不符合人類高手想法的那部分并不意味著“阿爾法狗”是錯的，也更有可能是人類自己犯錯而已。

有了深厚的內(nèi)力加持還是不夠的，“阿爾法狗”還需要在對戰(zhàn)時把自己的積淀用到實(shí)處。先前說過，“阿爾法狗”和“深藍(lán)”在迎戰(zhàn)人類的方法并沒有什么本質(zhì)上的差別，都是窮舉。雖然現(xiàn)在“阿爾法狗”已經(jīng)懂得有規(guī)律地窮舉了，但是它的運(yùn)算能力還是不足以窮舉規(guī)律之中的棋局的所有可能走勢，畢竟這個運(yùn)算量對于計算機(jī)來說依然是個天文數(shù)字。

所以，“阿爾法狗”引進(jìn)了另一個大殺器，蒙特卡洛樹搜索（MCTS）算法。蒙特卡洛算法，是由美國數(shù)學(xué)家烏拉姆最早提出，再經(jīng)數(shù)學(xué)天才馮·諾伊曼發(fā)展和完善，以賭城蒙特卡洛命名的一種算法。在過于復(fù)雜的局面中，人工智能由于硬件缺陷，無法實(shí)現(xiàn)窮舉級別的采樣，而蒙特卡洛算法正是在采樣不足的情況下，通過盡可能多次的隨機(jī)采樣，一步一步接近最優(yōu)解。舉個簡單例子，有一堆鉆石，每次隨機(jī)選一枚，選中更大的就留下。那么經(jīng)過越來越多次隨機(jī)選擇，最終留下的那枚鉆石，就必然越來越接近這堆鉆石中最大的。

1997年5月，IBM公司的國際象棋電腦“深藍(lán)”打敗國際象棋世界冠軍卡斯帕羅夫

具體到“阿爾法狗”下圍棋這件事上，蒙特卡洛樹搜索算法就是把“阿爾法狗”的“棋感”認(rèn)為有可能的接下來的棋局都先過一遍（有時是走幾十步之后，有時是走到對局結(jié)束），把對自己不利的都刪除掉，剩下的便是勝率最高的走法，而且是每下一步棋時這么過一遍。