能成为下一个世界围棋冠军吗.鼓励

Google能成为下一个世界围棋冠军吗？

有着2500多年历史的围棋，一直被视作计算机最难以攻克的大众棋类。但现在，这一人工智能研究的领域拦路虎，开始遭遇强劲挑战。

1月28日，GoogleDeepMind团队宣布，他们研发的人工智能(ArtificialIntelligence，下称AI)程序AlphaGo，在没有任何让子的情况下以5∶0击败了欧洲围棋冠军职业围棋二段樊麾，同时也击败了目前最好的围棋程序中99.8%的对手。

果壳新浪微博称：围棋，人类已经下不过谷歌的AI了!多年以后，当人类仰视AI的智慧时，准会想起谷歌推动黑白子的无形的手。围棋九段、第二届百灵杯世界冠军柯洁转发了上述微博，并评论说：震惊!!赞!虽说看棋谱感觉水平有限但可怕的是这还不是完全体，它是可以学习进化的

AlphaGo的下一个挑战将是世界顶级围棋选手之一李世石，这场对战将在今年3月进行。李世石是围棋九段高手，也是近10年来获得世界第一头衔最多的棋手，Google为此提供了100万美元作为奖金。

为什么围棋难以攻克?

1997年5月，象棋冠军加里卡斯帕罗夫被IBM深蓝击败。今年3月，相似的历史还会重演吗?

对于更加智能和灵活、具备与人类类似解决问题能力算法的开发工作而言，游戏无疑是一个绝佳的试验场。Google在官方博客中这样写道。

历史上，电脑最早掌握的第一款经典游戏是井字游戏，这是1952年一位博士在读生的研究项目;随后是1994年电脑程序Chinook成功挑战西洋跳棋游戏;3年后，IBM深蓝超级计算机在国际象棋比赛中战胜世界冠军加里卡斯帕罗夫。

除了棋盘游戏外，IBM的Watson系统在2011年成功挑战老牌智力竞赛节目Jeopardy游戏一战成名;2014年，Google自己编写的算法，学会了仅需输入初始像素信息就能玩几十种Atari游戏。

但此前，有一项游戏仍然是人类代表着顶尖水平，那就是围棋。

围棋虽然看上去规则简单，却因为精妙而富有思想深度，几个世纪来都牢牢抓住了人们的想象力。

Google介绍说，围棋的搜索空间是漫无边际的比围棋棋盘要大1个古戈尔(数量级单位，10的100次方，甚至比宇宙中的原子数量还要多)。因此，传统的强力人工智能方法也就是为所有可能的步数建立搜索树，在围棋游戏中根本无法实现。

今年1月10日，卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员田渊栋曾在知乎中作答称，围棋难的地方在于它的估值函数非常不平滑，差一个子盘面就可能天翻地覆，同时状态空间大，也没有全局的结构。这两点加起来，迫使目前计算机只能用穷举法并且因此进展缓慢。

目前，Facebook的智能围棋darkforest最新的darkfmcts3在KGS围棋服务器上达到了5d，赢了一局Zen，输了一局给DolBaram，被让四子与一位韩国的职业六段一胜一负。

现在的深度学习能在大量对局中找到这样的一些规律，但仍然没有人脑厉害。这一方面说明我们现在算法的局限性，另一方面它还有巨大的发展空间。他说。

人工智能击败职业顶尖棋手真的快了吗?

依然不停地写关于我的负面。好无奈知名少儿对弈平台新博围棋老总陈劲松在朋友圈评论说：三个月以后，Deeplearning也许可以打败李世石，那也只不过是围棋高手队伍里面多了一个小伙伴而已，它学会了大家所有的招数。它同时还在等待学习你们发明的新的招数。

职业二段棋手、围棋资深教练刘轶一对《第一财经》称，不用担心，不会那么容易。不过他所在的朋友圈里，围棋职业棋手们众说纷纭，有些认为不可能，有些认为指日可待了，还有声音是人类快被自己灭绝了。

击败欧洲围棋冠军

那么

，人工智能程序AlphaGo是如何击败围棋高手的?

GoogleAlphaGo的研究者DavidSilver说，AlphaGo系统的关键是，将围棋巨大无比的搜索空间压缩到可控的范围之内。

而为了达到这一目的，AlphaGo系统将最先进的蒙特卡洛树状搜索技术与两个深层神经络相结合，每个深层神经络均包含许多层，每层又包含数以百万计的神经元一样的连接。

在AlphaGo两种不同的神经络中，策略络(policynetwork)的作用是预测下一步，并用来将搜索范围缩小至最有可能硬起的那些步骤。另一个神经络价值络(valuenetwork)则是用来减少搜索树的深度，每走一步估算一次获胜方，而不是搜索所有结束棋局的途径。

上述方法使得AlphaGo的搜索方式相比之前的方法更人性化。例如，深蓝采用强力方法搜索的棋子位置要比AlphaGo多数千倍。而AlphaGo则相反，它通过想象下完剩余棋局来对下一步进行预判，如此多次反复。在上述模拟游戏中，策略络提出下一步的智能建议，而价值络则对走过的每个位置进行评估。

具体而言，Google首先采用围棋专业棋手的3000万步下法对价值络进行训练，直到该络对人类下法预测准确率达到57%(AlphaGo之前的纪录是44%)。

但AlphaGo的目标是击败水平最高的人类棋手，而不仅仅是模仿他们。为了做到这一点，AlphaGo学会自己发现新策略，通过自身两个神经络之间成千上万的对弈，采用被称为强化学习的试错法逐步进行改善。这种方法提高了策略络的效率，以至于最原始的神经络(即其中不包含任何树状搜索)可以击败最尖端、构建有巨大无比的搜索树的围棋软件。

这些策略络又反过来对价值络进行训练，采用的还是从自我对弈强化学习的方法。这些价值络可以对围棋的任何位置进行评估并预测获胜方，而人们过去曾认为这个问题太过困难，根本无法实现。

实现上述所有设想的前提是，计算机要超级强大。Google称，这一过程大量使用了Google云平台，使得人工智能和机器学习研究人员得以随时灵活地获得计算、存储和联能力。此外，采用数据流图形(如TensorFlow)、用于数值计算的开房源库使研究人员得以对多个CPU或GPU的深度学习算法的计算需求进行高效利用。

AlphaGo到底有多强大?为了回答这个问题，Google在AlphaGo和人工智能研究领域最前沿的其他顶级围棋软件如CrazyStone、Zen和Pachi之间进行了一次比赛。AlphaGo在总计495局中只输了一局，胜率是99.8%。

AlphaGo甚至在每局开局让对方四步的情况下对阵CrazyStone，Zen和Pachi，胜率分别达到了77%，86%和99%。

如果在今年3月的对战中，AlphaGo战胜李世石，是否意味着人工智能已经超过人类?

或许还不能如此断言。但新成立的非营利性组织OpenAI的AI研究者IlyaSutskever认为，从技术的角度说，这个研究对AI具有纪念碑式的贡献。

在棋类游戏之外，这场对决也将引发更多的思考那些人们曾经以为人工智能不可能完成的脑力挑战，是否都将被一一打破?未来人类是否会被人工智能所取代?