從AlphaGo大戰李世乭，看人工智能的現在與未來
時間：2018-09-25 來源：未知
這些天，一場世紀大對決了輿論焦點。谷歌人工智能程序AlphaGo與人類圍棋大師李世乭于2016年3月9日~15日進行5場廝殺，而此前AlphaGo已經在2015年10月以5:0的比分完勝歐洲職業冠軍樊麾。這將是比較人工智能與人類智慧孰高孰下的一次重要的對抗展示。
19年前，計算機擊敗象棋大師卡斯帕羅夫，震驚一時。當時的情景還歷歷在目，19年過去，計算機又來攻克號稱“只有人類才能玩”的圍棋了么?
一、淺析AlphaGo的原理
首先我們要對圍棋進行一下簡單的了解。圍棋棋盤有19*19路，共361個交叉點，每個交叉點可以有三種狀態：黑子(用1表示)白子(用-1表示)無子(用0表示)。再加上其他信息(例如這個棋子的“氣”等問題)，我們可以用一個n維向量來表示一個棋盤的狀態。把這個棋盤狀態向量記為s。
在狀態s下，可供下一步落子的空間也可以用n維向量來表示，記為a。這樣，針對圍棋的人工智能程序的基本思想就是：任意給定一個s狀態，計算(或尋找)好的應對策略a。讓程序按照這個思想運行下去，即可贏得比賽。
那么，設計一個驚世駭俗的圍棋程序，從哪里開始呢?在Google工作的黃世杰團隊祭出了第一招：
“深度卷積神經網絡”
深度卷積神經網絡在98年就已經攻克了手寫數字識別，近年來在人臉圖像識別、圖像分類、天氣預報等領域已基本達到了人類水平，是深度學習的基礎算法之一。黃世杰團隊借助圍棋對戰平臺KGS，獲得了大約3000萬個對戰樣本。將每個樣本處理成19*19的二維圖像，輸入一個卷積神經網絡進行學習。在學習過程中，針對某個棋局狀態s，計算機可以計算出人類選手可能選取的落子點若干，每個點的落子概率不同，以概率排序，選擇大概率的點作為應對a’。重復這個過程，就能夠完成一盤對局。通過不斷訓練這個網絡(樣本數增加，對神經網絡的刺激增加)，計算機得到的落子結果a’就能無限接近人類高手的落子結果a。
然而基于這個算法的程序的棋力如何?老實說，不咋地。只能達到業余6段水平左右，戰勝一般圍棋愛好者似乎足夠，但要挑戰一等一的圍棋高手還相差甚遠。
所以，黃世杰改進了算法，祭出了第二招：
“MCTS”(蒙特卡洛搜索樹)
蒙特卡洛搜索樹是這樣做的：面對一個空白棋盤s0，假設我們用扔骰子的方式隨機選擇一個位置落子，得到一個狀態s1，對方也隨機扔骰子，選擇一個位置落子，得到狀態s2。不斷重復這個過程，直至完成對局sn。若這局贏了，記分r記為1，輸了記為0，這樣便模擬出了一盤圍棋的對局。于是，針對起始位置s0和其應對a0，便有了一個分數r=1。
之后從
可以發現，蒙特卡洛搜索樹與卷積神經網絡有2點不同：
1)沒有人工干預，完全可以自發“想像”來提高對弈能力。
2)在思考完這步的策略后，還可以繼續思考下一步策略。即可以不斷思考直至對局完成。
從這兩點可以看出，使用蒙特卡洛搜索樹模擬的程序，已經與人類玩家的思考模式高度類似了。
為了進一步提高MCTS的棋力，黃世杰團隊又祭出的第三招：
“左右互博，自我進化”
通過蒙特卡洛搜索樹來對抗蒙特卡洛搜索樹，不僅能夠快速獲得大量樣本用于學習，而且還能不斷訓練蒙特卡洛搜索樹，對蒙特卡洛搜索樹進行優化。
萬事俱備，將卷積神經網絡與蒙特卡洛搜索樹進行結合，AlphaGo的基本“大腦”便完成了。AlphaGo有兩個“大腦”：落子選擇器(Move Picker)用來預測每一步的佳落子位置;棋局評估器(Position Evaluator)用來輔助落子選擇器，通過判斷整體棋局的形式來分析落子選擇器得出的結果是“好”還是“壞”。深度學習、蒙特卡洛搜索樹、自我進化，三招齊出，AlphaGo對于其他的圍棋對戰程序勝率已達到95%以上，甚至還在讓4子的基礎上以77%的勝率擊敗了另一個圍棋對抗程序crazystone，絕對是當今人工智能領域的巔峰之作。
二、AlphaGo挑戰圍棋的意義
圍棋是NP-hard問題，平均每回合有250種可能，一盤棋平均長達150回合，有3^361種局面，綜合所有情況我們能得到的所有情況數字大概是10^170，而已知的宇宙中原子總數量才10^80。如此龐大的數目，根本不可能使用暴力窮舉法來破解，而人類棋手卻能夠看穿棋局的本質，這也是人類有思考能力的體現。如果AlphaGo能夠挑戰人類棋手成功，至少說明AlphaGo的自我學習能力與自我思考能力方面已與人類無異，人工智能的黎明已經到來。
而未來，人工智能可以應用在諸如股市、工業生產制造、交通、能源等領域，甚至我們可能制造出搭載人工智能的飛船去代替人類尋找其他文明!AlphaGo的神經網絡與自我學習的能力無疑是十分強大的。
但是，現階段AlphaGo仍有許多不足。首先AlphaGo對于大局的把控仍不夠好。AlphaGo在局部小規模戰斗上會十分厲害，因為它能給出各種對抗人類的下法，而對于全局局勢的判斷則明顯弱于人類。例如對戰樊麾時的第二局中的第31步，雖然在局部來說這一手棋是正確的落子法，而對于大局而言，這一手并沒有什么實質作用，可以說是丟了西瓜撿芝麻。另外，AlphaGo對于“隨機變化”的應對還不夠充分。在與李世乭對戰的第四局中，李世乭下出被稱為“驚天一手”、“足以載入史冊”的第78手，而面對突如其來的變數，AlphaGo在接下來的幾步棋中竟連連判斷失誤，雖然后期奮起直追努力搬回局面，但仍回天乏力，輸掉了這一局。
未來，AlphaGo還將挑戰更多“只有人類才擅長”的領域，據說AlphaGo的下一個目標是挑戰熱門的RTS類游戲——星際爭霸2，相信在不遠的未來，AlphaGo與其他人工智能設備能夠完成挑戰，開啟人工智能新時代。
三、AlphaGo戰勝李世乭——機器學習的進步和機器的覺醒?
電影《終結者》講述了在未來世界，擁有人工智能的機器向人類大舉宣戰的場景。AlphaGo贏得李世乭的優異表現，使得部分人類開始驚恐起來——人工智能的時代已經來臨，人類被機器奴役的時代還遠嗎?
實際上，現階段的人工智能和我們的想像(或電影的描述)完全不同。AI的行為邊界是圖靈測試。現階段還沒有一臺機器能夠通過圖靈測試。現階段的人工智能只是進行這樣的操作——接收一些輸入，改變輸入狀態(計算結果)，給出一些輸出。有人會問，機器不會自己修改計算參數嗎?修改過計算參數后，輸出不就不確定了嗎?也就是不可控了嗎?實際上，“參數改變”這件事也是確定的，可變的參數以及變化范圍也是人類已知的。目前AI超過人類的地方，只有計算量大、計算速度快、記憶力爆棚，僅此而已。
而且，現階段的人工智能還只能處理離散問題。對于一些非離散問題(例如哲學、情感、人際關系等“不可量化”的量)，還沒有合適的算法將其轉化為離散問題。因此，機器還不具備逆天的能力來奴役人類。
AI發展到目前，與其他的工具——電視、手機、扳手、衣架等——沒什么本質區別，那就是還沒有“思維”。目前AlphaGo戰勝了李世乭，好比汽車提速到了100km/h以上，電視能播放4K視頻……并沒有質的變化，只是量的變化而已。
至于未來，若有秘密科學組織，已經破解了人類的“思維”，研究透了思維的形成、運作原理，以此發明非圖靈機，讓機器有思想。若真有這樣的組織，我只能說——年輕人，不要看科幻小說了。
總而言之，AlphaGo所代表的人工智能并不能挑戰甚至奴役人類，我們只是又發明了一個趁手的計算工具而已。
