围棋领域，人类最强大的大脑，也终于宣告完败。
首发 | 黑智（ID：VR-2014）
文 |
5月27日，经过一番苦战，柯洁今天再次战败。在历经约3个半小时的对弈后，柯洁投子认输，以0:3的成绩完败给了AlphaGo。比赛中，柯洁在局面不利时长时间离开，回来后又泪洒现场。赛后柯洁一度哽咽称：它太完美我很痛苦，看不到任何胜利的希望。
柯洁泪洒赛场
实际上，无论柯洁在今天的棋局上表现如何，AlphaGo在5月23日和5月25日，连续两场战胜，从前天起，这个结果已经就被锁定了。在昨日还进行了配对赛和团体赛，而在团队赛中，中国的5位世界冠军联手群战AlphaGo，最后还是执黑254手中盘告负。
围棋领域，人类最强大的大脑，也终于宣告完败。
围棋比赛，看似离我们的生活还比较遥远。但是，我们又能不能把这场乌镇的全民关注的棋局，单纯看成一场娱乐的表演秀？
在有些人看来，似乎就是如此，我们还没有看到AlphaGo下围棋能够给我们带来何等改变。
但对另外一些人来说，这是令人恐惧的开端。机器会和我们一样思考？它比我们强大，不需要受情绪、感情和身体因素的影响，如果搭配一个强有力的大脑，还有什么是它不能做的？
我们可以思考的问题，还有很多。AlphaGo究竟因为什么而如此强大，人类在机器面前是否就全无可以反攻的余地；除了下棋之外，AlphaGo还想告诉我们什么，它究竟能给未来带来何等改变；以及，下一场，人类和机器，又将在什么战局中对峙？
对弈中的AlphaGo有多可怕？
我已经很拼了。能让AlphaGo的主机发烫一下也好啊。
——by 柯洁
今天的第三局，在上一局落败后，柯洁提出本局仍由他执白，哈萨比斯痛快地答应了。第三局柯洁“回归自然”，做回自己，不再受对手的影响。而AlphaGo在开局依然将第一手落在了右下角的位置上。双方前4手常规开局，但随后AlphaGo下出新手，柯洁开始长考，最终只能无奈脱先。
让我们再来回顾一下前几场棋局，以及AlphaGo让我们曾经吃惊的地方。
1、胜半目是AlphaGo刻意而为之？
第一场，柯洁执黑先行，以小目、三三开场。经过4小时17分37秒，289手的激战后，最后AlphaGo以1/4子取胜。尽管这是中国规则中最小的差距，但最可怕的是，赛后人们对此结果的猜测：赢半目，是AlphaGo故意设置好的？
第一局棋到中盘时，阿尔法狗已经领先差不多一个贴目。但是之后，它采取了保守的下法，没有寸土必争。在赛后点棋的时候，柯洁就苦笑表示：“我很早就知道自己要输1/4子，AlphaGo每步棋都是匀速，在最后单官阶段也是如此，所以我就有时间点目。”
独立IT评论人keso就在赛后第一时间评论表示这可能是AlphaGo特意而为之。
但业界对此也有不同的看法。毕竟，对于电脑而言，AlphaGo被设定的目标就是胜利，而不是“赢几目”。AlphaGo给自己的命令，是用最稳妥的方法去赢，哪怕只是赢半目。极客帮创投合伙人蒋涛就认为，这一说法尚不能证实。但是，他也同样认可，“最后能够出现这么细微的局面，说明棋局是在AlphaGo的掌控之中的。毕竟它要确保的，是结果的胜利。至于胜1目还是胜10目，对电脑来说判断都是一样的。”
2、效仿对手开局？评价柯洁近乎“完美”
5月25日，第二局比赛进行。
而比第一战更加出乎人意料的是，比赛进行到当天中午13:37时，柯洁主动投子认输，AlphaGo提前一个多小时，中盘取胜。
在第二局，AlphaGo执黑先行。而它在落子前，不同以往地经过了思索，最后选择了第一局柯洁采用的小目、三三开局。
这是颇有意味的。要知道，AlphaGo公开问世以来到本次人机大战之前，一共下了70局，包括与樊麾的5局、与李世石的5局、以Master网名在网上下的60局。这70局里，没有一局开局就走了三三。
而柯洁在本场，则相对更加的沉稳。可以看出，柯洁在布局的策略上，本局下了更大的功夫。甚至在前面十几手，能够预料到AlphaGo多步棋的落子。比赛进行到1小时的时候，DeepMind创始人、AlphaGo之父哈比萨斯在自己的推特写道：“简直不敢相信，根据AlphaGo的判断，柯洁现在下得非常完美。”
之前一直有AlphaGo不擅长打劫的传言，但本局中，面对柯洁引爆的劫争，AlphaGo处理得非常得当，根本没有回避打劫之举。
在左下角的劫争中，柯洁的一步失误，顿时让局势无可挽回。柯洁在进行了近20手的尝试后，于155手投子认输。
这一局棋的震动也是无可比拟的。在赛后发布会上，双方都承认，当天的棋局，在前面，AlphaGo根本没有显示出胜率优势。DeepMind方也表示：“柯洁在比赛中拥有了很多机会，AlphaGo一度无法处理……我们作为开发者，从来没有见过AlphaGo出现这么势均力敌的情况。”
这可以说是，迄今为止，人类棋手在和AlphaGo的对弈中，最精彩的一局。
3、面对劣势时AlphaGo怎么办？认输、逼队友认输……
之后的最有趣和最令人懵逼的一幕，则出现在昨日的配对赛中。这场赛制规定，两名中国棋手古力、连笑将分别和AlphaGo组队，双方对垒。
之前，很多人猜测过，AlphaGo会不会有故意输掉比赛、或者下臭棋的可能。那么，当AlphaGo真正面对劣势时，它是怎么处理的？这场比赛或许会告诉你答案。
在对决即将结束之时，与古力搭档的AlphaGo决定投子认输，古力却拒绝了AlphaGo的要求，仍坚持鏖战。而之后，AlphaGo的棋路变得越来越消极，最终，古力在不可逆转的情势下，也只得认输。
不管你如何认为，但明显，AlphaGo已经成为了控制棋局的关键。
现在的AlphaGo有多强大？
或许，关于AlphaGo的很多问题，可以在DeepMind对其算法的讲解中得到解释。
早在去年，AlphaGo就已经以4:1战胜过李世乭。而在今年年初，Master横空出世，在弈城和野狐两大围棋网站上，和各国顶尖棋手快棋对弈，最后以60：0的战绩横扫棋坛。而赛后，Master自揭真身，正是AlphaGo的最新版本。
而这次在乌镇和柯洁对弈的，正是Master。年初的对弈中，柯洁已经在快棋上，败给了它。
AlphaGo Master和战胜李世乭的AlphaGo Lee相比，有哪些区别？第一局赛后，DeepMind首席科学家席尔瓦在演讲中透露，去年与李世乭对战的AlphaGo Lee有50个TPUs在运作，搜索50个棋步为10000个位置/秒，而昨天打败柯洁的AlphaGo Master则是在单个TPU上进行游戏，计算量只是去年那个版本的十分之一。
和柯洁对战的是年初战胜60位高手的AlphaGo Master。
目前的AlphaGo是单机版。
配备了4块TPU。
与去年3月与李世石的比赛时相比，当前的版本在处理计算时所消耗的能量仅为过去的十分之一。
目前，与柯洁对战的AlphaGo Master的等级分已经接近了4800分。
现在的AlphaGo采用强化学习，让人工智能进行自我博弈，产生更强的神经网络。这一次AlphaGo用自我对弈训练出的策略网络，可以做到不需要更多运算，直接给出下一步的决策。
相比之下，现在的AlphaGo比去年击败了李世石那一版的AlphaGo Lee相比要“强三子”。
4块TPU，单机版，完虐了人类。而“强三子”的概念是什么？让柯洁的反应来告诉你。
如果说打败了李世乭的AlphaGo是利用卷积神经网络，让它了解规则、了解棋局，从而进行处理，那么，现在的AlphaGo，就增强了“思考”能力，并且，可以自学成才了。
在这次赛前，很多媒体报道，此次参战的 AlphaGo 2.0 可能采用了全新的算法模型，放弃了监督学习，即未先学习人类棋谱的经验，而是直接通过对战来获得认知和能力。但哈比萨斯在赛后发布会上回答，这明显是个误解。AlphaGo还是要学习人类经验，但这个版本的AlphaGo更依赖自我博弈来学习。
如何让AlphaGo进行监督学习和强化学习，席尔瓦解释，是让AlphaGo先通过训练形成一个策略网络，将棋盘上的局势作为输入信息，并对所有可行的落子位置生成一个概率分布。然后，训练出一个价值网络，以 -1(对手的绝对胜利)到1(AlphaGo的绝对胜利)的标准，预测所有可行落子位置的结果。也就是说，在这个过程中， AlphaGo不仅会算出自己的最优选项，还会根据自己下过的棋，经过多层处理形成一个“值”，值高意味着自己赢，低意味着对手赢，并在棋局中的某一步判断是否是关键的一步。
并且，AlphaGo的搜索算法能在计算能力之上，加入和人类直觉近似的判断，让它更接近人脑。
为什么选择棋牌？
那么，为什么科学家都执着于让机器和棋牌类游戏过不去呢？让一个电脑学会下棋，对我们究竟有什么好处？
原因很简单。首先，棋牌类是人类智力活动的象征，它的宣传和号召能力自然也是其他运动所不能比拟的。
其次，自然是因为棋类非常适合作为AI算法的标杆。机器和人对弈，是一个博弈的过程，它具有抽象的特性，而棋牌游戏的规则非常明确，状态显示则比较明确。
而在棋牌类中，围棋是非常难以攻克的一类。我们都知道，搜索算法的复杂程度取决于分支系数——每一步棋可能的走法。相比起来，国际象棋的平均分支因子大约是35，而围棋的平均分支因子为250，一局步数为350步，搜索树有250^350个节点，需要更加复杂和先进的搜索算法。在1997年之前，就没有出现过有竞争力的围棋程序。
而战胜众多棋手的AlphaGo，使用的是蒙特卡洛树搜索算法，借助值网络（value network）与策略网络（policy network）这两种深度神经网络，通过值网络来评估大量选点，并通过策略网络选择落点。
神经网络系统是以人类大脑为原型的信息处理模式，可以根据特定的输入产生特定输出，并实现图片识别、语音识别等功能。谷歌做了两个神经网络，一个神经网络用于动态评估——计算对手下一步棋落子的各自可能性，依靠计算机远远超过棋手的计算能力，在某种程度上会占据一定优势。另一个神经网络用于静态评估——评估棋局交战双方总体态势。
谷歌输入了海量棋谱，让AlphaGo以此为基础进行了难以计数的自我对局，以丰富其数据库，预测对手的落子。
AlphaGo胜利后，今年1月，在美国宾夕法尼亚，卡内基梅隆大学开发的德州扑克人工智能系统Libratus击败了四名顶尖人类高手，一举获得了20万美元将近和177万美元筹码。
德扑和AlphaGo所擅长的围棋不同。围棋、国际象棋和西洋双陆等被AI逐个攻破的游戏，都是“完美信息”游戏。也即是，所有玩家在游戏中，能够获得公开和对称的确定信息。游戏中需要作出的决策点的数量，决定了机器的计算量。
而与之相比，德扑则是“不完整信息”游戏。其中包含了更多的隐藏信息，每个玩家掌握的信息都是不对称的，他只能看到自己的牌，却不知道对手的牌，需要根据直觉推测对手手牌，选择下注和放弃，并判断对手的打法。因此，“不完整信息”博弈，就成为难以攻克的计算机难题。
而Libratus，基于在匹兹堡超级计算中心大约1500万核心小时的计算，用算法分析德扑规则，预测所有步骤的胜率，来进行自己的下一步。和AlphaGo用大量棋局做训练不同，它没有用专业牌局进行神经网络训练，而是用随机生成的牌局（随机产生公共牌、底池筹码、玩家拿牌概率）和尝试性的动作带来的结果（在随机生成的输入情况下模拟玩家跟牌后的结果）来作为训练数据。Libratus还采用了博弈论，它通过纳什均衡来计算如何应对对手的招数，通过平衡风险和收益，对自身的下一步进行修正，以期达到收益最大化。其程序名Libratus，就是来源于拉丁文“制衡”。
是的，所以，你知道，风靡我国的“国民运动”麻将，就是不完美信息博弈的一种。目前虽然已经有比较强的AI，但是和人类顶尖高手相比，还是有较大的差距。
柯洁之后，或许我们可以期待一场高水平的麻将人机大赛。
但据微软亚洲研究院研究员杨懋和秦涛的文章，最难被AI攻克的，还是星际争霸和我的世界这类游戏。它们不仅信息不对称，而且游戏规则是开放性的。除了运行速度上占优势外，计算机还还需要处理不断出现的复杂的新情况。现在，计算机还没有在这些游戏中证明过自己的能力。
AlphaGo下完棋能做什么？
“AlphaGo 赢了李世石，so what？下围棋本来的乐趣就是对方下一把臭棋，结果机器不会下臭棋，那还有什么意思呢？”
——by：马云
所以，我们可以意识到，棋牌类游戏，对于人工智能而言，是一种早期的演练。或许它能够让游戏更有趣味，会挑战专业棋手的价值，会引发很多人的思考和恐惧，但是，AlphaGo，或者说DeepMind，它的最终目标不仅仅是下棋。DeepMind的最终目标，还是智能助手、医疗和机器人等领域。
谷歌现在有两套人工智能系统，包括谷歌的机器学习开发者工具TensorFlow，以及DeepMind的AlphaGo系统，AlphaGo未来将计划应用在医疗看护、自动驾驶车等部分。
在乌镇的人工智能峰会上，Alphabet 董事长 Eric Schmidt谈到机器学习和人工智能引领了“智能时代”的发展，他表示：“神经网络和深度学习的爆发是我所经历过的最大变革”。他还表示，这些新技术不仅提升了日常的生产效率，更为企业带来了无限机遇，尤其是在“医疗、交通以及政务”等领域。而谷歌的各项AI研究成果，也在这场交流中向国内观众做了完全的展示。
比如机器学习在消费产品中的应用，包括 Google Photos以及Gmail。以 Google Photos最新版本为例，通过机器学习技术，可以将照片中的雨滴去除，并为照片添加滤镜，使其拥有与知名艺术作品一般的效果。
还比如，如何利用电脑工具帮助缺乏医疗资源的国家更广泛地进行眼疾诊断，这其中就包括了印度。印度拥有13亿人口，总计缺少 127,000 名眼科医生。Google 的机器学习模型诊断眼疾的准确率，甚至略微高于一些通过美国认证委员会认证的眼科医生。这个技术还有很大的潜能可以应用到其它疾病的诊断，例如斯坦福的研究者近期已经开始使用 TensorFlow 利用图像进行皮肤癌的诊断。
TensorFlow 是现在 GitHub 上世界第一的机器学习知识库，其使用增长率远远高于其它同类型平台。比利时公司Connecterra 就将TensorFlow 应用到了牧场当中，而澳大利亚的研究者则将此项技术用于判断海牛种群的健康状况。
Google 翻译也用到了TensorFlow。随着神经网络机器翻译的引入，翻译结果有了显著提高。同时，结合了“计算机视觉”使得 Google 翻译 App 能够利用手机摄像头进行即时图像翻译，这项功能正是通过TensorFlow 在移动设备上的版本来实现的。在文艺领域，还有“Portrait Matcher” ，一个可以利用摄像头将你的面部特征与类似艺术品匹配的功能。
柯洁战后说：“未来是人工智能的。”而人工智能，终究是人类所开发的。
暂时我们也不必担忧，人类将被机器所完全取代和统治。李开复的答案是，人工智能目前只有在符合以下三个前提的领域里，将全面战胜人类：
第一，有海量的数据；
第二，数据有标准；
第三，单一领域。
在前不久的IT领袖峰会上，李彦宏也说：“强人工智能时代，也许永远不会到来。”
也许，机器并不值得我们去恐惧。但真正可怕的事实，其实是，我们并不知道，人类会将它推向哪一步……
欢迎关注黑智
匿名用户
