阿尔法首次复盘人机大战  自评等级分远超柯洁

　　AlphaGo之父十年磨一剑

　　似乎在一夜之间，机器选手战胜了人类最顶尖围棋选手。但是，对于席尔瓦来说，人工智能围棋耗时十几年，最终不过是水到渠成。

　　作为AlphaGo的幕后团队的技术主管，也是谷歌DeepMind团队最重要的科学家之一，席尔瓦还身兼UCL大学的教职，是该校计算机系的教授，教授“强化学习”的课程。

　　席尔瓦是在加拿大阿伯塔大学获得博士学位，师从世界上首屈一指的“强化学习”大师理查德·萨顿（Richard S.Sutton）研究强化学习算法，后来在另一座科技圣殿美国麻省理工学院从事博士后研究。

　　在攻读博士以及博士后工作期间，席尔瓦一直致力于强化学习在围棋人工智能上的研究。到英国UCL大学计算机系执教以后，他还经常拿围棋作为授课的应用实例。  

　　席尔瓦的课程开始听的人并非很多。三年前，我曾上过他的课程。有一次因故迟到了20分钟，当时的教室里仍然可以找到座位。现在，随着他加入到Deepmind团队，尤其是他掌舵AlphaGo项目名声大噪，他的课程也开始广受欢迎，迟到的人基本上只能站着听课了。 

　　加 入DeepMind之前，席尔瓦即已开始和CEO戴密斯·哈萨比斯（Demis Hassabis）共同研究强化学习。哈萨比斯在UCL拿到了神经学博士学位。两个人都痴迷于游戏，哈萨比斯少年时曾经是英国国际象棋队队长，在13岁便已经获得国际象棋大师的头衔，青年时自创游戏公司，而席尔瓦则长期对围棋情有独钟。

　　2014年初，在被谷歌收购之前，DeepMind即开始与UCL洽谈，希望能买断席尔瓦的工作时间。这样可以保留他在大学的教职的同时，还可以让他在DeepMind全心工作。

　　加盟DeepMind之后，席尔瓦成立了20个人的AlphaGo团队，专门研究围棋人工智能。汇集整个团队的力量，他要求在技术研发的每一个环节上都追求极致。AlphaGo团队成员就透露，有的智能模块在谷歌团队看来已经很完美了，但是席尔瓦却仍认为不及格，离完美还差很远。

　　长期专注于人工智能与围棋项目，在技术方面追求极致，再加上势大财雄的谷歌的团队配合，最终成就了AlphaGo的骤然爆发。

　　复盘谷李大战

　　复盘是职业围棋选手经常做的一件事，他们相信总结过去一盘棋的经验和教训，可以提高自己的棋艺。

　　AlphaGo团队也做了复盘，通过几张幻灯片的形式，席尔瓦复盘了这5场比赛的胜负关键处，而在场的听众被禁止拍照。

　　第一盘的胜负关键处是，AlphaGo执白棋第102手打入黑空，职业高手们普遍认为这是一招险招，看上去李世石对此也早有准备。事后看，棋局的进程却是李世石应对有误，进入到了AlphaGo的计算步调中。再下了几手棋之后，AlphaGo已经优势明显。

　　第二盘棋的开局不久，AlphaGo就下出了职业棋手们普遍认为不妥的一手棋。席尔瓦称其为反人类（unhuman）一手——第37手5路肩冲。观战的多数职业高手认为这不太成立，超出了职业高手们正常的行棋逻辑。

　　随后的进程，这手棋的价值逐渐闪现，李世石又一次输得毫无脾气。

　　席尔瓦解释道：“多数评论员都第一时间批评这一步棋，从来没有人在这样的情况下走出如此一着。在胜负已定之后，一些专业人士重新思考这一步，他们改口称自己很可能也会走这一着。”

　　而在AlphaGo看来，当时只是一步很正常的走子选择而已。

　　对于第一盘棋和第二盘棋，许多职业围棋选手以及媒体分析都认为，AlphaGo逆转取胜，但是在AlphaGo自身的价值网络所做的实时胜率分析看来，自己始终处于领先。在AlphaGo获胜的4盘中，AlphaGo系统自有的胜率评估始终都是领先李世石，从头到尾压制直到最终获胜。

　　第三盘和第五盘，AlphaGo 都是在棋局刚开始不久，就已经取得了明显优势并持续提高胜率直到终局。与职业棋手根据经验所做的胜负判断不同，AlphaGo的自有胜率评估是基于一个价值模块，做出对棋局胜负的预计。

　　这两种判断截然不同。当第五盘右下角的争夺错综复杂时，AlphaGo选择脱先，转而落子在其他位置。不少职业棋手认为，AlphaGo在此犯错并落后了，但AlphaGo的选择却是依据全局最优估计而做出的。

　　以几局的成败论，AlphaGo的这种判断似乎更为准确。突破了职业棋手对围棋的传统的理解范畴，不再局限于棋手多年培养出来的围棋直觉和套路定式，会选择探索职业棋手正常不愿意考虑的招数。AlphaGo在人类棋谱学习的基础上，还进行了大量的自我对弈，从而研究出了一些人类从未涉及到的走法。

• 上一页
• 1
• 2
• 3
• 4
• 下一页
• 全文阅读