谷歌機(jī)器學(xué)習(xí)獲重大突破

　　谷歌昨日召開(kāi)全球電話會(huì)議，旗下Deep MInd創(chuàng)始人戴密斯·哈薩比斯（Demis Hassabis）宣布了谷歌在人工智能領(lǐng)域的重要進(jìn)展：開(kāi)發(fā)出一款能夠在圍棋中擊敗職業(yè)選手的程序——AlphaGo，后者能夠通過(guò)機(jī)器學(xué)習(xí)的方式掌握比賽技巧。

　　計(jì)算機(jī)和人類競(jìng)賽在棋類比賽中已不罕見(jiàn)，在三子棋、跳棋和國(guó)際象棋等棋類上，計(jì)算機(jī)都先后完成了對(duì)人類的挑戰(zhàn)。但對(duì)擁有2500多年歷史的圍棋而言，計(jì)算機(jī)在此之前從未戰(zhàn)勝過(guò)人類。圍棋看起來(lái)棋盤(pán)簡(jiǎn)單、規(guī)則不難。棋盤(pán)縱橫各19九條等距離、垂直交叉的平行線，共構(gòu)成19&TImes;19（361）個(gè)交叉點(diǎn)。比賽雙方交替落子，目的是在棋盤(pán)上占據(jù)盡可能大的空間。

　　在極簡(jiǎn)主義的游戲表象之下，圍棋具有令人難以置信的深度和微妙之處。當(dāng)棋盤(pán)為空時(shí)，先手擁有361個(gè)可選方案。在游戲進(jìn)行當(dāng)中，它擁有遠(yuǎn)比國(guó)際象棋更多的選擇空間，這也是為什么人工智能、機(jī)器學(xué)習(xí)的研發(fā)者們始終希望在此取得突破的原因。

　　就機(jī)器學(xué)習(xí)的角度而言，圍棋的計(jì)算最大有3^361 種局面，大致的體量是10^170，而已經(jīng)觀測(cè)到的宇宙中，原子的數(shù)量才10^80。國(guó)際象棋最大只有2^155種局面，稱為香農(nóng)數(shù)，大致是10^47。

　　傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹(shù) ，但這種方法對(duì)圍棋并不適用。此次谷歌推出的AlphaGo，將高級(jí)搜索樹(shù)與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起。這些神經(jīng)網(wǎng)絡(luò)通過(guò)12個(gè)處理層傳遞對(duì)棋盤(pán)的描述，處理層則包含數(shù)百萬(wàn)個(gè)類似于神經(jīng)的連接點(diǎn)。

　　其中一個(gè)神經(jīng)網(wǎng)絡(luò)“決策網(wǎng)絡(luò)”（policy network）負(fù)責(zé)選擇下一步走法，另一個(gè)神經(jīng)網(wǎng)絡(luò)“值網(wǎng)絡(luò)”（“value network）則預(yù)測(cè)比賽勝利方。谷歌方面用人類圍棋高手的三千萬(wàn)步圍棋走法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，與此同時(shí)，AlphaGo也自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò)之間運(yùn)行了數(shù)千局圍棋，利用反復(fù)試驗(yàn)調(diào)整連接點(diǎn)，這個(gè)流程也稱為鞏固學(xué)習(xí)（reinforcement learning）。通過(guò)廣泛使用Google云平臺(tái)，完成了大量研究工作。

　　征服圍棋對(duì)于谷歌來(lái)說(shuō)有重要意義。AlphaGo不僅是遵循人工規(guī)則的“專家”系統(tǒng)，它還通過(guò)“機(jī)器學(xué)習(xí)”自行掌握如何贏得圍棋比賽。谷歌方面希望運(yùn)用這些技術(shù)解決現(xiàn)實(shí)社會(huì)最嚴(yán)峻、最緊迫的問(wèn)題——從氣候建模到復(fù)雜的災(zāi)難分析。

　　在具體的機(jī)器訓(xùn)練上，決策網(wǎng)絡(luò)的方式是輸入人類圍棋專家的比賽，到系統(tǒng)可以預(yù)測(cè)57%人類行動(dòng)為止，此前最好成績(jī)是44%。此后AlphaGo通過(guò)在神經(jīng)網(wǎng)絡(luò)內(nèi)部進(jìn)行比賽的方式（可以簡(jiǎn)單理解成和自己下棋），開(kāi)始學(xué)習(xí)自主探索新的圍棋策略。目前AlphaGo的決策網(wǎng)絡(luò)可以擊敗大多數(shù)具有龐大搜尋樹(shù)的最先進(jìn)的圍棋程序。

　　值網(wǎng)絡(luò)也是通過(guò)自己和自己下棋的方式來(lái)訓(xùn)練。目前值網(wǎng)絡(luò)可以評(píng)估每一步棋能夠有多大勝算。這在此前被認(rèn)為是不可能的。

　　實(shí)際上，目前AlphaGo已經(jīng)成為最優(yōu)秀的人工智能圍棋程序。在與其他程序的對(duì)弈中，AlphaGo用一臺(tái)機(jī)器就取得了500場(chǎng)的勝利，甚至有過(guò)讓對(duì)手4手后獲勝的紀(jì)錄。去年10月5日-10月9日，谷歌安排AlphaGo與歐洲圍棋冠軍Fan Hui（樊麾：法國(guó)國(guó)家圍棋隊(duì)總教練）閉門比賽，谷歌以5-0取勝。

　　公開(kāi)的比賽將在今年三月舉行，AlphaGo將在韓國(guó)首爾與韓國(guó)圍棋選手李世石九段一決高下，李世石是近10年來(lái)獲得世界第一頭銜最多的棋手，谷歌為此提供了100萬(wàn)美元作為獎(jiǎng)金。李世石表示很期待此次對(duì)決，并且有信心獲得勝利。

　　值得一提的是，上一次著名的人機(jī)對(duì)弈要追溯到1997年。當(dāng)時(shí)IBM公司研發(fā)的超級(jí)計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝了國(guó)際象棋冠軍卡斯巴羅夫。不過(guò)國(guó)際象棋的算法要比圍棋簡(jiǎn)單得多。國(guó)際象棋中取勝只需“殺死”國(guó)王，而圍棋中則用數(shù)子或比目的方法計(jì)算勝負(fù)，并不是簡(jiǎn)單地殺死對(duì)方棋子。此前，“深藍(lán)”計(jì)算機(jī)的設(shè)計(jì)人2007年發(fā)表文章指出，他相信十年內(nèi)能有超級(jí)電腦在圍棋上戰(zhàn)勝人類。

　　此外，AlphaGo的發(fā)布，也是Deep MInd在2014年1月被谷歌收購(gòu)以來(lái)首次發(fā)聲。在被收購(gòu)之前，這家位于倫敦的人工智能領(lǐng)域的公司還獲得了特斯拉和SpaceX創(chuàng)始人馬斯克的投資。