AlphaGo是故意在官子階段退讓的嗎？

今天將進(jìn)行柯潔和AlphaGo對弈三番棋的最后一局，下午對局結(jié)果出來后，恐怕再鮮有這樣的人機(jī)對弈了。

在這之前，AlphaGo已經(jīng)和柯潔對弈過兩局，和古力、連笑配對賽一局、和五大高手團(tuán)隊賽一局。四局比賽均是AlphaGo勝，棋下到這，AlphaGo開始展現(xiàn)出了更多讓人疑惑不解的下棋風(fēng)格。

比如官子退讓。

AlphaGo在中盤走棋的風(fēng)格都是很強(qiáng)勢的，但是到了官子階段，表現(xiàn)往往大跌眼鏡。

到底是Bug還是“故意放水”，我們先了解一下這個讓狗非常糾結(jié)“官子”到底是什么。

所謂官子，也就是收官的意思，“收官”這個詞也是這么來的，跟一場球、一個大會、甚至一個自然年一樣，一場圍棋進(jìn)入官子階段的時候，就是快要結(jié)束的時候，這個時候，大局基本已定，只需要處理一些零碎的事物。對于一盤棋來說，就是處理一些零碎的空地。專業(yè)點的說法也叫“詳細(xì)點目”。

下圍棋就是一個占地盤的過程，每走一步棋的目的，都是希望能擁有更大的地盤。等到棋越下越多，大的空地已經(jīng)被搶完，雙方就要從小的空地入手，這時候就是在收官子。

雖然中盤被認(rèn)為是確立勝負(fù)的關(guān)鍵，但高手對弈的時候，即便在官子階段也不會掉以輕心，因為棋沒有下到最后一步，誰也不知道會發(fā)生什么，對手隨時有可能在官子翻盤。

在23日和柯潔對弈的第一局比賽的官子階段，面對柯潔的強(qiáng)硬招數(shù)，AlphaGo反而一改之前的兇悍，變得非常保守，能讓的子都讓了。

在26日的團(tuán)隊賽中，面對五位圍棋高手，AlphaGo依然取勝，但是仍在官子階段給了對手機(jī)會，并且規(guī)避一切復(fù)雜變化。甚至在小官子階段走出了看起來完全沒用的棋，被團(tuán)滅的五大棋手哭笑不得，甚至代為執(zhí)棋的黃博士都忍不住要笑了。

這不是AlphaGo第一次出現(xiàn)這種“事故”。

今年一月AlphaGo化身Master鍵盤俠在網(wǎng)上橫掃各大高手的時候，就常在官子階段退讓，羋昱廷和樸廷桓都曾僅以半目惜敗。這造成人類棋手在官子階段比AlphaGo強(qiáng)的印象：失了中盤，也總能在官子追回一二吧。

此前日本圍棋老將趙治勛和日版阿法狗DeepZenGo進(jìn)行對局的時候，柯潔就在微博上給趙治勛提建議：

“和AlphaGo擁有同樣技術(shù)的ZenGo，私底下我有一定的了解。我其實一直在研究、與別人探討，深度學(xué)習(xí)技術(shù)的計算機(jī)到底有何弱點，也親自實戰(zhàn)過。如果趙老能看的見我的微博，請留心我的建議：無論局面如何都不要認(rèn)輸，拖到官子，刮爆它。”

在Zen的身上，柯潔認(rèn)為官子階段是弱點。

但也有很多人認(rèn)為，在官子階段，人類棋手雖然還在對棋盤上剩下的領(lǐng)地焦灼，但是狗已經(jīng)認(rèn)準(zhǔn)了自己能贏。所以才一再退讓，狗其實就是故意在讓子。

至于狗為什么會在官子處處退讓，大家此前有很多猜測，不過大致集中在兩個方向上：

猜想一：你們都以為圍棋下到官子就簡單了，但實際官子才是對AI來說最難的。

人的“棋感”是多年的走棋的經(jīng)驗判斷，AlphaGo的“棋感”則是神經(jīng)網(wǎng)絡(luò)訓(xùn)練的結(jié)果。首先通過策略網(wǎng)絡(luò)縮小落子的選擇范圍，然后通過窮舉搜索模擬走棋到一定程度，這時候會生出許多可能性的分支。

但是這些分支太多，即便對于能力再強(qiáng)大的計算機(jī)來說也是過重的負(fù)擔(dān)，所以要進(jìn)行“剪枝”，通過價值網(wǎng)絡(luò)評分，權(quán)衡比較，剪掉沒用的支，選擇一個最能贏的點。

在布局和中盤階段，棋子落在不同的地方，導(dǎo)致的后果是很不一樣的，長枝和短枝差得多，剪起枝來非常方便，同時計算的負(fù)擔(dān)也會小很多。

但是官子帶來的困惑就多了，官子階段，棋盤上到處都是棋子，到處都是子力(每一個棋子給外界帶來的影響)。對于算法來說，可以選擇的點越來越多，并且這些點之間的差距越來越小。

所以，看似棋局接近尾聲，對于人類棋手來說，可能棋局是越來越明朗，但是對于對于算法來說是越來越困惑。

在這個時候如果盲目剪枝，就可能會遺漏有價值的落子點。但是如果擴(kuò)大選擇范圍，又會帶來大量搜索和計算的負(fù)擔(dān)。

最后導(dǎo)致AlphaGo在官子階段漏洞百出。

猜想二：狗的策略是“贏不貪多”。

AlphaGo尋求的是簡明處理，也就是說，在模擬出來的眾多勝利之路中，找到第一條勝率更大的路一直走到黑。

可以假設(shè)，AlphaGo在棋盤上找到了1000種贏的可能，但是有990種都是只贏半目，只有10種可以贏十目。

按照既定的策略，也就是價值網(wǎng)絡(luò)評分的標(biāo)準(zhǔn)，狗會選擇最保守但能確保獲勝的那990種棋。贏的多少，并沒有作為AlphaGo價值判斷和打分的目標(biāo)。

如果一個點收官可能贏50目但有50%的幾率崩盤，另一個點可以贏5目但100%取勝，勝率優(yōu)先原則永遠(yuǎn)是后者，不是故意退讓。

到底AlphaGo如何能保持精準(zhǔn)的只贏半目，在25日第二局比賽結(jié)束的發(fā)布會上，DeepMind創(chuàng)始人Demis Hassabis給出了標(biāo)準(zhǔn)答案：

“第一盤棋的官子階段，AlphaGo在做的只是讓自己的勝率最大化，因此在比賽的最后階段，可能會在某些局部的點做一些放棄，AlphaGo只是專注于勝率，其它并不重要。 ”

所以正確答案是猜想二，包含一些猜想一的猜測，整個狗在下整盤棋的時候，是一個很復(fù)雜的計算過程，但是它的目標(biāo)是很簡單的，就是保證能贏，為此可以放棄一些局部。

甚至可以反過來應(yīng)用這個規(guī)律，只要在官子階段狗開始步步退讓，就說明它已經(jīng)贏了。

所以為什么不在AlphaGo的程序中寫入一個“贏越多越好”的目標(biāo)呢?

被當(dāng)做故意放水，狗也很委屈，如果想要保證每盤即能贏，又能贏得多，還要看工程師是否能加上一個“贏幾目”的補(bǔ)丁了。

等等，這樣的補(bǔ)丁原來也是有的!

有一種叫做Dynamic Komi的東西，翻譯過來叫做動態(tài)貼目。這個補(bǔ)丁的用途，簡單來說就是防止電腦在被讓子時下出太保守的棋，AlphaGo的團(tuán)隊曾在一篇論文《Mastering the game of Go with deep neural networks and tree search》中明確指出Alpha Go沒有使用動態(tài)貼目。

論文沒有指明原因，但是試用過動態(tài)貼目的人表示，動態(tài)貼目很容易下出漂亮的棋，但是會導(dǎo)致勝率降低。

所以，和人類棋手想要下手漂亮棋不同，狗被設(shè)定的目標(biāo)是贏就行了，隨便贏成什么樣。

但是AlphaGo也不總是能贏的，26日上午，它就下了一場必輸?shù)钠?，但不是故意輸?shù)摹?/p>

昨天上午進(jìn)行了一場配對賽：對弈雙方分別為古力九段和連笑九段，并會各自配一個AlphaGo外掛，和自己輪流執(zhí)棋。這就是說，不管輸?shù)氖悄姆?，都有AlphaGo的份。

這場比賽開始古力一方占據(jù)優(yōu)勢，連笑進(jìn)入了讀秒階段，現(xiàn)場講棋甚至已經(jīng)準(zhǔn)備好了結(jié)束語。但這個時候局勢突然逆轉(zhuǎn)，連笑一方逐漸追趕，步步緊逼，古力眼前煮熟的鴨子就這么飛了。面對這樣的局勢，古力的AlphaGo選擇舉牌投降，但是被古力拒絕!被拒絕后的狗開始亂走棋，以示抗議——其實是因為計算走哪里都是輸，所以就放棄了進(jìn)一步計算，反而顯得“智障”——最后古力還是自己舉牌投降了。

古力賽后解釋為什么拒絕AlphaGo認(rèn)輸?shù)囊?，表示自己也是有小情緒的：“當(dāng)時我覺得我下的還可以呀。”

古力說，如果AlphaGo會說話的話，可能會說：古力呀，你下的這都什么棋……

最后古力認(rèn)輸，則是因為提出認(rèn)輸后的AlphaGo一直送子，不能忍。

AlphaGo認(rèn)為古力沒有能力，古力認(rèn)為AlphaGo沒有情懷。

人生的博弈也是這樣，輸贏不是最重要的，但狗生的博弈就是要贏!所以別想著讓狗狗放水一局了，如果贏了，那肯定是柯潔同學(xué)太努力。