機器人闖進了圍棋界,？

《自然》雜志27日發(fā)文，圍棋電腦軟件“AlphaGo”(以下稱“阿爾法圍棋”)打敗了職業(yè)棋手,，震撼了國際棋壇,。這個軟件由谷歌旗下的人工智能（AI）開發(fā)商“DeepMind”所研發(fā)，所以這個消息也令人工智能科學家們感到震撼,。

自然雜志封面

這款名為“阿爾法圍棋”的人工智能,，在沒有任何讓子的情況下以5:0完勝歐洲冠軍，職業(yè)圍棋二段樊麾,。

你可能想到了1997年計算機程序“深藍”和國際象棋大師卡斯帕羅夫的世紀之戰(zhàn),。在那次比賽中,，卡斯帕羅夫輸給了這個IBM開發(fā)的計算機程序。這是人工智能歷史上的劃時代事件,。

而這次比賽的意義毫不遜色,。

1997年,，當IBM深藍計算機在象棋上稱霸時,，它使用的是手工編碼的規(guī)則，在搜索時將窮盡所有可能發(fā)生的步法,。Alpha Go從本質(zhì)上則是隨著時間而學習的,，可以識別出可能具有優(yōu)勢的模式，然后模擬出數(shù)量有限的潛在結(jié)果,。

完成這個成就有多難,？

東方的圍棋被認為更加復雜，更加需要棋手難以置信的直覺,。

國際象棋中,，平均每回合有35種可能，一盤棋可以有80回合,；相比之下,，圍棋每回合有250種可能，一盤棋可以長達150回合,。

就博弈的局面來講,，一般認為國際象棋為10的123乘方，而圍棋則有10的360乘方以上,。這導致軟件來不及列舉出所有能贏的方案,，導致不敵職業(yè)棋手。

所以,，在此前的比賽中,，圍棋AI一般和業(yè)余段位的棋手比賽，而且人類選手都會讓子,。但是“阿爾法圍棋”的對手是法國國家圍棋隊教練,、歐洲圍棋冠軍，而且沒有讓子,。

阿爾法圍棋是怎么做到的,？

DeepMind團隊表示，“阿爾法圍棋”的關(guān)鍵在于使用的深度神經(jīng)網(wǎng)絡,。

在這樣的網(wǎng)絡中,，如果你將足夠多的關(guān)于樹木的照片輸入進去，它們就能學會識別出一棵樹,。如果輸入足夠多的對話,，它們就能學會如何進行一段得體的對話,。如果輸入足夠多的圍棋走法，它們就能學會下圍棋,。

實際上,，在“阿爾法圍棋”中有兩種不同的神經(jīng)網(wǎng)絡：“策略網(wǎng)絡”（policy network）和“值網(wǎng)絡”（value network）。

它們的任務在于合作“挑選”出那些比較有前途的棋步,，拋棄明顯的差棋,，從而將計算量控制在計算機可以完成的范圍里，本質(zhì)上和人類棋手所做的一樣,。

“阿爾法圍棋”利用這兩個工具來分析局面，判斷每種下子策略的優(yōu)劣,，就像人類棋手會判斷當前局面以及推斷未來的局面一樣,。這樣“阿爾法圍棋”在分析了比如未來20步的情況下，就能判斷在哪里下子贏的概率會高,。

也有許多專家相信，人類掌握圍棋的秘訣在于模式識別——通過棋子組成的圖形形狀來判斷優(yōu)勢和弱點,，而不是預測幾步棋后的走向。

也正是因為這個原因,，模式識別算法的最新進展有可能會大大改進計算機的表現(xiàn),。新算法利用大型的圖片數(shù)據(jù)庫,，訓練深度卷積神經(jīng)網(wǎng)絡（deep convolutional neural networks）來識別物體和面孔。這一網(wǎng)絡借鑒了人腦的信息處理機制,，與人腦的神經(jīng)結(jié)構(gòu)有相似之處,。

因此，可以預想,，這樣的算法用在圍棋棋局自動評估上，也能發(fā)揮巨大的作用,。

根據(jù)研發(fā)者的介紹,，這種神經(jīng)網(wǎng)絡可以自主學習，而非傳統(tǒng)的對人工智能進行“監(jiān)督訓練”的算法,。

此外，AI很容易通過大量的訓練積累足夠多的經(jīng)驗,。人類或許一年可以下1000局圍棋,，但AI一天就能玩100萬局,，不會疲勞。

所以理論上來講,，只要“阿爾法圍棋”經(jīng)過足夠的訓練,，就可以擊敗所有的人類選手。

李世石

今年3月,，“阿爾法圍棋”將挑戰(zhàn)全球頂級的韓國九段棋手李世石,，獎金是100萬美元。李世石表示：“（人工智能）厲害得讓人吃驚,，聽說一直在進化,，不過我有信心取勝。”

微博網(wǎng)友表達了無奈的釋然：“只要是存在規(guī)則的game,，隨著計算能力的提升和算法的優(yōu)化,，最終人類一定會敗給電腦。 而人類的能力在于面對沒有已知規(guī)則的困局,，能夠創(chuàng)造出路走出泥潭,。”

人工智能一日千里 未來應用：語音識別、自動駕駛

相對于棋盤上的勝負,，人工智能一日千里的進展更加激動人心,。

《自然》雜志將“阿爾法圍棋”的成果歸功于“深度學習”（Deep Learning）。

深度學習是目前人工智能領(lǐng)域中最熱門的科目,，它能完成筆跡識別，面部識別,，駕駛自動汽車,，自然語言處理，識別聲音,，分析生物信息數(shù)據(jù)等非常復雜的任務,。

2006年之后，深度學習實際使用多于三層的神經(jīng)網(wǎng)絡,，即深度神經(jīng)網(wǎng)絡,。這是復雜的非線性模型，擁有復雜的結(jié)構(gòu)和大量的參數(shù),，有非常強的表示能力,，特別適合于復雜的模式識別問題。

這種能力在“阿爾法圍棋”身上就體現(xiàn)的很充分,。另外,，這一能力將能幫助人類在未來揭示豐富的信息，并對未來或未知事件做出更精準的預測。

這些能力也是自動駕駛的汽車,、Siri 等語音識別技術(shù)以及Face.com（Facebook 最近獲得的面部識別軟件）的基礎,，越來越精準的翻譯軟件也歸功于這樣的AI技術(shù)。

谷歌高級工程師也還預測神經(jīng)網(wǎng)絡會在其他科學領(lǐng)域扮演重要工具,，例如在基因行為預測,，藥物，蛋白質(zhì),，新的醫(yī)療方案等,。

果殼網(wǎng)寫下了一段意味深長的評論：“AI一定會進入我們的生活，我們不可能躲開,。這一接觸雖然很可能悄無聲息,，但意義或許不亞于我們第一次接觸外星生命。”

人工智能飛躍史

1950年,，計算機科學先驅(qū)阿蘭·圖靈預測到2000年計算機就可以思考：擁有與人類同等水平的創(chuàng)造力,、解決問題的能力、個性和適應性行為,。他提出了一種判斷機器能否進行思考的測試：圖靈測試,。

1956年，在達特茅斯會議上,，一些研究者提出創(chuàng)造一個人工大腦,，人工智能（AI）領(lǐng)域終于誕生。

在1980年代,，“專家系統(tǒng)”的概念被計算機公司廣泛應用,，這是對于人工智能山野探索的開端。

1989年,，卡內(nèi)基梅隆大學研發(fā)了名為“Deep Thought”的專家系統(tǒng),，能夠像大師一樣下象棋。

1997年,，IBM的計算機深藍第一次擊敗了國際象棋大師卡斯帕羅夫,。2006年，人類最后一次打敗頂尖的國際象棋AI,。

2005年，斯坦福大學延至的機器人贏得了美國Darpa大挑戰(zhàn),，在這個美國國防高級研究計劃局組織的自動駕駛汽車挑戰(zhàn)中,，它在荒漠賽道中行駛了131英里。

2011年,，Watson 戰(zhàn)勝了電視智力競賽Jeopardy 的冠軍,。

來源：共同網(wǎng)、果殼網(wǎng),、獨立報