機(jī)器人闖進(jìn)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(gè)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(gè)消息也令人工智能科學(xué)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(jì)算機(jī)程序“深藍(lán)”和國際象棋大師卡斯帕羅夫的世紀(jì)之戰(zhàn),。在那次比賽中，卡斯帕羅夫輸給了這個(gè)IBM開發(fā)的計(jì)算機(jī)程序,。這是人工智能歷史上的劃時(shí)代事件,。

而這次比賽的意義毫不遜色。

1997年，當(dāng)IBM深藍(lán)計(jì)算機(jī)在象棋上稱霸時(shí),，它使用的是手工編碼的規(guī)則,，在搜索時(shí)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(shí)間而學(xué)習(xí)的,，可以識(shí)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(gè)成就有多難,？

東方的圍棋被認(rèn)為更加復(fù)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(dá)150回合。

就博弈的局面來講,，一般認(rèn)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(dǎo)致軟件來不及列舉出所有能贏的方案,，導(dǎo)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(huì)讓子。但是“阿爾法圍棋”的對手是法國國家圍棋隊(duì)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(tuán)隊(duì)表示,，“阿爾法圍棋”的關(guān)鍵在于使用的深度神經(jīng)網(wǎng)絡(luò)。

在這樣的網(wǎng)絡(luò)中,，如果你將足夠多的關(guān)于樹木的照片輸入進(jìn)去,，它們就能學(xué)會(huì)識(shí)別出一棵樹。如果輸入足夠多的對話,，它們就能學(xué)會(huì)如何進(jìn)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(xué)會(huì)下圍棋,。

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

它們的任務(wù)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(jì)算量控制在計(jì)算機(jī)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(gè)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(huì)判斷當(dāng)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(huì)高,。

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

也正是因?yàn)檫@個(gè)原因，模式識(shí)別算法的最新進(jìn)展有可能會(huì)大大改進(jìn)計(jì)算機(jī)的表現(xiàn),。新算法利用大型的圖片數(shù)據(jù)庫,，訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolutional neural networks）來識(shí)別物體和面孔。這一網(wǎng)絡(luò)借鑒了人腦的信息處理機(jī)制,，與人腦的神經(jīng)結(jié)構(gòu)有相似之處,。

因此，可以預(yù)想,，這樣的算法用在圍棋棋局自動(dòng)評(píng)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(luò)可以自主學(xué)習(xí)，而非傳統(tǒng)的對人工智能進(jìn)行“監(jiān)督訓(xùn)練”的算法,。

此外,，AI很容易通過大量的訓(xùn)練積累足夠多的經(jīng)驗(yàn)。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(huì)疲勞。

所以理論上來講,，只要“阿爾法圍棋”經(jīng)過足夠的訓(xùn)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(jí)的韓國九段棋手李世石,，獎(jiǎng)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(jìn)化,，不過我有信心取勝,。”

微博網(wǎng)友表達(dá)了無奈的釋然：“只要是存在規(guī)則的game，隨著計(jì)算能力的提升和算法的優(yōu)化,，最終人類一定會(huì)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(yīng)用：語音識(shí)別,、自動(dòng)駕駛

相對于棋盤上的勝負(fù)，人工智能一日千里的進(jìn)展更加激動(dòng)人心,。

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

深度學(xué)習(xí)是目前人工智能領(lǐng)域中最熱門的科目，它能完成筆跡識(shí)別,，面部識(shí)別,，駕駛自動(dòng)汽車，自然語言處理,，識(shí)別聲音,，分析生物信息數(shù)據(jù)等非常復(fù)雜的任務(wù)。

2006年之后,，深度學(xué)習(xí)實(shí)際使用多于三層的神經(jīng)網(wǎng)絡(luò),，即深度神經(jīng)網(wǎng)絡(luò)。這是復(fù)雜的非線性模型,，擁有復(fù)雜的結(jié)構(gòu)和大量的參數(shù),，有非常強(qiáng)的表示能力，特別適合于復(fù)雜的模式識(shí)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(zhǔn)的預(yù)測,。

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

谷歌高級(jí)工程師也還預(yù)測神經(jīng)網(wǎng)絡(luò)會(huì)在其他科學(xué)領(lǐng)域扮演重要工具，例如在基因行為預(yù)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(píng)論：“AI一定會(huì)進(jìn)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(jì)算機(jī)科學(xué)先驅(qū)阿蘭·圖靈預(yù)測到2000年計(jì)算機(jī)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(gè)性和適應(yīng)性行為,。他提出了一種判斷機(jī)器能否進(jìn)行思考的測試：圖靈測試。

1956年,，在達(dá)特茅斯會(huì)議上,，一些研究者提出創(chuàng)造一個(gè)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(jì)算機(jī)公司廣泛應(yīng)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(xué)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(jì)算機(jī)深藍(lán)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(xué)延至的機(jī)器人贏得了美國Darpa大挑戰(zhàn),，在這個(gè)美國國防高級(jí)研究計(jì)劃局組織的自動(dòng)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(dú)立報(bào)