原创文章 | AI已经攻克人类直觉？再谈谷歌AlphaGo vs 李世石

从表面上看，这似乎是众多简单游戏的一种。一个简单的木板上标有19x19的网格，两名玩家依次放置黑棋或者白棋。规则也非常简单：用自己的棋子包围对手的棋子，包围最多的一方获胜。围棋已经有2500年的历史了，比国际象棋还长1000年，对于新推出的游戏也是非常复杂的挑战。最近这款游戏的排名备受关注，机器挑战最好的围棋选手并且获胜，奖杯归属于人工智能（AI）。

去年三月，谷歌开发的计算机程序AlphaGo击败世界顶级选手之一的韩国选手李世石，取得5局4胜的成绩。

今年一月，由谷歌阿法狗变身的Master横扫中韩围棋界，连胜60场！

这个结果让大家出乎意料，回首1997年IBM开发的深蓝是第一个计算机程序，在对阵中击败人类世界级国际象棋冠军，而计算机操作围棋并没有收到人们的重视。一个专业的围棋选手可以让计算机先走20步或者30步，当人类选手开始走的时候依然能够轻松战胜计算机。甚至在去年出现手机上围棋程序远胜于人类围棋世界冠军事件之前，专家们仍然自信的认为在未来十年人类仍将代表围棋的最高水平。

这些预测后面是固定的逻辑认知，国际象棋被攻破是因为计算机强大的处理能力。现在计算机已经变得非常快了，它们甚至能够计算出下一步几乎所有可能出现的情况。但是对于围棋并不能这样容易的攻克。

尽管它的规则更简单，但是这款古老的游戏比国际象棋更复杂，一部分可能是因为它的操作区域是国际象棋的五倍，意味着每一步的操作可选性则更大了。费劲心机提前计算出每一种可能的操作会导致组合爆炸。围棋的玩法可能比宇宙中的原子还要多。

既然有这么多的组合操作那么仅靠强大的计算能力是行不通的。但是有一个方向可以探索，毕竟一个国际象棋或者围棋选手也不会考虑每一步可能的操作。我们使用的是直觉，这是建立在经验基础上的。一个经验丰富的围棋选手面临过各种玩法模式，并且能够回忆起曾经遇到过的相似的情况，曾经的战术告诉他们要集中某一区域和策略完成每一步的操作。计算机也要采取更人性化的方法，开发一种类似人类直觉的方法。

我们现在看到的AlphaGo与其说是硬件上的进步不如说是软件上的发展，这是一次非常重要的进步。现代的游戏操作机器速度上可能比不上以前的设备，但是它们更加智能。

为了开发一个更加具备直觉的机器，AlphaGo的创造者训练了神经网络，让它完成数百万次的围棋操作并颠覆自己之间的操作。其实AlphaGo正是在从以往的经验中学习，正如人类一样。当然并不是那样的简单。一项关键的突破是来自另一位研究人员，几年前推出了一款基于蒙特卡罗方法的应用就是面向围棋的，蒙特卡罗树状搜索算法能够提供一种方法就是发现最好的操作，无需再计算每一种可能性的操作，AlphaGo团队将这一技术与谷歌强大的分布式硬件系统和神经网络经验相结合。

我们可以清晰的看到随着硬件的增加AlphaGo的性能是怎样按比例随之增强——或者并没有按比例增强。AlphaGo可以在单个CPU和8个GPU上运行，将CPU扩展到两个其性能会增加10%。但是将CPU核心数量从1个增加到64个，GPU的数量从8个增加到280个，性能的提升却不到50%，因为随着硬件的增加，性能的增加逐渐递减，最终会达到一个瓶颈值。

实际上现在的国际象棋程序已经不再使用类似IBM深蓝的方法了。它们采用启发式规则，将精力集中在最有可能出现的可能性上面，而不是尝试每一种可能，因此它们只需要每秒检查千万级的可能性操作。

难道AlphaGo的成功意味着计算机在很多其他方面不久将取代人类的直觉吗？这还不必担心，尽管围棋很复杂，但是在任意时刻每个棋子的位置是清晰明确的——对于神经网络来说是比较理想的输入，对于AI方面，围棋提供了比较完善的信息以及可预测的操作。真实世界则复杂的多，而且是不可预测的。

从去年3月到今年1月，机器人横扫中韩围棋界；从2015年初出道，谷歌人工智能围棋程序从最初只能对弈人类5段棋手到打败李世石再到横扫人类9段超一流高手只用了不到9个月的时间就完成了近乎完美的升级，AI未来发展不可小觑，我们拭目以待。