人機對弈珍瓏棋局 人工智能撲面而來

王彥彬

舉世矚目的圍棋人機世紀大戰——谷歌人工智能系統“阿爾法圍棋”（AlphaGo）對決韓國高手李世石（五番賽第一回合），于北京時間3月9日12時在韓國首爾準時拉開帷幕。

繼2015年10月份AlphaGo在沒有任何讓子的情況下以5∶0完勝歐洲冠軍職業圍棋二段樊麾之后，AlphaGo向李世石發起了挑戰。

面對擁有眾多國際冠軍頭銜的九段高手李世石，AlphaGo已經連下兩城，取得2∶0的領先。

三萬個“深藍”

其實人工智能征服人類的智力驕傲是個漫長的征程。

1997年，IBM的“深藍”戰勝了國際象棋世界冠軍卡斯帕羅夫。歐美傳統里的頂級人類智力試金石，在電腦面前終于一敗涂地。這讓重達1270公斤、擁有32個微處理器、每秒可以計算2億步、計算能力達到11.38GFLOPS的“深藍”聲名顯赫，轟動世界。

但在長期以來圍棋AI一度舉步維艱，頂級AI甚至不能打敗稍強的業余選手。但是現在一臺筆記本的計算能力就已經遠遠超越了“深藍”，成功戰勝了圍棋世界冠軍李世石。

人工智能正在指數級快速增長。據了解，AlphaGo計算能力是當年IBM計算機“深藍”的3萬倍。

揭秘AlphaGo

谷歌于2014年收購了英國人工智能公司DeepMind。今年早些時候，DeepMind的團隊發表論文，介紹了AlphaGo擊敗職業棋手、歐洲圍棋冠軍樊麾的情況。

AlphaGo的核心是兩種不同的深度神經網絡。“策略網絡”（policy network）和 “值網絡”（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，本質上和人類棋手所做的一樣。

其中，“值網絡”負責減少搜索的深度——AI會一邊推算一邊判斷局面，局面明顯劣勢的時候，就直接拋棄某些路線，不用一條道算到“黑”；而“策略網絡”負責減少搜索的寬度——面對眼前的一盤棋，有些棋步是明顯不該走的，比如不該隨便送子給別人吃。將這些信息放入一個概率函數，AI就不用給每一步以同樣的重視程度，而可以重點分析那些有戲的棋著。

AlphaGo利用這兩個工具來分析局面，判斷每種下子策略的優劣，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AlphaGo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。

人類在下棋時有一個劣勢，在長時間比賽后，他們會犯錯，但機器不會。而且人類或許一年能玩1000局，但機器一天就能玩100萬局。所以AlphaGo只要經過了足夠的訓練，就能擊敗所有的人類選手。

不必過于驚慌

AlphaGo戰勝李世石，人工智能研究者面對這樣的成就當然欣喜。深度學習和強化學習等技術完全可以用于更廣泛的領域。比如最近很火的精準治療，我們可以訓練它們判斷哪些治療方案對某個特定的人有效。

就像十多年前的“深藍”戰勝國際象棋世界冠軍一樣，今天，AlphaGo戰勝李世石也必將引發超出圍棋自身領域之外的討論。人工智能還將在其他層面上繼續碾壓人類嗎？傳統認為人工智能不可能完成的任務是否也都將被逐一打破？人類最后是會進入人工智能的烏托邦還是被人工智能淘汰呢？

沒人知道答案。但有一點毫無疑問：面對人工智能不用過度驚慌。人工智能一定會進入我們的生活，并且將極大地改善我們的生活，我們不可能躲開。