“阿爾法狗”：下一盤比圍棋更大的棋

李斑子

自從2016年12月29日在圍棋網絡對戰平臺現身之后，截至2017年1月4日晚，一個名為“Master”的神秘賬號在與人類圍棋高手的車輪戰中取得了60勝0負1和的戰績，手下敗將不乏柯潔、樸廷桓、古力等世界頂尖名將，甚至在對局中看不到這些頂尖名將有一點點能和Master扳手腕的可能（Master戰績中唯一的和棋還是因為對手陳耀燁在對戰時掉線）。在和古力最后一戰前，Master承認自己就是升級版的“阿爾法狗”（AlphaGo，谷歌旗下DeepMind公司的一款圍棋人工智能）。

人算不如“狗”算

1月3日晚，在接連贏下樸廷桓和元晟溱之后，Master在圍棋網絡對戰平臺的連勝紀錄達到49場。當晚第50場的對手是“潛伏”，該賬號的持有者被一致認為是世界頭號選手柯潔。根據最新的世界圍棋排名，柯潔是如今世界棋壇積分排名第一的選手，也是榜單上唯一一名排在“阿爾法狗”之前的棋手。

這場對局在Master的快速攻擊面前，“潛伏”漸漸有些捉襟見肘，最終投子認負。“抬走，下一個。”這是觀戰的網友們為贏棋后的Master設計的對白。

而在去年“阿爾法狗”對陣李世石的“圍棋人機大戰1.0”之際，柯潔曾表示：“就算它戰勝了李世石，但它贏不了我。”此后他還在微博上放出豪言，“管你是阿法狗還是阿法貓！我柯潔在棋上什么大風大浪沒見過？讓風暴再來得猛烈點吧……”

與之形成鮮明對比的是，2016年的最后一天，正當Master大殺四方之時，柯潔在微博中寫道：“新的風暴即將來襲。我從3月份到現在研究了大半年的棋軟，無數次的理論、實踐，就是想知道計算機到底強在哪里？昨夜輾轉反側，不想竟一夜難眠，人類數千年的實戰演練進化，計算機卻告訴我們人類全是錯的。我覺得，甚至沒有一個人沾到圍棋真理的邊……”

那么問題來了，這只“阿爾法狗”是怎么下棋的？為什么這么強？到底強在哪里？

還記得1997年IBM公司的“深藍”計算機戰勝國際象棋世界冠軍卡斯帕羅夫那次劃時代的“人機大戰”嗎？“深藍”贏得比賽用的就是人類最不屑的辦法——窮舉——把棋盤里可能出現的所有情況都模擬出來，然后對手下的每一步棋都“了然于胸”，再選擇最能贏的走法。就像拿著幾個億去買彩票，所有有可能的組合全部下注，最后中了個500萬。

人工智能能在國際象棋領域這么做，完全是因為國際象棋的所有可能性是10^47，以電腦的“腦力”要列舉這么多種可能性還是夠用的。但要想用一模一樣的辦法稱霸圍棋棋壇，面對圍棋的十九路棋盤，“阿爾法狗”要應付的可能性是2x10^170，換成自然數的形式就是2后邊跟著170個0……要窮舉這么多的棋譜，電腦的“腦力”顯然是不夠用的。要知道，全宇宙的所有原子總數也不過是10^80個。

但是，窮舉還是要有的，不過要用一種聰明點的辦法縮小窮舉的范圍。人類不是下了幾千年的圍棋嗎？那就先拿3000萬份棋譜來學習一下人類下棋的基本套路。“阿爾法狗”剛開始通過自身的“人工神經網絡”來“深度學習”圍棋時，就是從網絡圍棋對戰平臺KGS拿來的3000萬份棋譜開始的。不過這顯然是不夠的，所以在繼續找更多的棋譜的同時“阿爾法狗”還開始了和自己下棋玩——通過學習得來的人類下棋套路來模擬博弈，盡可能地得到更加多的棋譜來學習。

這樣一來，孜孜不倦地學習了數以千萬計的棋譜“阿爾法狗”就對如何合理地下棋這件事有了自己的豐富經驗，這就形成了自己“價值網絡”——估算每一張棋譜里的每一步棋對最后贏棋有多大幫助，并找出其中的一些規律——這大概就是人類常說的“棋感”。而再看看人類，一輩子也下不了一萬盤棋，還要記要分析要總結規律？想想就心累。

“阿爾法狗”學習了海量棋譜得來的“棋感”用來模仿和預測人類下棋已經有很高的把握了，據“阿爾法狗”團隊2016年的說法，“阿爾法狗” 下圍棋時的落子選擇能正確符合57%的人類高手。就是說有57%的人類高手在面對同樣的棋局時會選擇和“阿爾法狗”一樣的下一步，而不符合人類高手想法的那部分并不意味著“阿爾法狗”是錯的，也更有可能是人類自己犯錯而已。

有了深厚的內力加持還是不夠的，“阿爾法狗”還需要在對戰時把自己的積淀用到實處。先前說過，“阿爾法狗”和“深藍”在迎戰人類的方法并沒有什么本質上的差別，都是窮舉。雖然現在“阿爾法狗”已經懂得有規律地窮舉了，但是它的運算能力還是不足以窮舉規律之中的棋局的所有可能走勢，畢竟這個運算量對于計算機來說依然是個天文數字。

所以，“阿爾法狗”引進了另一個大殺器，蒙特卡洛樹搜索（MCTS）算法。蒙特卡洛算法，是由美國數學家烏拉姆最早提出，再經數學天才馮·諾伊曼發展和完善，以賭城蒙特卡洛命名的一種算法。在過于復雜的局面中，人工智能由于硬件缺陷，無法實現窮舉級別的采樣，而蒙特卡洛算法正是在采樣不足的情況下，通過盡可能多次的隨機采樣，一步一步接近最優解。舉個簡單例子，有一堆鉆石，每次隨機選一枚，選中更大的就留下。那么經過越來越多次隨機選擇，最終留下的那枚鉆石，就必然越來越接近這堆鉆石中最大的。

1997年5月，IBM公司的國際象棋電腦“深藍”打敗國際象棋世界冠軍卡斯帕羅夫

具體到“阿爾法狗”下圍棋這件事上，蒙特卡洛樹搜索算法就是把“阿爾法狗”的“棋感”認為有可能的接下來的棋局都先過一遍（有時是走幾十步之后，有時是走到對局結束），把對自己不利的都刪除掉，剩下的便是勝率最高的走法，而且是每下一步棋時這么過一遍。