國(guó)內(nèi)的人工智能熱很大程度上就是被AlphaGo炒起來的。機(jī)器圍棋和哥德巴赫猜想、費(fèi)爾馬大定理一樣，是一道舉世公認(rèn)的難題。圍棋361個(gè)點(diǎn)，一盤棋的變化數(shù)目據(jù)說超過了宇宙中的原子數(shù)目，和其他博弈游戲相比是高出幾十個(gè)數(shù)量級(jí)的差別。

　　在我看來，圍棋規(guī)則異常簡(jiǎn)單：“交替落子，氣盡棋滅”，卻暗含宇宙中生之妙。你看一個(gè)19路棋盤宛如蒼茫大地，黑白棋從無(wú)而始，兩支生交替生長(zhǎng)；中盤取勢(shì)占地，扭殺守御，皆為棋子生存繁衍。一局終了，棋譜留世。圍棋作為古人發(fā)明的智力游戲，妙處實(shí)不可言狀。千萬(wàn)年后即使地球毀滅，外星來客若找到一張高手遺譜，我覺得他們大致可以探知人類當(dāng)時(shí)所擁有的計(jì)算能力和智力水平。

　　AlphaGo的核心算法早已在Nature雜志上發(fā)表，解讀的文章也很多。基本上就是說AlphaGo團(tuán)隊(duì)通過喂了狗狗幾十萬(wàn)盤人類對(duì)局，讓狗狗學(xué)會(huì)了下棋，到了一定水平后狗狗自己和自己下棋就能漲棋，水平會(huì)越來越強(qiáng)。

　　果然，2016年底升級(jí)版阿法狗——Master橫空出世，在圍棋網(wǎng)站上小試牛刀，戰(zhàn)遍中日韓高手，求一敗而不得。更為可怕的是60連勝棋譜傳世之后，人類高手反復(fù)拆解，好像今沒有人敢說在60局中有某一局的某一個(gè)時(shí)刻人類棋手有過*領(lǐng)先的時(shí)刻。從數(shù)學(xué)上講，如果（60局棋）X（每局200步棋）X（每步可能的變化數(shù)）在這么大的概率空間里，人類高手都沒有明確的獲勝機(jī)會(huì)，那Master這個(gè)系統(tǒng)的水平和穩(wěn)定性可謂深不可測(cè)。

　　作為深度圍棋愛好者，讓我震驚的是對(duì)局內(nèi)容。去年AlphaGo和李世石的棋譜其實(shí)還比較循規(guī)蹈矩，就算被媒體追捧的第二局五路尖沖“外星招法”，其實(shí)也并不算太出格。今年Master的棋就不一樣了，60局快棋中推翻人類棋手思維的下法簡(jiǎn)直俯拾皆是。比如序盤很早就點(diǎn)三三，習(xí)慣性尖沖無(wú)憂角，對(duì)人類已經(jīng)沿用了幾十年的“妖刀定式”“大雪崩定式”的徹底改造，等等，給很多圍棋國(guó)手“要重新學(xué)圍棋”的觸動(dòng)。打個(gè)比方，如果說去年的AlphaGo是集天下劍術(shù)之大成（畢竟剛剛從人類棋譜里學(xué)來）的高手，今年Master的感覺就已接近劍術(shù)通神的大師，手中無(wú)劍，天下萬(wàn)物為劍，飛花摘葉退敵千里。Master新年一出場(chǎng)，就是風(fēng)清揚(yáng)、掃地僧這樣的世外高人范兒，輕輕松松饒?zhí)煜掠⑿垡幌取?

　　舉個(gè)有點(diǎn)搞笑的例子，Master在對(duì)日本人井山的棋局中在右上角下出一步看起來很像初學(xué)者下出來的圍空棋，人類研究后認(rèn)為Master表示就這樣隨便下下就贏了，頗為推崇。事后替Master擺棋的“機(jī)器臂”黃士杰博士解釋是他連續(xù)在電腦前擺那么多盤棋太累了，鼠標(biāo)一滑擺錯(cuò)位置的結(jié)果。雖然有點(diǎn)尷尬，不過的確說明Master隨便下下，中間打個(gè)盹歇一手也能追回來。

　　大師是怎樣練成的？Master沒有公開信息，外面基本上沒有什么技術(shù)解讀。作為業(yè)余愛好者，權(quán)且說說我的看法。

　　上一篇說了“深度子”的厲害，AlphaGo or Master不只是簡(jiǎn)單用到了深度學(xué)習(xí)技術(shù)，它用了兩個(gè)“深度子”的乘法效應(yīng)。具體而言，狗狗訓(xùn)練了兩個(gè)深度神經(jīng)網(wǎng)絡(luò)，一個(gè)叫“策略網(wǎng)絡(luò)”負(fù)責(zé)學(xué)習(xí)人類的“棋感”，就是通過人類棋譜猜測(cè)棋盤上哪幾步是有可能的“下一手”，幫助計(jì)算機(jī)剪枝，把寶貴的計(jì)算資源用在刀刃上。另一個(gè)“價(jià)值網(wǎng)絡(luò)”負(fù)責(zé)做“形勢(shì)判斷”，就是計(jì)算在選用策略網(wǎng)絡(luò) “下一手”時(shí)的獲勝概率。這兩個(gè)算法相輔相成，互相推動(dòng)，產(chǎn)生了乘法效應(yīng)。

　　狗狗的“棋感”一開始是跟人學(xué)的，但的形勢(shì)判斷能力是自己發(fā)展起來的。形勢(shì)判斷能力其實(shí)是下圍棋的核心能力，這恰恰是人類的弱點(diǎn)和容易被忽視的地方。人類棋手在序盤和中盤用的“點(diǎn)目法”做形勢(shì)判斷的方法是**粗糙的近似，無(wú)法和機(jī)器的量化方法（比如說把勝率到小數(shù)點(diǎn)后3位）抗衡。人腦其實(shí)剪枝能力超強(qiáng)，如果給予充分時(shí)間，高手也基本能把變化都算清楚，但是若是在選擇下出對(duì)自己更有利的招法時(shí)犯糊涂，你說怎么下贏狗？

　　Master能通過“反人類思維”的招數(shù)戰(zhàn)勝人類，是機(jī)器學(xué)習(xí)的一個(gè)巨大的進(jìn)步！究其原因，一方面可能是過去一年狗狗在“價(jià)值網(wǎng)絡(luò)”取得了大突破，在判斷局勢(shì)、把握局勢(shì)走向的能力上遠(yuǎn)超人類，就是“控場(chǎng)能力爆表”。另一個(gè)方面，兩個(gè)高水平狗狗雙手互博，可以不斷嘗試超越人類“直覺”或者“經(jīng)驗(yàn)”的選點(diǎn)，這樣一些需要深度模擬才能推敲出來的好棋（比如人類需要反復(fù)推演30步才能得到的結(jié)論），就會(huì)被Master挖掘出來。

　　這次Master在布局階段走出了不少以前被人類否定的下法，就是說已經(jīng)擺脫了人類棋譜的思維限制，開始探索未入之境。人類下棋其實(shí)有個(gè)問題，就是借助于經(jīng)驗(yàn)的成分遠(yuǎn)遠(yuǎn)大于臨場(chǎng)發(fā)揮的成分。比如說學(xué)習(xí)和記憶定式，多考慮一個(gè)四分之一棋盤，但是狗狗是通盤全局考慮的，Master新的棋譜就很*，左上角是黑子還是白子，無(wú)憂角還是大飛角，左下角選擇的定式可能完全不同。這種“牽一發(fā)而動(dòng)全身”的戰(zhàn)法給人很多啟發(fā)，有棋手說“美的讓人哭”。如果說一開始狗狗通過打人類棋譜學(xué)棋，現(xiàn)在是人類通過向狗老師學(xué)習(xí)來探索圍棋的奧秘了。

　　翻譯成機(jī)器學(xué)習(xí)的語(yǔ)言，狗狗是從監(jiān)督學(xué)習(xí)（照棋譜學(xué)習(xí)）進(jìn)入了非監(jiān)督學(xué)習(xí)（自由探索）的階段，AlphaGo的設(shè)計(jì)者讓程序具備了自我進(jìn)化的能力。人工智能算法的依賴于高質(zhì)量的數(shù)據(jù)，在領(lǐng)域，高質(zhì)量的標(biāo)注數(shù)據(jù)（比如說高手的棋譜）都是有限的，或者說生產(chǎn)速度很慢，成本很高。AlphaGo一旦能夠自我產(chǎn)生高水平的新數(shù)據(jù)，還通過自我博弈不斷提高自身水平，就相當(dāng)于有了自我進(jìn)化的能力。所以說領(lǐng)先的AI技術(shù)一旦確立優(yōu)勢(shì)，很有可能一騎絕塵，讓后來者難以追趕。

　　舉例來說，日本zen是一個(gè)有10年發(fā)展歷史的老牌圍棋程序。他們引入alphago的“策略網(wǎng)絡(luò)”技術(shù)后，很快就提高到了職業(yè)水平，但是后面再好像有點(diǎn)難。目前第二應(yīng)該是騰訊主力部隊(duì)開發(fā)的“絕藝”，開發(fā)半年多現(xiàn)在已經(jīng)到了去年AlphaGo戰(zhàn)勝李世石的水平。雖然距離Master還有差距，我*希望這個(gè)國(guó)產(chǎn)圍棋程序能迎頭趕上，讓Master不再寂寞。

　　在一個(gè)商業(yè)領(lǐng)域，如果人工智能技術(shù)能在機(jī)制上能不斷自行產(chǎn)生優(yōu)質(zhì)數(shù)據(jù)從而自我進(jìn)化，那么別人后來居上的可能性也就大大，這可能就是全球互聯(lián)網(wǎng)公司在人工智能領(lǐng)域做瘋狂的軍備競(jìng)賽的動(dòng)因。

　　好了，Master“粲粲如星，揮灑縛豪英”的故事就說到這里。既然已經(jīng)提到了AI商業(yè)化，下一篇就回到我工作的領(lǐng)域，談?wù)勅斯ぶ悄芎蜕虡I(yè)結(jié)合。