曾在線上快棋中取得對人類圍棋職業(yè)高手60:0戰(zhàn)績的新版“阿爾法狗”，昨天又在慢棋比賽中戰(zhàn)勝了當今世界圍棋“第一人”柯潔。人工智能到底有多強大？圍棋已經被“攻克”了嗎？人類還有希望嗎？
5月24日，特約撰稿人、人工智能和大數據專家鄭宇就上述問題展開講解：
原標題：走出人機大戰(zhàn)五個誤區(qū)：人類沒那么差，阿爾法狗不會故意輸棋
行至這一局面，柯潔連續(xù)抓頭發(fā)25秒，引現場講解一陣吐槽
5月23日，AlphaGo2.0版本在人機圍棋比賽中以四分之一子的微弱優(yōu)勢戰(zhàn)勝了柯潔，一方面繼續(xù)彰顯了人工智能的強大，但也讓人們對AlphaGo和人工智能有了新的認識。
先說出結論，再看分析：
1．在圍棋這個項目上AlphaGo目前走在了人類的前面，但并沒有完全攻克圍棋這項運動。它只是通過深度學習找到了一個比人類認識更優(yōu)的解，但不是最優(yōu)解。最優(yōu)解無法找到，即便用盡地球上所有的資源。從專業(yè)的角度來講，就是用深度學習去逼近了一個強化學習中的價值判斷函數，然后再跟蒙特卡洛搜索樹結合的方法（具體詳解可參看《鄭宇：一張圖解ALphaGo原理及弱點》，不再重復）。既然人工智能和人類都不能找到最優(yōu)解，現在說哪一方已經完全徹底的失敗還早。
2. 人類也是在進步的，我們也不要低估了人類后天的快速（小樣本）學習能力，這點AlphaGo基于現在的學習方法還做不到。短期來看人獲勝概率小，但長遠來看（未來5-10年）人還有機會，因為人也有很強的學習能力，可以從少量跟AlphaGo的對弈的棋局中快速學習。而即便再給AlphaGo1億副棋譜，再添加一萬塊GPU，如果還是基于現有的學習體系，它進步的速度也終將放緩，因為新增的棋譜和計算資源相對于2x10171這個搜索空間來說只是滄海一粟。我們對人腦的了解還遠不如對圍棋的認識，這里面還有很大的未知數。
柯潔開局下出兩手“三·3”，已然顛覆至少二十年來的圍棋棋理（截自圍棋社交App“弈客”）
（但實際上，柯潔這樣下并不是心血來潮，他在各種職業(yè)比賽中已多次用這樣的招數與其他職業(yè)高手“過招”。最近的中國“圍甲”職業(yè)比賽中，各種“狗招”<阿爾法狗的招數>也已層出不窮，大家都在以自己的理解嘗試人工智能下出的招數。而柯潔等職業(yè)棋手的“喂招拆招”，也是中國自己的圍棋人工智能“絕藝”快速成長的重要因素。）
事實上，這一招柯潔已在對人類的對局中嘗試多次（截自圍棋社交App“弈客”）
現就讀北大哲學系的“學者型棋手”李喆，也嘗試多種新招（截自圍棋社交App“弈客”）
3. 目前人類職業(yè)棋手跟AlphaGo的差距也就在一個貼目的水平，沒有大家想象的那么大。其實這個貼目的差距（按中國標準7目半），在職業(yè)棋手看來，已經是非常大的差距了。很多職業(yè)高手，進入官子階段后發(fā)現自己還落后對方7-8目，就會主動投子認輸了。很多通過數子來決定勝負的比賽，輸贏往往都在1-2目之間（比如柯潔就輸給AlphaGo半目）。否則會被其他專業(yè)棋手笑話，自己落后那么多都不知道，點空能力太弱了。
要能真正客觀、準確的看待這個問題急需要較強的人工智能專業(yè)知識，也需要一定的圍棋功底。下面先糾正網上認知的一些誤區(qū)：
誤區(qū)一：AlphaGo可以讓人類頂尖棋手4個子，AlphaGo2.0可以讓上一個版本4-5個子。
要消除這個誤解，首先要跟大家普及一下圍棋知識：在圍棋里“讓對方兩個子”和“贏對方2個子”有著天壤之別。這點對于下圍棋的人不用多說，但我今天才意識到，很多吃瓜群眾一直以為這就是一回事。難怪網上會流傳以上的錯誤言論。
讓對方兩個子: 在圍棋里讓2子是說讓一方先在棋盤上放上2個棋子（棋子只能放在星位），然后對方才開始走。這兩個子在對弈之初的價值巨大，對于專業(yè)棋手來講，每個棋子價值至少在10目以上（這是最保守估計了）。讓兩子相當于至少先讓出去對方20多目的地盤。由于棋盤是有限的，如果不能在后面的比賽中，在有限的空間里贏回這20多目，那就是讓子失敗了。而且讓子數越多，被讓方獲得的價值不單是線性增長的，因為子力之間會形成配合，獲取更大的利益。比如說，讓子，其價值就可能遠不止40目了。
贏對方2個子：是指雙方下完后，贏的一方比輸的一方多出2個子。如果按照吃住對方一個子算兩目的方法來算，那2個子只相當于4目。AlphaGo贏了柯潔1/4子，就相當于半目棋子而已。
所以“讓對方兩個子”和“贏對方2個子”不可同年而語。如果真的有圍棋之神存在（既他一定能找到最優(yōu)解，我們人是沒有希望下過他的），一般頂尖專業(yè)棋手認為他們跟這個神的差距在讓2-3子之間。由于AlphaGo可以被證明不能保證找到最優(yōu)解，所以他離神還有一定的距離。因此，說AlphaGo可以讓人類頂尖棋手4個子，這簡直就是天方夜談。
誤區(qū)二：AlphaGo也會下出一些明顯不好的招數，是因為他自我判斷形式占優(yōu)，而放松了自身的要求。
AlphaGo的搜索策略就是優(yōu)先對獲勝概率比較大的分支進行更多的深度搜索，這個策略在任何時候都不會改變，也不能改變。他不會覺得自己優(yōu)勢了就下出緩手。下得不好的時候是因為其價值判斷本來就是一個近似，而且搜索空間也不能窮盡，得不到最優(yōu)解，因此，有時估計還不錯的棋，其實不一定是真的最好的下法，AlphaGo出現這種不穩(wěn)定狀況是正常的。這也是人類善存的希望所在。當然人類也有自身的弱點，如疲勞、情緒波動等，人也會判斷失誤。而且棋局很長，有些之前不太好的棋，經過后面的變化（包括不是預料中的變化）有可能會變成好棋。所以，不是所有的錯誤，都會直接影響到比賽的結果。而且現在大家似乎有點怕AlphaGo了，即便是AlphaGo下出一招不好的棋，大家更多的是懷疑自己的水平（是不是我們沒看懂??？），而選擇相信AlphaGo的“深謀遠慮“。
誤區(qū)三：AlphaGo可以不斷自學習，從新的棋局里獲取經驗，快速提升自己。
AlphaGo的系統(tǒng)由于參數非常多，需要大量的數據來訓練，新增的幾幅棋譜對提高它的棋力起不到任何作用。而且AlphaGo在做參數調整時是針對一大批數據的整體優(yōu)化，也必須對很多棋譜做批量處理，訓練時間非常長，不可能在很短時間內大幅提升自身的水平。即便是同一組訓練棋譜，參數調整方法不一樣也會訓練出棋力水平差異較大的系統(tǒng)。其實AlphaGo是通過自我對弈來生成很多棋譜，然后利用棋譜中的（兩個連續(xù)的）盤面跟最后的勝負對應關系訓練出價值網絡來。這里只是借用了一下強化學習的框架來訓練深度神經網絡的參數而已，主要貢獻還是深度學習的近似能力帶來的（解決了傳統(tǒng)強化學習針對復雜環(huán)境和動作狀態(tài)無法求解的難題）。因此，AlphaGo并沒有大家想象的那種自我博弈就能自己不斷進步的能力。
誤區(qū)四：AlphaGo會故意放水輸掉一局比賽。
這個沒有可能。要想輸還不能輸的那么難看和明顯，是一件非常難辦的事情，可能比贏棋還要難。在模型訓練好之后，AlphaGo能夠臨時改動的只有在搜索部分投入的資源多少（搜索多大的空間）可以改動?？s減的太小，幾乎不會有太大變化，但如果縮減太多，就會下出一些非常低級的棋來。這點從技術角度來講很難把握。
誤區(qū)五：計算機的計算能力一定比人強，所以不要去跟AlphaGo比計算，應該把局面簡單化，避免復雜的戰(zhàn)斗。
AlphaGo依靠的是一種基于樹的搜索算法，遇到復雜局面搜索空間變大，對未來輸贏的價值判斷也會變難。因此，人算不過來的復雜局面，對AlphaGo來說也很困難。如果局面太簡單，機器可以非常好的計算出比較優(yōu)的解，人類棋手更加沒有希望。因此，把局面弄復雜，人類棋手才有希望獲勝，雖然這個對人類也提出了更大的挑戰(zhàn)。
總結
基于人類目前對圍棋的認識和理解，現階段仍然會輸給人工智能。我并不是覺得柯潔有希望能夠贏得后面的比賽，但人類也在進步，通過跟AlphaGo的對弈，人類也在重新認識圍棋。只要人類的思想和文明在不斷進步，人就有可能在未來5-10年里通過不斷的學習趕上當前的AlphaGo。當然，AlphaGo也會進步，但它還不是圍棋之神，也沒有攻克圍棋這個難題。如果現有的學習方法沒有全面的革新，其進步的速度也會慢慢放緩。基于此考慮，人類還會有機會。當人們對圍棋有了更深入的了解之后，又會設計出更好的人工智能算法。兩者其實并不矛盾，相輔相成，互相促進，不管誰輸誰贏都是人類文明進步的體現。人類的智能也將始終走在機器的前面，而不會被機器取代。
看到阿爾法狗下出這手極富創(chuàng)造力的“大飛”，柯潔一邊不住撓頭，一邊不停微笑。真正熱愛圍棋的人，看到這種“天才”的招式，都是既興奮又好奇的吧。
（作者：鄭宇，CCF杰出會員、CCCF編委、CCF ADL工作組組長，微軟亞洲研究院資深研究員、“城市計算”領域負責人、上海交通大學講座教授、香港科技大學客座教授；擔任人工智能國際權威期刊（SCI一區(qū)刊物）ACM TIST主編、ACM數據挖掘中國分會（KDD China）秘書長；擔任國際知名會議ICDE2014和CIKM2017程序委員會主席（Industrial Track）；在頂尖國際會議和期刊上發(fā)表論文百余篇（其中以主作者身份發(fā)表論文50余篇），論文被引用13000余次，Google Scholar H-Index 53（截至2017-5-23）， 2016年論文單年被引用3400余次。他主持開發(fā)了多個城市大數據系統(tǒng)，其中Urban Air首次利用大數據來監(jiān)測和預報細粒度空氣質量，該服務覆蓋了中國的300多個城市，并被中國環(huán)境保護部采用。他主持了城市大數據平臺的設計和實施，并成功在中國大數據示范基地貴陽市部署。2013年他被MIT科技評論評為“全球杰出青年創(chuàng)新者”（TR35），并作為現代創(chuàng)新者代表登上了美國《時代》周刊。2014年，由于他主導的城市計算具有巨大的商業(yè)前景和改變行業(yè)格局的潛力，他被美國《財富》評選為中國40位40歲以下商界精英。2016年他被評為美國計算機學會杰出科學家。)
http://www.guancha.cn/industry-science/2017_05_24_409891.shtml
