人機大戰第二場綜述:“自我強化”比2:0更值得注意


via medium

今日,圍棋“人機大戰”第二場於北京時間中午12點開戰。下午4點半,韓國棋手李世乭九段再次輸給 Google 的圍棋程序 AlphaGo。本輪對戰的結果雖然還是讓人震驚,但人們更多地也開始感歎AlphaGo的優異之處。

今日,AlphaGo的表現中,計算力的先決優勢依然不變,同時,由於AlphaGo執黑的先手權,我們也看到了它學習能力和創新能力的一面。

AlphaGo的“特異功能”:自我強化

在DeepMind,愛丁堡和Facebook,研究人員希望神經網絡能像人類選手一樣,通過觀看棋盤學習圍棋。Facebook在最新的研究中表明,這種方法確實可行。結合深度學習與蒙特卡洛樹搜索方法,Facebook打敗了一些人類選手,雖然並非是Crazystone和其他頂尖選手。

但DeepMind走得更遠。在經過3000萬步人類走法的訓練後,它的神經網絡能以57%的準確度(此前記錄是44%)預測人類的下一步。然後Hassabis和團隊通過強化學習技術,讓這一神經網絡與它自己的另一個稍有區別的版本對戰。兩者互搏中,系統會評估哪一步效果最好,即佔領更多棋盤區域。最終,神經網絡在判斷哪一步更好時會越來越優秀。

DeepMind的研究者David Silver表示,“在與其它神經網絡和它自己對戰數百萬局後,AlphaGo學會了自己發現新策略。”

正是這種方法,AlphaGo超越了其它圍棋AI系統,並讓戰勝人類選手成為可能。那麼,在今天的表現中,AlphaGo如何體現出這樣的能力呢?

讓人意外的開局

今天的第二局中, AlphaGo執黑先手,眾人也紛紛猜測:它會如何開局?會走公認有優勢的中國流嗎?然而,兩手之後,AlphaGo沒有選擇中國流,而直接掛角。


隨後,按照這種定式,職業棋手通常會先在下邊完成拆邊的定型。不過,AlphaGo並沒有這麼做,而是走出令人眼前一亮的走法:黑棋脱先,還原成中國流佈局。


為何要脱先?為何要用這種方式完成中國流佈局?在AlphaGo數據庫中,應該有更多的選擇來參考變化。而根據接下來十幾手毫不示弱的走法看,這手脱先也許代表着機器人對佈局有了新的理解。

出其不意攻其不備

除了開局的策略展示出計算機圍棋的另類,AlphaGo在開局後的走子也時常走出出人意料的招數,形成一股“機器風”。

比如,下圖黑1的這一手,飄防的走法在過去的棋譜中較為罕見,但其妙處也給了人們新的啟發。這手最新的黑1餘此前J16的一手遙相呼應,防守中做好進攻的勢來。李喆六段表示:“對於黑方這步棋,作為棋手,我的震撼比看到外星人還要大。”這一手讓對手李世乭長考了一陣。


由於掌握先手,AlphaGo進取的一面也更清楚地展現了出來。比如,在左下方的局部爭奪上,擁有強大計算力的AlphaGo應戰積極,非常自信。


最優化計算:無劫爭是必然還是偶然?

今天,許多人都提出了一個疑問:為何兩局結束後還沒有出現劫爭的情形?甚至推論AlphaGo不懂得打劫,且Google方面可以隱瞞。我們暫且不去猜測這種可能性,不妨看看它與AlphaGo走子毫不保留之間的聯繫。


AlphaGo今天表現出一個特點是:毫不保留。如上圖黑2,又是一手把變化走乾淨的棋,與職業選手喜歡有所保留的習慣不同。對此,小編有兩個想法:一是,正因為AlphaGo精密的計算力以及作為機器以最強點為首的原則,所以它才會每一步都走到盡,才會走出許多的“怪棋”。二是,也因為如此才導致局面缺乏劫材。

曹大元九段表示,極度複雜打劫的情況本身千年難遇,哪怕是人與人之間的對弈。


AlphaGo能給人類圍棋帶來啟發嗎?

經此一弈,AlphaGo在許多地方走出特別的一手,給人類棋手帶來新的思考。某些也許是失誤(但究竟什麼是失誤,誰知道呢),但某些地方,直播中的曹大元表示:不可思議,我要報警了!不過,這對職業棋手也有很大的啟發,可以進行深度研究。互聯網進化論提出者劉鋒則表示,通過這些跡象,也能幫助我們更好地研究AlphaGo。


資料來源:雷鋒網
作者/編輯:曉樺

如果喜歡我們的文章,請即分享到︰

標籤: AlphaGo