1月28日上午消息，谷歌今日宣布在人工智能領域的重要進展：開發出一款能夠在圍棋中擊敗職業選手的程序——AlphaGo，該程序能夠通過機器學習的方式掌握比賽技巧。

　　人工智能挑戰圍棋有多難？

　　計算機和人類競賽在棋類比賽中已不罕見，在三子棋、跳棋和國際象棋等棋類上，計算機都先后完成了對人類的挑戰。但對擁有2500多年歷史的圍棋 而言，計算機在此之前從未戰勝過人類。圍棋看起來棋盤簡單、規則不難，縱橫各19九條等距離、垂直交叉的平行線，共構成19×19(361)個交叉點。比 賽雙方交替落子，目的是在棋盤上占據盡可能大的空間。

　　在極簡主義的游戲表象之下，圍棋具有令人難以置信的深度和微妙之處。當棋盤為空時，先手擁有361個可選方案。在游戲進行當中，它擁有遠比國際象棋更多的選擇空間，這也是為什么人工智能、機器學習的研發者們始終希望在此取得突破的原因。

　　就機器學習的角度而言，圍棋的計算最大有3361種局面，大致的體量是10170，而已經觀測到的宇宙中，原子的數量才1080。國際象棋最大只有2155種局面，稱為香農數，大致是1047。

　　“機器學習”預測人類行為

　　傳統的人工智能方法是將所有可能的走法構建成一棵搜索樹 ，但這種方法對圍棋并不適用。此次谷歌推出的AlphaGo，將高級搜索樹與深度神經網絡結合在一起。這些神經網絡通過12個處理層傳遞對棋盤的描述，處理層則包含數百萬個類似于神經的連接點。

　　其中一個神經網絡“決策網絡”(policy network)負責選擇下一步走法，另一個神經網絡“值網絡”(“value network)則預測比賽勝利方。谷歌方面用人類圍棋高手的三千萬步圍棋走法訓練神經網絡，與此同時，AlphaGo也自行研究新戰略，在它的神經網絡 之間運行了數千局圍棋，利用反復試驗調整連接點，這個流程也稱為鞏固學習(reinforcement learning)。通過廣泛使用Google云平臺，完成了大量研究工作。

AlphaGo所使用的神經網絡結構示意圖

　　征服圍棋對于谷歌來說有重要意義。AlphaGo不僅是遵循人工規則的“專家”系統，它還通過“機器學習”自行掌握如何贏得圍棋比賽。谷歌方面希望運用這些技術解決現實社會最嚴峻、最緊迫的問題——從氣候建模到復雜的災難分析。

　　在具體的機器訓練上，決策網絡的方式是輸入人類圍棋專家的比賽，到系統可以預測57%人類行動為止，此前最好成績是44%。此后AlphaGo 通過在神經網絡內部進行比賽的方式(可以簡單理解成和自己下棋)，開始學習自主探索新的圍棋策略。目前AlphaGo的決策網絡可以擊敗大多數具有龐大搜 尋樹的最先進的圍棋程序。

　　值網絡也是通過自己和自己下棋的方式來訓練。目前值網絡可以評估每一步棋能夠有多大勝算。這在此前被認為是不可能的。

　　AlphaGo戰績驚人

　　實際上，目前AlphaGo已經成為最優秀的人工智能圍棋程序。在與其他程序的對弈中，AlphaGo用一臺機器就取得了500場的勝利，甚至 有過讓對手4手后獲勝的紀錄。去年10月5日-10月9日，谷歌安排AlphaGo與歐洲圍棋冠軍Fan Hui(樊麾：法國國家圍棋隊總教練)閉門比賽，谷歌以5-0取勝。

AlphaGo與歐洲圍棋冠軍樊麾的5局較量

　　公開的比賽將在今年三月舉行，AlphaGo將在韓國首爾與韓國圍棋選手李世石九段一決高下，李世石是近10年來獲得世界第一頭銜最多的棋手，谷歌為此提供了100萬美元作為獎金。李世石表示很期待此次對決，并且有信心獲得勝利。

　　此外，AlphaGo的發布，也是Deep MInd在2014年1月被谷歌收購以來首次發聲。在被收購之前，這家位于倫敦的人工智能領域的公司還獲得了特斯拉和SpaceX創始人馬斯克的投資。

　　人機對弈誰將勝？

　　值得一提的是，上一次著名的人機對弈要追溯到1997年。當時IBM公司研發的超級計算機“深藍”戰勝了國際象棋冠軍卡斯巴羅夫。不過國際象棋 的算法要比圍棋簡單得多。國際象棋中取勝只需“殺死”國王，而圍棋中則用數子或比目的方法計算勝負，并不是簡單地殺死對方棋子。此前，“深藍”計算機的設 計人2007年發表文章指出，他相信十年內能有超級電腦在圍棋上戰勝人類。

　　該項目并未給IBM帶來可以銷售的產品，但卻讓我們意識到：基礎科學研究所面臨的巨大挑戰是值得我們去迎接的，雖然企業在這方面的收益還無法量化。

　　隨著頂級科技公司爭相在產品中融入智能技術，谷歌并不是唯一一家研究圍棋AI的公司，Facebook對圍棋人工智能的研究整合此前也亮相最新 的計算技術：深卷積神經網絡(deep convolutional neural networks)和蒙特卡洛樹搜索(Monte Carlo tree search)，前者利用類似于大腦的算法來學習和識別棋盤上各種模式的重要性，而后者相當于一種超前思維，用于計算詳細的戰略步驟。

    Facebook和谷歌在圍棋人工智能方面的研究具有極大的代表意義。與國際象棋相比，圍棋更具深度。要讓計算機掌握相關技巧，需要更多類似于人類的模式 識別和直覺判斷技巧，計算機象棋軟件越來越優秀，已將揭開了這項游戲的神秘面紗；相比之下，圍棋目前更加神秘。但將來，圍棋的神秘色彩也可能不復存在。