作者 劉韓 ? 2017.3.9
? ? ? 2016年，距人工智能誕生的1956年60周年，按中國人的農(nóng)歷，這兩年都是丙申年（猴年），正好是一個甲子的輪回。這一年IT行業(yè)最轟動的事件，就是AlphaGo圍棋軟件橫掃人類世界圍棋冠軍。有人還在討論計(jì)算機(jī)是否具有智能，在我看來，未來的60年，將是人工智能全面超越人類智能的時代，圍棋人機(jī)大戰(zhàn)，僅僅是這一壯麗史詩的序曲。
? ? ? ?2016年3月9日到15日，AlphaGo圍棋軟件挑戰(zhàn)世界圍棋冠軍李世石的圍棋人機(jī)大戰(zhàn)五番棋在韓國首爾舉行。比賽采用中國圍棋規(guī)則，獎金是由Google提供的100萬美元。最終AlphaGo以4比1的總比分取得了勝利。
? ? ? 2016年12月29日晚起到2017年1月4日晚，AlphaGo圍棋軟件在弈城圍棋網(wǎng)和野狐圍棋網(wǎng)以“大師”（Master）為注冊名，依次對戰(zhàn)數(shù)十位人類頂尖高手，包括柯潔、樸廷桓、陳耀燁、羋昱廷、唐韋星、常昊、周睿羊和古力等世界冠軍，以及中國棋圣聶衛(wèi)平，取得60勝0負(fù)的輝煌戰(zhàn)績。
? ? ? AlphaGo在2016年的圍棋水平，世界圍棋冠軍常昊的評論是：“它現(xiàn)在的水平，可以說是大大的超出了我們?nèi)祟惖南胂蟆！蔽覀€人的預(yù)測，隨著硬件速度的提升和軟件的升級優(yōu)化，以及AlphaGo左右互搏，不斷自我對弈幾億盤的積累，未來版本AlphaGo的圍棋水平，可以輕松擊敗任何人類棋手，就像金庸小說《天龍八部》之中，超凡入圣的少林寺掃地僧，可以輕輕松松秒殺蕭遠(yuǎn)山、慕容博這些天下一流高手。
? ? ? ?回顧人工智能的發(fā)展史，棋類就一直是一個熱門領(lǐng)域，原因很簡單，因?yàn)橄缕灞环Q為智力競技運(yùn)動，而棋類的勝負(fù)和等級分，可以很好地來對比和測量人工智能系統(tǒng)的智能水平。
? ? ? ?偉大的香農(nóng)，最早提出了利用計(jì)算機(jī)編寫國際象棋程序的設(shè)想，并于1950年發(fā)表了論文《為計(jì)算機(jī)編程下國際象棋》（《Programming a computer for playing chess》），其內(nèi)容奠定了現(xiàn)代弈棋機(jī)的基礎(chǔ)。1956年，他在洛斯阿拉莫斯的MANIAC計(jì)算機(jī)上實(shí)現(xiàn)了一個國際象棋的下棋程序。在一篇關(guān)于計(jì)算機(jī)象棋的早期論文中，紐維爾、西蒙和克里夫·肖（Cliff Shaw)提出：“如果一個人能夠設(shè)計(jì)出一臺成功的弈棋機(jī)，他似乎就滲入了人類智力活動的核心。”受這些大師的激勵，無數(shù)的計(jì)算機(jī)專業(yè)人士、國際象棋棋手和來自各個行業(yè)的業(yè)余愛好者開始研究和開發(fā)一代又一代的下棋系統(tǒng)，有些人追求勝負(fù)和獎金，有些人把下棋系統(tǒng)作為實(shí)驗(yàn)工具，研究人類智能的工作原理。
? ? ? 人類思考棋類問題的核心智慧就是找到妙招，而找到妙招的關(guān)鍵就是推算出若干步之內(nèi)無論對方如何應(yīng)對，本方都處于局面變好的態(tài)勢。轉(zhuǎn)換到國際象棋程序編程，核心都必須有兩部分：博弈搜索和局面評估。
? ? ? ?博弈搜索時一個招法（下一步棋）向著后續(xù)招法分叉，形成了一顆樹形結(jié)構(gòu)，被稱為博弈樹。最簡單的搜索法被稱為暴力搜索法（Brute force）或者A（Alpha、阿爾法）方法，這種方法全面生成所有可能的招法，并選擇最優(yōu)的一個，也就是盡可能對博弈樹窮盡搜索。另一種策略被稱為B（beta、貝塔）方法，基本思想是剔除某些樹枝。
? ? ? ?暴力搜索法程序遇到的主要難題是博弈樹所包含的局面數(shù)量實(shí)在太多太多了。國際象棋平均每個局面大約有40步符合規(guī)則的著法。如果你對每步著法都考慮應(yīng)著就會遇到40 x 40 = 1600個局面。而4步之后是250萬個，6步之后是41億個。平均一局棋大約走40回合80步，于是所有可能局面就有10的128次方個，這個數(shù)字遠(yuǎn)遠(yuǎn)多于已知宇宙世界的原子總數(shù)目(大約10的80次方)！
? ? ? ? 紐維爾、西蒙和克里夫·肖發(fā)展的Alpha-beta算法可以從搜索樹中剔除相當(dāng)大的部分而不影響最后結(jié)果。它的基本思想是：如果有些招法將自己引入了很差的局面，這個招法的所有后續(xù)招法就都不用繼續(xù)分析了。也就是說，如果有一個完美的局面評估方法，只要把最好的招法一個留下來就可以了，當(dāng)然這種完美的評估方法不存在，不過只要有一個足夠好的評估方法，那么也可以在每一層分析時只保留幾個比較好的招法，這就大大減少了搜索法的負(fù)擔(dān)。Alpha-beta算法和優(yōu)秀人類棋手下棋時的思考過程已經(jīng)非常接近。
? ? ? ?70年代時，曾經(jīng)創(chuàng)造UNIX系統(tǒng)的計(jì)算機(jī)行業(yè)大腕肯·湯普森(Ken Thompson)開始進(jìn)入電腦國際象棋領(lǐng)域，他和貝爾實(shí)驗(yàn)室的同事喬·康登（Joe Condon)一起決定建造一臺專門用途的機(jī)器，使用了價值大約20,000美元的幾百個芯片。他們把這臺機(jī)器叫做Belle。它能夠每秒搜索大約18萬個局面,而當(dāng)時的百萬美元級超級電腦只能搜索5000個。Belle在比賽中可以搜索八至九層那么深，是第一臺達(dá)到國際象棋大師級水平的計(jì)算機(jī)。從1980年到1983年它戰(zhàn)勝了所有其它電腦，贏得了世界電腦國際象棋競賽冠軍，直到被價錢貴上千倍的克雷巨型機(jī)(Cray X-MPs)取代為止。Belle的成功，開創(chuàng)了開發(fā)國際象棋專用芯片來提高搜索速度的道路。
? ? ? ? 湯普森的另一大貢獻(xiàn)是他整理的殘局庫，他在80年代就開始生成和儲存棋盤上剩四至五子的所有符合規(guī)則的殘局。一個典型的五子殘局，比如王雙象對王單馬，包含總數(shù)121萬個局面。電腦使用這些殘局?jǐn)?shù)據(jù)庫，可以把每個殘局走得絕對完美，就象上帝一樣。
? ? ? ?湯普森在80年代對搜索深度和棋力提高之間的關(guān)系做了非常有意義的試驗(yàn)。他讓Belle象棋機(jī)自己跟自己下，但只有一方的搜索深度不斷增加，結(jié)果是，根據(jù)勝負(fù)比率，平均每增加一個搜索深度可大約換算成200個國際象棋等級分。由此推論，可以計(jì)算出搜索深度達(dá)到十四層時，就達(dá)到了當(dāng)時世界冠軍卡斯帕羅夫的程度，即2800分的等級分。當(dāng)時計(jì)算機(jī)行業(yè)專家的推測是：要與人類世界冠軍爭奪冠軍，必須做一臺每秒運(yùn)算10億次的電腦（對應(yīng)于搜索到十四層的深度）。
? ? ? ?在評估局面方面，早期使用的是憑借經(jīng)驗(yàn)制訂的簡單規(guī)則，后來這些規(guī)則逐漸增加，并逐漸加入人類優(yōu)秀棋手評估棋局的思路。比如， 卡耐基梅隆大學(xué)的漢斯·貝利納教授(Hans Berliner），他曾經(jīng)是世界國際象棋通訊賽冠軍，他領(lǐng)導(dǎo)開發(fā)了80年代很強(qiáng)的“Hitech”下棋機(jī)，在他的局面評估方法中，局面好壞由50多個因素決定（例如子力、位置、王的安全等等），每個因素則是一個變量，為每個變量賦予了一個加權(quán)系數(shù)，最后求和的大小就清晰的表明了當(dāng)前局面的優(yōu)劣。
? ? ? ? 最終實(shí)現(xiàn)戰(zhàn)勝人類國際象棋世界冠軍之夢，取得人機(jī)大戰(zhàn)勝利的是IBM的“深藍(lán)”（DeepBlue)團(tuán)隊(duì),核心是來自中國臺灣的許峰雄、莫里·坎貝爾（Murray Cambell)和喬·赫內(nèi)（Joe Hoane)。1985年起，許峰雄和莫里在卡耐基梅隆大學(xué)讀研究生時，就是電腦下棋機(jī)“ChipTest”和“DeepThought”團(tuán)隊(duì)的核心成員，這兩臺下棋機(jī)在當(dāng)時都處于電腦象棋行業(yè)的頂尖水平。許峰雄的導(dǎo)師孔祥重教授也是華人，是孔子的后代。許峰雄很有個性，有時會和權(quán)威發(fā)生沖突，高中開始就有個綽號叫“瘋鳥”(Crazy Bird)，孔教授繼承了他的祖先孔子“因才施教”的風(fēng)范，寬容了“瘋鳥”造成的一些麻煩，大力支持了許峰雄的追夢之旅。
? ? ? ?1989年起，加入IBM使得許峰雄和莫里得到了他們非常需要的高速計(jì)算機(jī)的資源和生產(chǎn)幾百個象棋芯片的財(cái)力。IBM雄厚財(cái)力的另一大用途，是“深藍(lán)”團(tuán)隊(duì)可以請到馬克西姆·德盧基（Maxim Dlugy)、喬爾·本杰明（Joel Benjamin)、米格爾·伊列斯卡斯（Miguel Illescas)等多位國際象棋特級大師來負(fù)責(zé)與“深藍(lán)”對弈和訓(xùn)練，這些訓(xùn)練的成果，多數(shù)都沉淀在“深藍(lán)”不斷優(yōu)化的局面評估程序和開局庫之中。
? ? ? ? 又經(jīng)過了近十年的艱苦努力，IBM “深藍(lán)”下棋機(jī)最終在1997 年 5月3日至5 月 11 日的系列比賽中，以3.5:2.5(2勝1負(fù)3平）戰(zhàn)勝了當(dāng)時的國際象棋世界冠軍卡斯帕羅夫，震驚了整個世界。當(dāng)時用于比賽的IBM深藍(lán)電腦，使用了30臺IBM RS/6000工作站， 每臺工作站有一個主頻120M的Power2 CPU 加上16個VLSI 國際象棋專用芯片，所以深藍(lán)的計(jì)算能力是30個CPU加480個象棋芯片，理論搜索速度每秒10億個棋局，實(shí)際最大速度大約是每秒搜索2億個棋局，很接近80年代時計(jì)算機(jī)專家的預(yù)測。
? ? ? ? 許峰雄后來寫了本書，叫《“深藍(lán)”揭秘－－追尋人工智能圣杯之旅》，回憶了他12年磨一劍，堅(jiān)持打造可以戰(zhàn)勝所有人類選手的下棋機(jī)，最終取得成功的不凡經(jīng)歷，這本書很值得所有愿意長期追求遠(yuǎn)大夢想的人學(xué)習(xí)。
? ? ? ?書中透露的兩個細(xì)節(jié)可以看到人類棋手在下棋能力以外的弱點(diǎn)。第一局卡斯帕羅夫取勝后，卻一直疑惑為什么“深藍(lán)”在第44步?jīng)]有下看似更好的一招棋，他的助手們深入分析后得出結(jié)論，“深藍(lán)”沒下那招棋的原因是“它大概看到了20步之后的殺招”，如此高估“深藍(lán)”的實(shí)力也許對卡斯帕羅夫后來的戰(zhàn)斗增加了不少壓力。整個系列比賽結(jié)束后，許峰雄才在書中透露“深藍(lán)”是因?yàn)槌绦虻碾[錯（Bug）才走出的那一招，當(dāng)聽到卡斯帕羅夫團(tuán)隊(duì)的分析時，他不禁笑出聲來。另一個細(xì)節(jié)，此次比賽的總獎金是110萬美元，勝方得70萬美元，負(fù)方得40萬美元，卡斯帕羅夫又對外另下了30萬美元的賭注，因此，他承受了除了名譽(yù)以外還有來自金錢的巨大壓力。最后一局，下了不到1小時，卡斯帕羅夫在19步后認(rèn)輸。
? ? ? ?有趣的是，作為“深藍(lán)”的總設(shè)計(jì)師和芯片設(shè)計(jì)師，許峰雄更傾向于從工程角度看待“深藍(lán)”的成功，他在書中的序言中說：“本書與科學(xué)發(fā)現(xiàn)無關(guān)，而是關(guān)于一項(xiàng)工程探索。從本質(zhì)上講，工程探索涉及生活中更豐富的層面。工程探索背后的技術(shù)思想首先要被發(fā)現(xiàn)出來，然后才能達(dá)到邏輯上的完善。這個發(fā)現(xiàn)可能來自運(yùn)氣或靈感，而探索的其他部分則需要付出辛勤的汗水和契而不舍的努力。……本書描述的是努力超越（盡管也許只是暫時的超越）世界上最佳人類棋手的弈棋水平的探索過程。”
? ? ? ?關(guān)于計(jì)算機(jī)下圍棋，2002年，許峰雄寫書時的判斷是：“它實(shí)在太難了，以至于在未來20年中可能得不到解決。”這句話里“解決”的含義應(yīng)該就是戰(zhàn)勝圍棋世界冠軍，然而這個預(yù)言在2016年提前6年被強(qiáng)大的AlphaGo團(tuán)隊(duì)打破。
? ? ? ?AlphaGo這一款圍棋人工智能程序，由谷歌（Google）旗下DeepMind公司開發(fā)。DeepMind公司創(chuàng)始人戴密斯·哈薩比斯（Demis Hassabis）生于1976年，父親是希臘族塞浦路斯人，母親是新加坡華人，在英國倫敦長大。他從小就是國際象棋和計(jì)算機(jī)雙料神童，4歲開始下國際象棋，8歲自學(xué)編程，13歲獲得國際象棋大師稱號。2010年哈薩比斯創(chuàng)立專注于人工智能研發(fā)的DeepMind公司，目標(biāo)是建立強(qiáng)大的通用學(xué)習(xí)算法，將技術(shù)應(yīng)用于解決現(xiàn)實(shí)世界的難題。
? ? ? AlphaGo的開發(fā)團(tuán)隊(duì)核心包括大衛(wèi)·席爾瓦（David Silver)、黃士杰（Aja Huang）、施恩·萊格（Shane Legg）和穆斯塔法·蘇萊曼（Mustafa Suleyman）等人。AlphaGo圍棋程序應(yīng)用了近年來人工智能領(lǐng)域有重大突破的“深度學(xué)習(xí)”和“強(qiáng)化學(xué)習(xí)”等技術(shù)，加上Google公司強(qiáng)大的并行計(jì)算實(shí)力，可以說其“智能”水平已經(jīng)遠(yuǎn)遠(yuǎn)超過當(dāng)年的“深藍(lán)”。

? ? ? ? 根據(jù)DeepMind公司在《自然》雜志上發(fā)表的文章，AlphaGo這個系統(tǒng)主要由幾個部分組成：
1. 策略網(wǎng)絡(luò)（Policy Network），給定當(dāng)前局面，預(yù)測下一步的走棋。對棋盤上的每個可下的點(diǎn)都給出了一個估計(jì)的分?jǐn)?shù)，也就是圍棋高手下到這個點(diǎn)的概率。評估一步棋的速度可達(dá)2毫秒左右。
2. 快速走子（Fast rollout），目標(biāo)和1一樣，但在適當(dāng)犧牲走棋質(zhì)量的條件下，速度要比1快1000倍。下一步棋的速度可達(dá)2微秒左右。
3. 估值網(wǎng)絡(luò)（Value Network），給定當(dāng)前局面，估計(jì)是白勝還是黑勝，給出輸贏的概率。
4. 蒙特卡羅樹搜索（Monte Carlo Tree Search，MCTS)，把以上這三個部分連起來，形成一個完整的系統(tǒng)。
? ? ? ? 簡約地說一下AlphaGo的“訓(xùn)練”過程，AlphaGo團(tuán)隊(duì)首先利用幾萬局專業(yè)棋手對局的棋譜來訓(xùn)練系統(tǒng)，得到初步的“策略網(wǎng)絡(luò)”和“快速走子”。訓(xùn)練“策略網(wǎng)絡(luò)”時，采用“深度學(xué)習(xí)”算法，基于全局特征和深度卷積網(wǎng)絡(luò)(CNN)來訓(xùn)練，其主要作用是給定當(dāng)前盤面狀態(tài)作為輸入，輸出下一步棋在棋盤其它空地上的落子概率。“快速走子”則基于局部特征和線性模型來訓(xùn)練。完成這一步后，AlphaGo已經(jīng)初步模擬了人類專業(yè)棋手的“棋感”。接下來，AlphaGo采用左右互搏的模式，不同版本的AlphaGo相互之間下了3000萬盤棋，利用人工智能中的“深度增強(qiáng)學(xué)習(xí)”算法，利用每盤棋的勝負(fù)來學(xué)習(xí)，不斷優(yōu)化和升級“策略網(wǎng)絡(luò)”，同時建立了一個可以對當(dāng)前局面估計(jì)白棋和黑棋勝率的“估值網(wǎng)絡(luò)”。根據(jù)AlphaGo團(tuán)隊(duì)的數(shù)據(jù)，對比圍棋專業(yè)選手的下法，“策略網(wǎng)絡(luò)”用2毫秒能達(dá)到57%的準(zhǔn)確率，“快速走子”用2微秒能達(dá)到24.2%的走子準(zhǔn)確率，據(jù)估計(jì)，單機(jī)上采用“快速走子”的下棋程序，已經(jīng)具備了圍棋三段左右的水平。而“估值網(wǎng)絡(luò)”對勝負(fù)的判斷力已經(jīng)遠(yuǎn)超所有人類棋手。
? ? ? ?實(shí)際對局時，AlphaGo通過“蒙特卡羅樹搜索”來管理整個對弈的搜索過程。首先，通過“策略網(wǎng)絡(luò)”，AlphaGo可以優(yōu)先搜索本方最有可能落子的點(diǎn)（通常低于10個）。對每種可能，AlphaGo可以通過“估值網(wǎng)絡(luò)”評估勝率，同時，可以利用“快速走子”走到結(jié)局，通過結(jié)局的勝負(fù)來判斷局勢的優(yōu)劣，綜合這兩種判斷的評分再進(jìn)一步優(yōu)化“策略網(wǎng)絡(luò)”的判斷，分析需要更進(jìn)一步展開搜索和演算的局面。綜合這幾種工具，輔以超級強(qiáng)大的并行運(yùn)算能力，AlphaGo在推演棋局變化和尋找妙招方面的能力，已經(jīng)遠(yuǎn)超人類棋手。根據(jù)資料，最高配置的AlphaGo分布式版本，配置了1920個 CPU和280個 GPU，同時可以跑64個搜索線程，這樣的計(jì)算速度就好像有幾十個九段高手同時在想棋，還有幾十個三段棋手幫著把一些難以判斷的局面直接下到最后，拿出結(jié)論，某一位人類棋手要與對抗，確實(shí)難以企及。
? ? ? ?當(dāng)然，目前版本的AlphaGo也并不完美。在人機(jī)大戰(zhàn)的第四局，0:3失利后為榮譽(yù)而戰(zhàn)的李世石長考25分鐘后，祭出了白78“挖”的妙手，這一手棋后來被新聞界稱為“神之一手”，AlphaGo在李世石的絕地反擊下陷入混亂，下出了不少“昏招”，最后中盤認(rèn)輸。 據(jù)DeepMind創(chuàng)始人哈薩比斯賽后Twitter稱：“李世石下出白78后，AlphaGo自我感覺良好，在程序的‘估值網(wǎng)絡(luò)’中，誤以為勝率達(dá)到70%，在第79手犯了錯，直到第87手才反應(yīng)過來它錯了。”
? ? ? ? 圍棋世界冠軍古力與AlphaGo對弈以后寫下了這么一句話：“人類與人工智能共同探索圍棋世界的大幕即將拉開。”我相信，AlphaGo所代表的人工智能技術(shù)將在更多的領(lǐng)域輔助人類解決更多的難題，而更多中國血統(tǒng)的天才，將像許峰雄、戴密斯·哈薩比斯、黃士杰那樣，在人工智能領(lǐng)域取得輝煌的成就。