Master就是AlphaGo升级版!60连胜背后看专家怎么评说

  • 时间:
  • 浏览:116

  编者按:本文来自微信公众号“新智元”(ID:AI_era),作者弗格森、序媛,36氪经授权发布。

  2017年1月4日晚上,Master 完胜第59盘棋的时候,突然发声自认:“我是 AlphaGo 的黄博士”,Master之前以横扫千军的姿态战胜几乎所有中国的围棋大师,包括“棋圣”聂卫平和柯洁。本文带来新智元智库专家白硕、邓侃的独家解读。同时,国内围棋AI 的一名开发者也透露了他的看法:Master的水平略有些让人失望。新智元还采访了中国围棋队总教练俞斌,他在文中谈了自己的看法和理解。这一次,机器可能不再借用人类经验,而是凭借自我对弈和学习战胜了人类,让人类认识到另一个“真理”的存在。从某种程度上来说,这是一个新的“纪元”的开启。

  1月4日晚间,此前横扫围棋界的神秘大师“Master” 忽然发声,自亮身份,它写道:我是AlphaGo 黄博士。

  此时,Master 刚刚取得第59场不败纪录,将对战人类棋手的纪录变为59:0。此前,人们的猜测是Master在完成60场比赛后,会隐退,或者发声。但是,没有人想到,在59场的时候,Master自己亮明了身份。

  官方声明:

  Master 已经在线上平台上接连战胜了聂卫平、柯洁、朴廷桓、唐韦星、范廷钰、王古力、周俊勋和黄云嵩等多位围棋高手。

  2017年下午3点04分,聂卫平执白3又1/4子之差负于Master,Master取得第54胜!

  聂卫平在围棋圈有“棋圣”之称,只是这次,他也拿Master没办法。对弈结束后,Master 用繁体字打出了“谢谢聂老师”的消息。这个时候,其实Master的身份已经有所暗示了。后来Master所说的“黄博士”,指的是黄士杰博士。黄博士是台湾人,习惯用繁体。

  如果大家有看3月份李世石与 AlphaGo 的对奕的话,应该会注意到在李世石对面有个将 AlphaGo 的棋步下到棋盘,并且将李世石的棋步再输到电脑上的人。这位就是谷歌 DeepMind 的资深研究员,也是 AlphaGo 的主要程序开发者,台湾出身的黄士杰博士。

  

  黄士杰博士毕业于台湾师范大学,博士论文就是以“应用于电脑围棋之蒙地卡罗树搜索法的新启发式演算法”,本身也是业余六段的围棋棋手。

  此前,黄士杰在接受Engadget的采访时曾说,如果再给 AlphaGo 一年半载的话,说不定李世石真的就是史上唯一赢过 AlphaGo 一场的人了...

  果然,半载之后,我们看到令人叹服的结果。

  对于此次掀起风暴的Master,新智元智库专家白硕评价说:

  新智元问及其他的机器包括国内的一些围棋AI是否有机会超越Master呢?是否需要重大算法突破才能破解Master的时间积累优势?

  白硕说:“我知道有人在做。如果能大幅提高算法的效率,就意味着在同样时间内可以遍历更多有意义的变化,增强学习会做得越好。个人判断,算法上的优化仍有空间,赶超仍有机会。未来机器之间的对弈会是新的看点。”

  然而,也有专业人士表示有些失望。一位要求匿名的中国某大型互联网公司AI开发者对新智元表示,Master 横扫人类棋手毫不意外,但是对过程有点失望,Master的技术没有想象的那么好,毕竟去年7月份 Aja Huang 在一次演讲中透漏可以让顶尖棋手2子,半年过去了,看不出一定能让2子。也许这并不是最新版。

  在DeepMind官宣之前,“Master”的身份激发了多方猜测,有不少人认为这就是AlphaGo的升级版,但与后者不同的是“Master”的招法极其奔放,推翻了很多人类棋手常走的定式,棋风与去年3月的AlphaGo大不相同。

  值得注意的是,DeepMind公司创始人Hassabis 曾在一次采访中透露,他们正在尝试训练一个没有学习过人类棋谱的人工智能,而这可能就是Master和AlphaGo不同的原因。

  CMU 博士邓侃对新智元表示:

  3月份AlphaGo 与李世石对决第一盘,取得胜利后,就说明算法已经超越人类顶级高手。接下去的几盘,AlphaGo 赢了,这是预料之中。输了一盘,反倒有点奇怪。因为算法只会越变越强大。

  随着训练越来越强化,AlphaGo 的棋艺越来越精致,这是自然而然的趋势。战胜所有人类高手,只不过是时间的问题。但是看不出 (现在的)AlphaGo 的算法,有本质突破。至少没有读到 DeepMind 在这个领域的新论文。

  AlphaGo 系统中,有 Monte Carlo tree search(蒙特卡洛树搜索),不妨把它理解为左右手互博。互博时间越长,实际上就是把各种可能的对弈方案,统统演练一遍。所以,AlphaGo 的训练时间越长,它对各种对弈方案的了解就越全面。

  被认为与AlphaGo“必有一战”的世界第一柯洁,在这次对战中也败下阵来,但是柯洁在微博上写的感想倒是很值得深思。

  他写道:“新的风暴即将来袭。我从3月份到现在研究了大半年的棋软,无数次的理论、实践,就是想知道计算机到底强在哪里。昨夜辗转反侧,不想竟一夜难眠,人类数千年的实战演练进化,计算机却告诉我们人类全是错的。我觉得,甚至没有一个人沾到围棋真理的边。但我想说,从现在开始,我们棋手将结合计算机,迈进全新的领域达到全新的境界。

  在Master身份明确后,新智元第一时间联系了中国围棋队总教练俞斌进行专访。

  新智元:您觉得人类棋手还有机会吗?

  俞斌:基本上没有。只留有一丝悬念,就是长时间的慢棋,但只是悬念,我判断慢棋也不行。

  新智元:如果下慢棋,人类棋手最后的突破口可能是什么呢?

  俞斌:慢棋人的错误会少很多,但能否一争胜负有悬念。感觉可能性很小。

  新智元:之前有人认为,人类棋手以后只和人类比,而机器棋手只会和机器棋手对决了,您认为围棋最后是这样嘛?

  俞斌:人与人比会,机器与机器比也有,但不会只是这两种。人与机器,人带机器,用时、让子等等,还是会有不少比的类型的。也许会有机器参加的团队赛等等

  新智元:看来机器的加入反而有了更多玩法。那么您认为机器的出现,看起来像人类的天花板,人类围棋是否会放下胜负心,真正实现人和人对围棋本身的享受呢?

  俞斌:哲学问题 。围棋是胜负的游戏。享受的是胜负的乐趣。有人工智能高手,并不影响享受围棋的乐趣。没有胜负而享受围棋,我理解不了。这是我个人的哲学观点。

  12月29日晚19点多,一位名叫“Master”的新手登录弈城,起初没有高手搭理,但在战胜谢尔豪四段、孟泰龄六段、於之莹五段、韩一洲四段、乔智健四段后这个账号热度陡增。这晚Master十战全胜,已注定其出世不凡。

  第二天中午“Master”再度现身,在对王昊洋六段、严在明三段等职业棋手4连胜后,终于引出了韩国第一人朴廷桓九段。重头戏开始上演,结果也是重量级的,朴廷桓在必败局面下超时负。此结果在高手中炸了锅,接着等级分排名第7的连笑七段登场挑战,却连败两场!值得注意的是,紧接着Master与账号为“吻别”的网络棋手交锋两次,均以中盘获胜。弈城网工作人员表示,“吻别”很有可能就是拥有4个世界冠军头衔的当今世界围棋第一人柯洁。如果“吻别”真是柯洁,那就意味着Master对当今中、韩第一人的战绩是6:0。

  31号,“Master”又连续战胜各大挑战者,其中新科百灵杯冠军陈耀烨九段也以失败告终,最后的最后,这位堪比“扫地僧”的神秘高手连续30盘不败,像是在逗大伙玩似的来了句:“今天累了,明天休息一天。”

  最终败在“Master”棋下的有江维杰九段、辜梓豪五段、朴永训九段、柁嘉熹九段、井山裕太九段、孟泰龄六段、金志锡九段……

  连一旁观战的柯洁九段都大惊失色:“从来没见过这样的招法,围棋还能这么下?”为此他感叹:看Master的着法,等于说以前学的围棋都是错误的,原来学棋的时候要被骂的着法现在Master都下出来了。”同样的,知乎网友 @赵小康 评论道,Master对阵这些围棋高手,“大多数对局都是中盘取胜,人类数千年时间总结出的定式、大局观在master面前显得陈腐可笑。”

  1月3日9:30,棋手古力九段按捺不住,最终发出10万元悬赏,奖励给战胜Master的勇士。但其后又有4位顶尖棋手被击败……

  不过就在51场连胜之后,1月4日,“Master”第52盘以和棋结束,“Master”的51连胜纪录就此终止。这场比赛中,“Master”挑战中国围棋职业选手陈耀烨。“Master”执黑棋、陈耀烨执白棋,30秒3次快棋。不过陈耀烨出现了断线情况,30秒没有落子,系统判定和棋。

  今日,“Master”出现以来最受瞩目的比赛在Master和聂卫平之间进行。年届64岁的中国棋圣和“Master”的比赛也是这个人工智能程序进行的第54局比赛。本局“Master”特意把比赛用时调整为每方1分钟一手,以示对聂卫平的尊敬。

  最终本局进行至手,执白的聂卫平以7目半的劣势落败。本局“Master”在右上角下出犀利的手段,吃掉了聂卫平一块棋由此确立优势,并保持到了最后。而随着棋圣聂卫平落败,“Master”将自己的不败纪录延续至54场,中日韩高手无一能在这次“快棋”对决中取胜。

  4日晚,随着古力败下阵来,Master 对人类棋手获得了60场不败的记录。

  AlphaGo 从三月份至今,经过10个月的发展,已经有了非常长足的进步,不过要追溯其技术原理,最详细的还是三月份发表在Nature 的封面论文:Mastering the game of Go with deep neural networks and tree search(通过深度神经网络和树搜索,学会围棋游戏)。

  AlphaGo 给围棋带来了新方法,它背后主要的方法是 Value Networks(价值网络)和 Policy Networks(策略网络),其中 Value Networks 评估棋盘位置,Policy Networks 选择下棋步法。这些神经网络模型通过一种新的方法训练,结合人类专家比赛中学到的监督学习,以及在自己和自己下棋(Self-Play)中学到强化学习。这不需要任何前瞻式的 Lookahead Search,神经网络玩围棋游戏的能力,就达到了最先进的蒙特卡洛树搜索算法的级别(这种算法模拟了上千种随机自己和自己下棋的结果)。我们也引入了一种新搜索算法,这种算法将蒙特卡洛模拟和价值、策略网络结合起来。

  通过将 Value Networks、Policy Networks 与树搜索结合起来,AlphaGo 达到了专业围棋水准,让我们看到了希望:在其他看起来无法完成的领域中,AI 也可以达到人类级别的表现!

  DeepMind 团队对围棋项目的介绍(新智元翻译)