科学网-阿狗归零成精-孟津的博文

阿狗归零成精

2017-10-20 10:01

阅读：23495

标签：围棋, 阿尔法狗

年初我写了篇博文《观聂卫平战“大师”－阿狗重出江湖》，是观聂卫平和阿狗大师（AlphaGo Master）对弈的感想。那一回，阿狗大师60比零胜了世界围棋界众多顶尖高手，然后宣布退役。好家伙，赢了就归隐江湖，让人恨得牙痒痒。当然，很多人有话说，阿狗大师能赢，全在于是下快棋，如果慢棋，人也许有机会。后来，柯杰和阿狗大师下了三盘慢棋，结果大家都知道，恩怨是非可以了断了。

本来以为有了这个测试后，阿狗也许可以去找点什么正经事做，只知道玩，不是好狗，能咬耗子也不错，总是有点用。结果阿狗团队现在又冒了一泡，出人预料。这回出来的是很谦虚的阿零（AlphaGo Zero), 没有阿狗大师那么嚣张，但却是更令人可怕了。首先，它已经不屑跟人下棋了，可以说绝对没有任何人是对手。它只和机器下。从当年以4:1胜了李世石的版本，到60:0胜了众多棋手的大师版，阿零和它们对弈的结果是100:0。有关的文字发到了《自然》上，网上可以找到，我就不贴了。但两篇文章体现的概念却非常不同，这个从两篇文章的题目就可以看出。

过去的版本，是基于人类的棋谱，通过机器学习，最终在对弈中可以选择最佳的应手，从而取得胜利。但阿零却不是这样，它完全没有从几千年的人类对弈棋谱中学什么，而是在现行规则下，从零开始，自己对弈，并在其中学习提高，最后达到超人类的境界。从他们的文章中可以看出，阿零使用的算法，是所谓的强化学习（reinforcement learning），我不知道有没有更专业的译法。从零开始学习，不受人类围棋经验的影响和约束，到进入超人类弈棋的境界，花了30-40天时间，这个可以从DeepBlue网站上看到（见下面附图）。对于不懂数学和人工智能的我来说，有个问题不知这里的高手能否回答：从阿零的学习曲线看，40天以后，如果它接着练下去，是否可以达到一个极限？也就是说，就现有的规则和19X19棋盘，它永远也达不到Elo 6000。或者说围棋的变化还是有限的？不管怎么说，这个阿零的出现，说明人类对事情的认识，还是有局限性的。抛开人类的局限性，阿零的算法能够达到更佳的结果。但从最后列出的棋谱看，也可以说人类的一些基本行棋“定式”，还是围绕在最佳选择上的。这个从阿零开局就可以看出来，基本上收敛于从角部落子，和人类高手过招的思路非常相似。就围棋来说，很多可能性人类都还没有尝试过。当然，人类有自己的一些追求，比如说棋型的美感，这个阿零能否理解。但那种美感，对于胜负来说，意义在什么地方呢？

看了一些对局，还是很感叹。很想知道，阿零跟九段棋手下让子棋是个什么状况，能让到几子。贴一份阿零对阿大师的对局谱，以及阿零自己左右手搏击的棋谱。这些棋谱，在Nature文章的辅助材料中可以看到，我挑了两个最简单的放上供参看。不太清楚阿零自我博弈的胜负率，是否会是50%对50%。