科技猎AI 和人类的较量再一次展开了，谷歌人工智能击败欧洲围棋冠军
【钛媒综合】AI 和人类的较量再一次展开了。
1月28日上午消息，谷歌今日召开全球电话会议，旗下Deep MInd创始人戴密斯·哈萨比斯(Demis Hassabis)宣布了谷歌在人工智能领域的重要进展：开发出一款能够在围棋中击败职业选手的程序——AlphaGo，后者能够通过机器学习的方式掌握比赛技巧。
而同样，在今天国际顶尖期刊《自然》报道了谷歌所开发的这款新围棋AI。这款名为AlphaGo（翻译为阿尔法围棋）的人工智能，在没有任何让子的情况下以5:0完胜欧洲冠军，职业围棋二段樊麾，樊麾出生于中国，目前是法国国家围棋队总教练，已经连续三年赢得欧洲围棋冠军的称号。
除此之外，研究者也让AlphaGo和其他的围棋AI进行了较量，在总计495局中只输了一局，胜率是99.8%。它甚至尝试了让4子对阵Crazy Stone，Zen和Pachi三个先进的AI，胜率分别是77%，86%和99%。
计算机和人类竞赛在棋类比赛中已不罕见，在三子棋、跳棋和国际象棋等棋类上，计算机都先后完成了对人类的挑战。根据资料显示，1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国际象棋AI；但对拥有2500多年历史的围棋而言，计算机在此之前从未战胜过人类。
AI下围棋，是如何通过计算来打败人类的？
围棋看起来棋盘简单、规则不难。棋盘纵横各19条等距离、垂直交叉的平行线，共构成19×19(361)个交叉点。比赛双方交替落子，目的是在棋盘上占据尽可能大的空间。围棋最大有3^361 种局面，大致的体量是10^170，而已经观测到的宇宙中，原子的数量才10^80。国际象棋最大只有2^155种局面，称为香农数，大致是10^47。
那么AI是如何攻破人类的呢？根据果壳网上作者“开明”的文章解释，面对任何棋类，一种直观又偷懒的思路是暴力列举所有能赢的方案，这些方案会形成一个树形地图。AI只要根据这个地图下棋就能永远胜利。
然而，围棋一盘大约要下150步，每一步有250种可选的下法，所以粗略来说，要是AI用暴力列举所有情况的方式，围棋需要计算250^150种情况，大致是10^360。相对的，国际象棋每盘大约80步，每一步有35种可选下法，所以只要算35^80种情况，大概是10^124。无论如何，枚举所有情况的方法不可行，所以研究者们需要用巧妙的方法来解决问题，他们选择了模仿人类大师的下棋方式。
机器学习研究者们祭出了终极杀器——“深度学习”（Deep Learning）。深度学习是目前人工智能领域中最热门的科目，它能完成笔迹识别，面部识别，驾驶自动汽车，自然语言处理，识别声音，分析生物信息数据等非常复杂的任务。
AlphaGo 的核心是两种不同的深度神经网络。“策略网络”（policy network）和 “值网络”（value network）。它们的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋手所做的一样。
其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑；而“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。将这些信息放入一个概率函数，AI就不用给每一步以同样的重视程度，而可以重点分析那些有戏的棋着。
AlphaGo利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会判断当前局面以及推断未来的局面一样。这样AlphaGo在分析了比如未来20步的情况下，就能判断在哪里下子赢的概率会高。
研究者们用许多专业棋局训练AI，这种方法称为监督学习（supervised learning），然后让AI和自己对弈，这种方法称为强化学习（reinforcement learning），每次对弈都能让AI棋力精进。然后他就能战胜冠军啦！
人类在下棋时有一个劣势，在长时间比赛后，他们会犯错，但机器不会。而且人类或许一年能玩1000局，但机器一天就能玩100万局。所以AlphaGo只要经过了足够的训练，就能击败所有的人类选手。
被打败的欧洲冠军樊麾是什么样的水平？
值得注意的是，在AlphaGo打败欧洲冠军之后，谷歌同时还宣布将在今年三月挑战韩国围棋选手李世石，李世石是围棋九段高手，也是近10年来获得世界第一头衔最多的棋手，谷歌为此提供了100万美元作为奖金。
根据google自己的评估，目前AlphaGo的实力只在职业二段左右，其打败的欧洲冠军也只有二段，而韩国围棋选手李世石却是九段，无疑二段与九段之间的实力甚为悬殊。李世石对谷歌的这一挑战表示非常期待，并且认为自己一定会赢。
如上图，欧洲冠军Hui Fan的水平目测是二段左右，而最强的AlphaGo distributed大概是五段，这和“击败人类”的目标还有点距离（其他非随机类游戏，机器都能轻松击败最强的人类大师）。所以还是等三月和李世石的五番棋吧。
尽管AlphaGo尚有一个月时间学习，但是假设围棋的技巧是有限的话，无论是人学习还是机器学习一定是一条渐近线，即使AlphaGo在三月的挑战中输了这场比赛，这仍旧是AI发展史中一件极具标志性的事情。
