1997年國(guó)際象棋神話卡斯帕羅夫輸給計(jì)算機(jī)后，圍棋成為人類的最后尊嚴(yán)。在大多數(shù)人看來(lái)，計(jì)算機(jī)想要在圍棋領(lǐng)域打敗人類，至少需要十年，甚至更長(zhǎng)的時(shí)間。然而，AlphaGo的出現(xiàn)，直接擊碎了這一想法。

2016年，谷歌旗下的DeepMind團(tuán)隊(duì)發(fā)布AlphaGo，并在以4:1的成績(jī)擊敗了世界圍棋冠軍、韓國(guó)棋手李世石，震撼全球。戰(zhàn)勝李世石的這版AlphaGo，參考學(xué)習(xí)了大量的人類專業(yè)棋手的棋譜。此后，AlphaGo又進(jìn)化出了AlphaGo Master版本，并以3：0戰(zhàn)勝了當(dāng)今世界圍棋第一人、中國(guó)棋手柯潔。“功成名就”后，Deepmind公司宣布AlphaGo退役，不再與人類下棋。不過，故事并未結(jié)束。退出人類棋壇、無(wú)敵寂寞的AlphaGo開始了閉關(guān)學(xué)習(xí)，進(jìn)行“左右手互博”，從而實(shí)現(xiàn)“挑戰(zhàn)自我”、“戰(zhàn)勝自我”。2017年10月18日，神秘面紗揭開：DeepMind推出了最新版本，也是迄今為止最強(qiáng)版本——AlphaGo Zero。

在DeepMind的最新論文中，AlphaGo Zero利用了強(qiáng)化學(xué)習(xí)的方法，在沒有人類指導(dǎo)的情況下，只用3天時(shí)間進(jìn)行學(xué)習(xí)，就打敗了戰(zhàn)勝過李世石的那版AlphaGo，比分是100：0。

2016年3月9日，韓國(guó)首爾，DeepMInd開發(fā)的智能系統(tǒng)AlphaGo（阿爾法圍棋）和韓國(guó)職業(yè)圍棋選手李世石的第一場(chǎng)比賽正式結(jié)束。 視覺中國(guó) 資料圖

在《自然》雜志上為DeepMind論文撰寫的評(píng)論中，密歇根大學(xué)計(jì)算機(jī)科學(xué)和工程學(xué)院教授Satinder Singh寫道，這是強(qiáng)化學(xué)習(xí)轉(zhuǎn)化為應(yīng)用領(lǐng)域里取得的最大進(jìn)步之一。

那么AlphaGo Zero是如何實(shí)現(xiàn)這種飛躍的？前文提到，AlphaGo Zero采用的是人工神經(jīng)網(wǎng)絡(luò)。這種網(wǎng)絡(luò)可以計(jì)算出下一步走棋的可能性，估算出下棋選手贏的概率。隨后根據(jù)計(jì)算，AlphaGo Zero會(huì)選擇最大概率贏的一步去下。整個(gè)訓(xùn)練過程中，并沒有人類參與，全程是AlphaGo Zero自我學(xué)習(xí)，自我對(duì)弈。

在訓(xùn)練過程中，AlphaGo Zero每下一步需要思考的時(shí)間是0.4秒。但正是通過對(duì)圍棋游戲的模擬和訓(xùn)練，神經(jīng)網(wǎng)絡(luò)變得越來(lái)越好。值得一提的是，AlphaGo Zero相比之前的版本，僅使用了單一的神經(jīng)網(wǎng)絡(luò)。

新版本的AlphaGo究竟有多厲害？打敗李世石的AlphaGo用了3000萬(wàn)盤比賽作為訓(xùn)練數(shù)據(jù)，AlphaGo Zero用了490萬(wàn)盤比賽數(shù)據(jù)。經(jīng)過3天的訓(xùn)練，AlphaGo Zero就以100：0的比分贏下了李世石版AlphaGo，并且只用了1臺(tái)機(jī)器和4個(gè)TPU（谷歌專為加速深層神經(jīng)網(wǎng)絡(luò)運(yùn)算能力而研發(fā)的芯片）。而李世石版AlphaGo則用了48個(gè)TPU。

這一切的意義在哪里？AlphaGo的誕生驚艷了世人，現(xiàn)在AlphaGo Zero又將機(jī)器能做到的極限往后推了幾個(gè)量級(jí)。Satinder Singh認(rèn)為，AlphaGo和AlphaGo Zero在一年多時(shí)間里取得的進(jìn)步已經(jīng)證明，基于強(qiáng)化學(xué)習(xí)的人工智能比基于人類知識(shí)經(jīng)驗(yàn)的智能表現(xiàn)地更好。實(shí)際上，AlphaGo Zero將來(lái)很有可能會(huì)幫助人類棋手提高棋藝，并啟發(fā)他們對(duì)圍棋的理解。還有一點(diǎn)也是毋庸置疑的，那就是AlphaGo的成功帶來(lái)了全球媒體對(duì)于人工智能的關(guān)注，也讓圍棋變成流行與美并存的游戲。

美國(guó)圍棋協(xié)會(huì)的Andy Okun和Andrew Jackson也為此次的論文在《自然》雜志上撰寫了評(píng)論，他們認(rèn)為，圍棋人工智能的出現(xiàn)，重啟了我們究竟對(duì)圍棋這項(xiàng)游戲了解多少這個(gè)問題。通常一個(gè)世紀(jì)才會(huì)出現(xiàn)一位傳奇的圍棋棋手，他能改變?nèi)祟悓?duì)圍棋的理解。而當(dāng)AlphaGo打敗李世石，Master以60：0的成績(jī)橫掃各國(guó)頂尖棋手，并以3:0贏下柯潔后，關(guān)于人工智能給圍棋帶來(lái)的啟示一直不絕于耳。

這一次，AlphaGo Zero帶來(lái)的進(jìn)步肯定也是圍棋棋手日后學(xué)習(xí)的寶庫(kù)。要知道，AlphaGo Zero是獨(dú)立學(xué)習(xí)訓(xùn)練的，但它使用的招數(shù)卻超越了許多人類棋手的下棋順序和招法。也就說(shuō)，人工智能豐富了我們下圍棋的選擇。或許它在下棋過程中有些下法是人類無(wú)法理解的，甚至認(rèn)為是錯(cuò)誤的，但在機(jī)器的理解看來(lái)確實(shí)萬(wàn)分正確的。從這些經(jīng)驗(yàn)中，人類棋手看到了與以往不同的圍棋世界。

“之前，人類與人工智能對(duì)話總是顯得非常遙遠(yuǎn)，甚至像科學(xué)小說(shuō)。但現(xiàn)在對(duì)于圍棋選手來(lái)說(shuō)，對(duì)話已經(jīng)發(fā)生了，就在這里。” Andy Okun和Andrew Jackson說(shuō)。