首页 »

围棋人机大战,李世石和AlphaGo谁的胜算更大?

2019/10/21 0:15:54

围棋人机大战,李世石和AlphaGo谁的胜算更大?

3月9日至15日,“李世石—AlphaGo人机对战”将在韩国首尔举行,展开五番棋较量(围棋术语,指两位棋手通过多局角逐以分出胜负的比赛方式)。是世界围棋冠军“捍卫人类的尊严”,还是谷歌研发的围棋程序胜出?对于这位人工智能对手,李世石九段曾表示:“AlphaGo的确是取得飞跃性突破的计算机围棋程序,但它过分拘泥于局部价值,欠缺整体的完善感,而且失误较多。”

 

目前人工智能的水平究竟如何?复旦大学哲学学院教授、人工智能哲学专家徐英瑾,华东师范大学计算机系教授贺樑等人进行了解析。

 

AlphaGo的杀手锏是“深度学习”

 

去年10月,谷歌旗下公司研发的人工智能程序“阿尔法围棋”(AlphaGo)一鸣惊人,5:0完胜欧洲围棋冠军樊麾二段。国际顶级科学期刊《自然》以封面文章形式,介绍了AlphaGo的算法原理。

 

围棋是世界上最复杂的棋类游戏,最多有10的170次方种局面,而国际象棋的最多局面数仅为10的47次方。围棋还有一大特点——黑白两方棋的每个棋子是一样的,没有大小之分、角色之别,这给计算机程序的运算推理带来了很大难度。尽管IBM开发的“更深的蓝”早在1997年,就击败国际象棋棋王卡斯帕罗夫,然而截至目前,还没有哪个程序能在番棋赛中击败职业围棋高手。樊麾虽然只是职业二段棋手,但AlphaGo能完胜他,已令世人震惊。而今,它要挑战世界冠军李世石,怎能不让人屏息关注?

 

 徐英瑾介绍,传统的计算机下棋程序的基本原理,是采用数学和逻辑推理方法,把每一种可能的路径都走一遍,从中选出最优解。由于围棋的可能路径太多,计算机无法执行这种“暴力算法”。近年来,深度学习技术逐渐成熟,给围棋程序的研发带来了突破。深度学习源于人工神经网络,后者从信息处理角度,对人脑神经元网络进行抽象和模拟,建立运算模型。

 

深度学习系统是人工神经网络的升级版,由输入层、中间层和输出层构成。中间层由多层人工神经网络构成,可多达七八十层,故名为“深度学习”。每增加一层,就意味着增加一个人工智能分析维度。将某种大数据样本输入后,系统能进行学习,掌握样本蕴含的规律。为了让AlphaGo具有一流的围棋水平,研发人员输入了2000万局样本。假如一个人要学习2000万局棋,每局棋耗时15分钟,他需要一刻不停地下570年!

 

人工智能为何还是比人“笨”

 

看了谷歌研发团队发表的论文后,Facebook人工智能组田渊栋博士表示,从算法上说,AlphaGo并没有太多新意,一言蔽之,就是将“深度学习+大数据”与“暴力搜索”结合在一起。经过2000万局“自我对局”训练后,它拥有了击败职业棋手的能力。“这个训练规模,我实在没有想到,谷歌在这方面很有优势。”田渊栋坦言,“若是以后棋力再往上走,我也不会惊讶。”

 

不断学习、天天向上的AlphaGo,此次能否战胜李世石?徐英瑾和贺樑都表示,由于不掌握AlphaGo近期的训练情况,无法预测,但他们都认为,采用“深度学习+大数据”方案的程序迟早会战胜围棋世界冠军。这是因为,计算机的运算速度比人脑快得多,能在短期内分析完一个人一生也无法穷尽的棋谱,其棋力提升的速度和幅度会很惊人。

 

不过,徐英瑾也指出,这并不意味着人工智能已比人类聪明。要知道,AlphaGo是训练了2000万局棋后,才能战胜职业围棋选手。而一个人在成长为职业九段高手前,训练的棋局数量远小于2000万。从这个意义上说,目前人工智能的聪明程度远不如大多数人。尽管拥有了深度学习能力,但它胜过人类的主要原因仍和以前的计算机程序一样:运算速度快、不受生物属性限制。

 

“深度学习”技术的局限性

 

李世石对AlphaGo的批评——“过分拘泥于局部价值,欠缺整体的完善感”,虽然还有待“人机大战”验证,但也确实反映出深度学习的局限性。目前,深度学习对大脑工作机制的模拟还处在中低级水平。如果把人类大脑比作一个军级单位,那么深度学习系统可能还只是排级单位,擅长制定局部战术,但整体战略水平欠缺。“李世石的话表明,AlphaGo可能还缺乏大局观。”徐英瑾说,“当然,假以时日,它也能通过深度学习获得大局观,因为研发人员可以设计出以大局为样态的样本,输入系统。”

 

美国计算机科学家王培教授认为,所谓智能,是在有限信息供给的情况下,做出适应性决策的能力。从这个定义看,如今的人工智能系统与人类还有很大差距。人类在日常生活和工作中做出的大多数决策,是在信息供给较为有限的情况下完成的。而人工智能系统在这些情况下,往往会做出错误决策。深度学习也是如此——AlphaGo在成长为围棋高手的过程中,需要学习海量棋局,如果棋局数(信息供给量)降低几个量级,它的棋力(决策能力)就会很低。由此可见,人工智能科研人员需要更深入地研究人脑思维方式,开发出新的算法,才能使机器的智能水平进一步向人类靠拢。

 

(题图来源:东方IC)