这篇文章告诉你AlphaGo隐藏弱点 以及它是如何下棋的

杰米斯·哈萨比斯（Demis Hassabis） ，Google DeepMind CEO企鹅智酷 | 深度解读这篇分析中，企鹅智酷将结合 AlphaGo 相关权威论文中提供的信息，以及这两场比赛中李世石与 AlphaGo 表现，来用更简洁的方式，告诉你谷歌(微博) AlphaGo 到底如何下棋，以及它有哪些被隐藏起来的弱点。先说核心结论：作为战胜了人类围棋冠军的人工智能，AlphaGo （目前版本）强在小范围战斗，弱点在于对全局的判断；AlphaGo 并非没有“情绪”

杰米斯·哈萨比斯（Demis Hassabis） ，Google DeepMind CEO

企鹅智酷 | 深度解读

这篇分析中，企鹅智酷将结合 AlphaGo 相关权威论文中提供的信息，以及这两场比赛中李世石与 AlphaGo 表现，来用更简洁的方式，告诉你谷歌(微博) AlphaGo 到底如何下棋，以及它有哪些被隐藏起来的弱点。

先说核心结论：

作为战胜了人类围棋冠军的人工智能，AlphaGo （目前版本）强在小范围战斗，弱点在于对全局的判断；

AlphaGo 并非没有“情绪”。它也会怀疑自己，只是用另一种形式呈现（不是人类的抖手或者挠头发）；

是谁在训练 AlphaGo ？是它自己。用一种远超人类效率的方式学习；

李世石如何赢？和很多围棋专家分析的一样，从科技角度看，李世石必须在开局阶段建立优势，并且最好能够更频繁转移战场范围；

未来，AlphaGo 会将人类棋手远远甩在身后。它就只能继续和自己玩了。

一、AlphaGo 是如何决定下每一步棋的？

企鹅智酷没有能够真的打开 AlphaGo 代码库，去检查它全面的运行逻辑。我们只能从已公开的权威论文中，来梳理这个迄今为止走进公众视野的最强大人工智能，是如何做出决策，战胜人类的。

简单说，AlphaGo 下的每一步棋，都依赖于“概率”。

1.当一开始，棋盘有大量空白区域，棋子较少时，AlphaGo会更愿意采用“固定策略”。

这种策略来自于 AlphaGo 自己模拟训练的数百万场棋局（每一局都从开始模拟到结束）。这让 AlphaGo 心中有一个大概的最佳选择可能性，即下在点A和点B，哪个更好些。

在这个时候，AlphaGo 是通过经验来判断的。虽然这个经验不来自与人类，而是来自于它结合人类下棋方式学习后，自己和自己对弈的数百万经验值。但这种基于经验的判断，是人类挑战它的最佳机会——和“恐怖”的机器推演能力相比，经验，起码离人类更近一些。

为什么 AlphaGo 不在一开始就用蒙特卡罗算法，尽量穷尽所有可能性，去给出更可靠的“计算答案”，而不是“经验答案”呢？

我们猜测，一方面是当棋局尚未真正交锋时，各种选择的概率差不多，没必要做精确计算；另一方面，也为了节省时间。

2.当棋局有局部拼杀时，AlphaGo 的战力就升级了。

这时候，再依赖那数百万局“自己与自己下棋”的经验，明显是不够的。因为棋局瞬息万变，李世石的下法，很可能是 AlphaGo 没有模拟过的（不要高估数百万局训练，和围棋的可能性相比，只是沧海一粟）。

这时候，AlphaGo 会不再聚焦于整个棋盘，而将计算精力缩到一个小范围（战斗区域，例如右下角5*5,8*8这种）。这时候，它会启动现场演算推理功能，即开始计算每一个落子位置的后续走势，来计算最佳一步。

这需要时间。所以，AlphaGo 在短兵相接时，不得不缩小观察范围，在局部启动现场计算。这虽然失去了一定的“大局观”，但换来了计算的效率，和电脑比，人脑的纯粹计算力是相对弱势的，所以，短兵相接，机器占大优势。

3.当局势需要兼顾大局和计算力时，AlphaGo 怎么办？

开局布局，AlphaGo 用经验；短兵相接，AlphaGo 用计算力。那么在局势复杂时，AlphaGo 的另一个特长就有用武之地了——兼顾大局观和计算能力。

它叫做“棋局评估器 (Position Evaluator)”。这个东西会告诉 AlphaGo ，哪些地方是“不值得”你去深度计算的。这就帮助 AlphaGo 节省大量的计算需求，只针对局面上有价值的点，来推演，并给出最终的优胜概率排序。所以，这个评估器也叫作“价值网络”。

这东西是怎么实现的呢？也是经验。AlphaGo 模拟了两个“自己”，然后随机落子计算每个位置对赢棋的价值。这种简单粗暴的计算是人类大脑无法训练的，只有机器可以肆无忌惮的这么做。

打个形式上的比喻。如果你用过扫地机器人就知道，启动后，它并非按照人类的方式，一块地砖接一块的扫地，而是以一种乱序的方式，在房间里横冲直撞。

你以为它疯了。但只要你关上门，过一会，你会发现它已经把地打扫干净了——所有的区域，都被这种随机方式覆盖到。

人类是不可能这么扫地。会累死你。

但和穷尽推演相比（虽然目前不可实现），这种价值估算并不是完全准确的（扫地和围棋在精读与复杂度上，是完全不同的）。它是在兼顾时间和效率基础上，一种最适合的策略。这也是 AlphaGo的一个弱点。

二、AlphaGo 也会怀疑自己

我们觉得人机对战对李世石不公平的一个地方，是机器人不会受情绪影响，而人类棋手却时常受困于其中。

从单一棋局看，AlphaGo 确实是不会“后悔”的，因为它的每一步，都是它认定的最佳决策。但当你通过多局去观察 AlphaGo 时，会发现它其实也会“怀疑”，只是这种怀疑，并不会影响它的棋力，反而会促进它的进化。

原理很简单。AlphaGo 会怀疑自己，是因为在很多局面选择时，最优解不止一个，或者比较接近。例如有五个点的赢棋概率都是45%，在这一局里，AlphaGo 可能选择了点A，但下一句，它可能会选择点B……

如果点A赢了，以后它会一直选择点A吗？这个我也不清楚，论文里没说。但从逻辑上推断，既然是经过了百万棋局的演算，那么一局的胜负，对于具体某点的概率提升，不会太明显。所以，AlphaGo 在应对同样局面时，它可能给出完全不同的下法——根据几个最优解，随机选择。

而这一点，也正是它可怕之处。连开发它的人类，都无法预测它的行为。因为你把随机函数的权利，交给了人工智能自己。

三、AlphaGo 为什么极少下臭棋？

我们通常把人工智能比作”高智商婴儿“，按照这个推断，AlphaGo 就算表现惊艳，但应该也会有下臭棋的时候。因为单纯的人工智能，是无法真的模拟人类思维的。

但 AlphaGo 没有丢过人。因为在一开始，它并非完全的“自学”。工程师们安排 AlphaGo 在网络对战平台上，与人类棋手不断下棋，用来学习人类下棋的风格和方式。当工程师们觉得 AlphaGo 足以“像个人类棋手”时，才让它开始自己和自己更疯狂的练棋。

你如果很早在KGS(网络围棋对战平台)上遇到过 AlphaGo ，那么，你可能有幸看到过 AlphaGo 还是婴儿时的样子。

四、AlphaGo 自己训练自己，而且效率吓人

前面提到了，和人类练棋不同，AlphaGo 在学会了人类下棋方式后，复制了两个自己，依托计算机性能优势，不断下棋，去丰富对局面判断力。这种效率非常之高，甚至已经超越了人类历史上所有的对弈棋局总数量。

这意味着 AlphaGo 会越来越”老练“。虽然它还是无法在每一局的每一步中，穷尽所有可能性（如果它能做到，就战无不胜了），但它会不断通过训练积累大局观，而随着大局观提升，在实战中，它需要做现场精准推演的效率也会更聚焦——人类也就越来越难赢它。

在可以预见的未来，AlphaGo 会将人类棋手远远甩在后面。然后，它就只能在自己的世界里，自己和自己下棋玩了。

人类棋手会像今天的电竞爱好者那样，去看看两个“AlphaGo“ 的对局直播，一边惊叹，一边感悟。