揭秘AlphaGo全新棋风：不按常理出手

（原标题：升级版AlphaGo 5月决战柯洁，DeepMind揭秘计算机全新棋风） 参与：李泽南、李亚洲、吴攀4月10日下午，谷歌在北京的中国棋院召开新闻发布会，正式宣布AlphaGo将于今年5月23日在浙江乌镇对决以柯洁为代表的中国顶尖棋手。据机器之心现场了解，中国围棋协会和浙江省体育局携手谷歌三方将联合主办「中国乌镇・围棋峰会」

（原标题：升级版AlphaGo 5月决战柯洁，DeepMind揭秘计算机全新棋风）

参与：李泽南、李亚洲、吴攀

4月10日下午，谷歌在北京的中国棋院召开新闻发布会，正式宣布AlphaGo将于今年5月23日在浙江乌镇对决以柯洁为代表的中国顶尖棋手。

据机器之心现场了解，中国围棋协会和浙江省体育局携手谷歌三方将联合主办「中国乌镇・围棋峰会」。本次峰会将从5 月 23 日至 27 日在浙江乌镇展开，除AlphaGo与柯洁的三番棋对战之外，还将举办配对赛和团体赛两场形式不同的交流比赛。

配对赛中，两位棋手将分别与AlphaGo组队，挑战棋手如何去理解AlphaGo的独特风格并与之合作；在团队赛中，将有五位中国顶尖棋手合作，建立棋手「神经网络」，降低心理因素的影响，从而做出更加客观的判断。

在发布会现场，柯洁表示，「能与AlphaGo对阵是我的荣幸，但我一定会击败 AlphaGo」。据悉，此次比赛的获胜奖金为 150 万美元。

离 AlphaGo 和李世h的「人机大战」已经过去了一年，AlphaGo 与柯洁的对弈是业内期待已久的一场对决。去年 AlphaGo 与世界围棋冠军李世h的比赛引起了极大的关注，人机对战成为人工智能领域的热门话题。不久之前，斩获 UEC 杯计算机围棋大赛冠军的腾讯人工智能系统「绝艺」，在东京举行的第五届「电圣战」世界人机大战中战胜了日本围棋界的新锐棋手一力辽七段（世界排名第 44 位，日本第 2）。

谷歌和 DeepMind 对于围棋的探索并未随着去年和今年初的两次「亮相」而结束，由于围棋近乎无穷的变化，人类棋手在千百年战术发展的过程中似乎并未触及围棋的本质，DeepMind 的研究者一直将目标定为探索围棋的极限。DeepMind 官方发布的 2016 年度总结 (http://www.jiqizhixin.com/article/2090) 中写道，「最激动人心的莫过于 AlphaGo 博弈过程中所呈现出来的创造力，有时，它的棋招甚至挑战了古老的围棋智慧。围棋，这一古往今来最富深谋远虑的游戏之一，AlphaGo 可以识别并分享其中洞见。」

此前，AlphaGo 在 2016 年 3 月与前围棋世界冠军，韩国棋手李世h九段在韩国首尔进行了五次对决，并 4 比 1 获胜，第一次在正式比赛环境中战胜了人类顶尖棋手。AlphaGo 因此而获得了韩国棋院颁发的「名誉九段」证书。在沉寂了一段时间后，去年末，AlphaGo 以「Master」为名出现在腾讯野狐网上围棋平台中，与中日韩三国顶尖棋手进行了一系列网上快棋对决，并实现了 60 胜 0 负的完美战绩。

显然，AlphaGo 并不满足于线上围棋平台的胜利，谷歌方面很早就与中国棋院达成了一致，准备于今年举行新一轮的围棋人机大战。去年 12 月，谷歌联合创始人、Alphabet 总裁谢尔盖・布林和谷歌 CEO 皮查伊（Sundar Pichai）一同造访中国棋院，观摩了棋手训练，并与「棋圣」聂卫平九段及中国围棋队总教练俞斌九段进行了交流。

2016 年 12 月 31 日，柯洁在微博上表示：

「我从（2016 年）3 月份开始到现在研究了大半年的棋软，无数次的理论、实践，就是想知道计算机究竟强在哪里。昨晚辗转反侧，不想竟一夜无眠。人类数千年的实战演练进化，计算机却告诉我们人类全都是错的。我觉得，甚至没有一个人沾到围棋真理的边。但是我想说，从现在开始，我们棋手将会结合计算机，迈进全新的领域达到全新的境界。新的风暴即将来袭，我将尽我所有的智慧终极一战！」

AlphaGo 升级版

去年 1 月 28 日，Nature 杂志以封面论文的形式介绍了 DeepMind 团队开发的人工智能程序 AlphaGo，这也就是后来击败韩国棋手李世h的 AlphaGo 版本。据此次发布会提供的信息，今年年初席卷中国围棋界的「Master／Magister」是 AlphaGo 的升级版本，但它下的是快棋，与此次对决的规则不同。

AlphaGo 结合了监督学习与强化学习的优势。通过训练形成一个策略网络，将棋盘上的局势作为输入信息，并对有所可行的落子位置形成一个概率分布。然后，训练一个价值网络对自我对弈进行预测，以-1（对手的绝对胜利）到 1（AlphaGo 的绝对胜利）的标准，预测所有可行落子位置的结果。AlphaGo 将这两种网络整合进基于概率的蒙特卡罗树搜索（MCTS）中，实现了它真正的优势。

在获取棋局信息后，AlphaGo 会根据策略网络（policy network）探索哪个位置同时具备高潜在价值和高可能性，进而决定最佳落子位置。在分配的搜索时间结束时，模拟过程中被系统最繁琐考察的位置将成为 AlphaGo 的最终选择。在经过先期的全盘探索和过程中对最佳落子的不断揣摩后，AlphaGo 的探索算法就能在其计算能力之上加入近似人类的直觉判断。

据了解，新版的 AlphaGo 产生大量自我对弈棋局，为下一代版本提供了训练数据，此过程循环往复。

发布会期间，DeepMind 官方也发布了此次比赛的相关信息，并发表了一篇博客对新版 AlphaGo 的下棋思路进行了讲解。

作为 AlphaGo 的一员，樊麾在 DeepMind 博客中介绍了 AlphaGo 的棋风。博客中写到，AlphaGo 在最近的比赛里展现出了开创性的棋风，其中最引人瞩目的是早期点三三和全新的「妖刀」变化。每个都违反了常规理论，但在更深入的研究中被证明是高明的下法。

AlphaGo 的强大之处不在于一招一式，而在于对每一局比赛展现出的全新视角。虽然围棋风格略显抽象，但 AlphaGo 的策略展示了灵活与开放的精神：没有先入为主的训练让它找到了最有效的下棋方式。正如下面两张图显示的，实用哲学让 AlphaGo 经常走出违反直觉――但却最为合理的举动。

尽管围棋是一个有关圈地的游戏，但胜负手却在于对不同战区之间的取舍平衡，而 AlphaGo 擅长创造这种平衡。具体来说，AlphaGo 擅长运用「影响力」――已有棋子对自己周围的影响为自己谋取优势。虽然 AlphaGo 的价值网络不能准确地计算出影响的数值，但它的价值网络能够一次性考虑棋盘上的所有棋子，以微妙和精确的方式做出判断。正是这样的能力让 AlphaGo 把自己在局部的优势转化为整个比赛的胜势。

在图 1 中，黑棋（AlphaGo）只有很小一块实地，而白棋占有三个角，但黑棋的影响力渗透了整个棋局。黑棋在左上角的刺改善了自己的局面，一般人类棋手都会避开这种直接交锋，为形成不确定的厚势而付出代价，但 AlphaGo 通过纯粹的判断与敏锐的利益计算让这种下法成为了可能。

虽然影响力的价值取决于整体，但 AlphaGo 可以有效地利用自己的大局观。在图 2 的一局里，AlphaGo 下出了不可思议的六连爬。在棋手中间有这样的习语：四线产生影响，三线围出实地，而二线只意味着失败。黑棋（AlphaGo）在二线的举动看起来是严重的错误，这一系列落子让白棋产生了厚势，而黑棋只在边上获得了四目的地盘。大多数棋手都不会做出这样看起来很愚蠢的举动，但 AlphaGo 认为将中间的白棋和右上角的白棋分开是值得的，在后续的对局中，黑棋缓慢地侵蚀了白棋在右上角和下方的影响力，最终将优势转化为胜势。

点三三是围棋主要的定式之一。

如图 4 所示，左下角这一入侵立即围出了实地，但棋谱中这种行为一直被认为是愚蠢的，因为这会给白棋造出厚势。

AlphaGo 的创新是在标记黑子位置的一靠，让左上角变得更不明确。

虽然黑棋不是很安全，但仍保留了在左下角存活，或在之后完成定式的选择，在失去了中等影响力的同时占领了实地。这个策略在专业棋手中引起了极大的轰动，并已在至少一次正式比赛中被人类棋手所采用。

新妖刀

原来的 AlphaGo 是在人类数据上训练的，所以它知道现代的定式，并通常据此行动。但是，在妖刀（这是一种得名于「村正妖刀」的定式系列）中，AlphaGo 有了新的变化。

从图 7 的局面开始，用托角交换边，如图 8 所示。

但是，AlphaGo 更倾向于牺牲外侧而换取更大的实地。

大多数棋手都不会考虑这种下法，因为这给黑棋制造了很大的模样，而白棋后面的走子方式表明黑棋的影响并不如看起来的那样有价值。如果黑棋不强化自己的外势，它就可能变成对手攻击的目标。韩国顶级棋手金志锡九段最近就在一场比赛中使用了这种战术（图 10），最后他赢得了胜利。