阿爾法狗團隊揭秘過去一年的三大升級，柯潔稱已判若兩「狗」

柯潔輸掉了與AlphaGo的第一戰。而在對戰前的深夜，柯潔在社交網路上發布了一篇題為《最後的對決》的文章，充滿了易水訣別般的悲壯感，其中寫道：「現在的AI進步之快遠超我們的想像……我相信未來是屬於人工智慧的。」引發王思聰在評論區質問：「喲，當時李（世石）和AlphaGo下的時候你那囂張勁兒去哪兒去了？」

雖然人類棋手在過去的一年裡努力地研究AlphaGo的套路，試圖找到AlphaGo的弱點，但其實，AlphaGo也早已完成更新換代，今非昔比。柯潔在賽後發布會上表示，AlphaGo和去年判若兩「狗」，去年它的下法還很接近人類，現在感覺越來越接近「圍棋上帝」——圍棋中永不失誤的完美境界。

那麼，現在的AlphaGo到底發生了哪些改變？AlphaGo的研發公司DeepMind是如何升級它的？5月24日上午，在中國烏鎮人工智慧高峰論壇上，哈薩比斯和AlphaGo團隊負責人Dave Silver（戴夫·席爾瓦）揭曉了新一代AlphaGo的奧秘。

深度強化學習：降低搜索樹的寬度和深度。本文圖片均來自 澎湃新聞記者 王心馨

要理解AlphaGo的演算法，首先要從1997年擊敗國際象棋神話卡斯帕羅夫的「深藍」演算法說起。國際象棋的每一步都會引出下面三十種可能的走法，棋局的走向就和一棵不斷分出三十個分杈的大樹一樣。而「深藍」所做的，就是檢索完這棵大樹上的所有分杈，找出當下最優的那一步。「深藍」的計算能力因此能達到每秒1億個位置，是那個時代的突破性產物。

而AlphaGo就依賴兩個網路來簡化這棵龐大的搜索樹：降低搜索樹寬度的策略網路和降低搜索樹深度的價值網路。

然後，AlphaGo也不需要在這些分杈上一路搜索到底，模擬到棋盤結束才知道當前這步棋的優劣。在當前某個特定的選擇往下，AlphaGo只模擬幾步，就能得出一個分數。這個數值越大，AlphaGo獲勝的概率就越高。那麼，這個數值是怎麼得出的呢？這就要靠價值網路進行強化學習。

策略網路和價值網路配合形成的深度強化學習，雖然不能提高AlphaGo的計算能力（事實上，AlphaGo每秒計算1萬個位置，遠低於「深藍」），但卻能讓AlphaGo更「聰明」地計算。

而這次柯潔面對的AlphaGo大師版，比起去年李世石面對的AlphaGo李版，最大的不同是在深度學習環節，使用的大量訓練數據並非人類棋譜，而是AlphaGo李版自我對弈的數據。

席爾瓦說道：「AlphaGo大師版能如此高效運算的最主要原因是，我們使用了最好、最可用的數據來訓練它。我們所說的最好的數據不是來自於人，而是來自於AlphaGo自己。AlphaGo現在等於說是自學成才。我們讓它自己當自己的老師，而這一代的AlphaGo也會成為下一代AlphaGo的老師。」

而更強大的AlphaGo大師版又會帶來更優秀的數據，以訓練下一代AlphaGo。這是一個良性循環。

AlphaGo的迭代增強。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！