王小川：和柯潔對陣的AlphaGo 2.0沒風格 穩如磐石

本人作者：王小川 最早發於知乎

該來的終於來了。

一年前AlphaGo發布，看完論文後我就在知乎上發文預測機器會完勝人類。好些行業朋友不相信，為此我收了很多「智商稅」，之後微信發紅包一直發到春節才發完。此外我還立了兩個斷言：一個是Google很有可能再研發出AlphaGo 2.0，擺脫「監督學習」，不再需要人類下圍棋的歷史數據，而是只通過「增強學習」，兩台AlphaGo自我對戰學習如何下棋，並達到登峰造極的地步。從公開的資料判斷，此言中了。這意味著什麼呢，又有什麼看點呢？

技術重大提升：和1.0原理大不同 更接近於人

AlphaGo 1.0是巧妙地混合了三種演算法：蒙特卡洛樹搜索+監督學習+增強學習。其中蒙特卡洛樹搜索是一種優化過的暴力計算，比1997年深藍的暴力計算更聰明。而這裡的監督學習，是通過學習3000萬步人類棋譜，對六段以上職業棋手走棋規律進行模仿，也是AlphaGo獲得突破性進展的關鍵演算法。而增強學習作為輔助，是兩台AlphaGo從自我對戰眾中學習如何下棋，據悉對棋力提升有限。

根據公開資料推測，此次AlphaGo2.0的技術原理與之前有著巨大不同：

1. 放棄了監督學習，沒有再用人的3000萬局棋譜進行訓練。這本是AlphaGo最亮眼的演算法，也是今天主流機器學習不可避免的核心條件：依賴於優質的數據，在這個特定問題下就這麼被再次突破了。

2. 放棄了蒙特卡洛樹搜索，不再進行暴力計算。理論上，演算法越笨，就越需要暴力計算做補充。演算法越聰明，就可以大大減少暴力計算。從AlphaGo 2.0的「馬甲」Master的歷史行為看，走棋非常迅速，約在每10秒鐘就走棋一步，如此速度很可能是放棄了暴力的計算。

3. 極大地強化了增強學習的作用，之前敲邊鼓的演算法，正式成為扛把子主力。想想看有多勵志：兩台白痴機器，遵守走棋和獲勝規則，從隨機走棋開始日夜切磋，總結經驗，不斷批評和自我批評，一周後終成大器。

在這樣的演算法下，AlphaGo 2.0對計算資源開銷極小，把當前棋局輸入神經網路，電流流過，輸出就是最佳的走棋方案。我猜測如此演算法下，有可能僅僅依靠一個GPU工作，每一步棋消耗的能源接近人的大腦。

最大看點： AlphaGo2.0棋風完全脫離人類經驗

今年年初，AlphaGo化身Master連勝人類頂尖棋手60局。在圍棋領域，機器完勝已經變成公認的定論。這導致很多人開始問：這次人機大戰還有意義嗎？我們的關注點不再是機器是否會贏——而是機器將用什麼姿勢戰勝人類。

AlphaGo學習了3000萬步人類棋譜，走棋風格也近似於人。在比賽現場，偶有AlphaGo走棋和人的經驗不符合，就被評為「愚蠢」，只是在中盤之後發現機器漸漸局面佔優最終獲勝，為了自圓其說解讀為「AlphaGo中盤逆轉」，前兩局莫過如此。第三局開始評論者長了教訓，開始尊稱AlphaGo為「阿老師」，有了欣賞和敬畏的心態。這帶給圍棋界很大的衝擊，以前大家認為正確的東西，其實是不正確的。柯潔曾經評價說：「AlphaGo出現，很多理論都被推翻，再看以前定式變得好笑，虧那麼多目就不再是兩分。」人類通過數千年實戰，總結了圍棋理論，然後計算機告訴人類：這些全都是錯的。現在在很多比賽上，人類棋手已經開始向機器學習，模仿AlphaGo的下法，棋聖聶衛平也曾表示「理論被顛覆了」。

而AlphaGo2.0脫離了機器對人模仿，走棋風格也將完全脫離人的定式。在與柯潔的比賽中，會不斷出現我們意想不到的走棋，而且這些走棋在教科書中會被認為是低級錯誤或者完全不可理喻，但凡一個正常的棋手都不會這麼玩，但凡一個新手這麼玩都會被點撥這樣不對。而AlphaGo2.0會不斷製造這樣的局面，關鍵他還是對的。可想對專業棋手的心裡會有多大的震撼：不僅自己這一輩子都沒這麼想過這麼下棋，整個圍棋界都沒有想過。會不會懷疑自己白活了？會不會反思兩千年圍棋的發展為什麼有這樣的瓶頸？還有多少海闊天空等著我們去探索？可等不及我們去探索，計算機就給出了終局的答案，多麼惆悵。

我們會津津樂道，AlphaGo是什麼棋風。但可以這樣推理：但凡有流派和風格，就還有局限性。只有當所有流派合一看不出流派的時候，才到達致高境界。AlphaGo 2.0便會是這麼一台機器，沒有風格，穩如磐石。

可以想見這次與柯潔的對弈，能頻現「怪招」，完全顛覆人類對圍棋的理解——這會是比賽最大的看點。英勇的柯潔，要解鎖108種姿勢來抵擋了。

2017人機大戰的意義：重演一部進化史 重新認識智慧的邊界

2016年在AlphaGo和李世乭的對戰後，人工智慧進入大眾的視野，我們開始重新思考機器和人的關係。

圍棋已經有兩千多年的歷史，在漫長歲月的琢磨中，圍棋理論不斷進化，到達了很高的水準，AlphaGo的獲勝，我們大可以解讀於「青出於藍」，畢竟是在人類圍棋進化的主路徑上又攀高峰。

而AlphaGo2.0完全拋棄掉人類這兩千年來進化的圍棋經驗，另尋他徑，僅憑兩台機器自我對弈中學習和進化，最終不僅趕超了人類進化的速度，還發展出一套截然不同的下棋方法，並且更加接近完美的狀態，實現了對人類的碾壓，重演了一部圍棋的進化史，而且得出了與這兩千年來不同的進化結果。

這會給我們什麼啟示？如果跳出圍棋的規則，類比看地球生命的進化：人類是從原始的有機物，到單細胞開始逐步變成靈長類動物，並且發展出超越其他一切生物的智慧。這條路徑是唯一的么？人類的生命形態和最頂級的生命形態還有多大距離？AlphaGo告訴我們：我們還有極大的發展空間；AlphaGo2.0告訴我們：如果有合適的條件，完全可能有其他的生命進化路徑，以及更不一樣的進化結果。

讓我們歡呼人的智慧造就了AlphaGo，這也幫我們開了眼界，看到我們離最終的生命形態和智慧依然有遙遠的距離。

保持敬畏，堅定前行，終得圓滿。

以上由網易企業服務-企業信息化服務提供商：湖南領先網路科技 整理髮布。

網易企業服務（qiye163.co）是網易憑藉其20年品牌優勢與經驗打造的企業級產品矩陣，致力於提供一站式企業信息化解決方案。網易企業服務的推出是網易在企業郵箱的基礎上對企業市場的進一步重要布局。湖南領先網路科技是網易企業產品一級經銷商，專業為企業提供一站式信息化解決方案。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！