技术帝揭秘alphago为什么会下围棋，柯洁对战阿尔法狗必输的原因
2019-04-24 12:07:07摩登先生 作者:摩登先生
技术帝揭秘alphago为什么会下围棋：
围棋的棋盘为 19x19 的网格，比国际象棋大，可能的下法（10^174）超过已知宇宙中所有原子数目的总和（10^80）。巨大的变数和可能性，让围棋棋道几乎成为一门玄学。
AlphaGo 下围棋的策略，与按人类预设剧本下棋的深蓝不同，其下棋算法没有经过人工调试，全部是靠自己“学会”的。
▍AlphaGo 的“游戏树” / 图片来源：Nature
AlphaGo 怎么“学”？答案是人工神经网络。
人工神经网络是一种计算模型，可以在海量数据中找出规律。近年来，人工神经网络在人脸识别、机器翻译等领域被广泛应用。
▍与人类神经网络类似，人工神经网络的基本单位是神经元。一个神经元可以接收多个输入，在计算后可以产生一个输出。一个神经网络有若干层，每一层由成百上千个神经元组成。A：生物神经元，B：人工神经元（左侧箭头代表多个输入，右侧箭头代表一个产生的输出），C：突触，D：人工神经网络 / 图片来源：InTechOpen
AlphaGo 使用了两种人工神经网络，一个是预测网络（policy network），一个是评估网络（value network）。预测网络用来预测对手下一步可能怎么走，评估网络则用来评估给定棋局下己方的获胜概率。
人工神经网络要用海量数据训练。AlphaGo 输入了至少三千万种棋局，自我博弈超过一百万次。在与李世石对决前，AlphaGo 预测对手的准确率达到 57%——超过半数的情况下，AlphaGo 能猜中对手下一步会怎么走 / 图片来源：Nature
相比深蓝，AlphaGo 采取的策略效率更高，战绩更辉煌。借助远胜于深蓝的计算能力和搜索策略，AlphaGo 搜索的深度与广度均大幅提高；深蓝要靠人工调试的算法才能战胜卡斯帕罗夫，AlphaGo 的下棋策略，却完全是靠自己在海量数据中摸索出来的。
柯洁对战阿尔法狗必输的原因：
理解了 AlphaGo 怎么下棋，就不难理解为什么柯洁必输。
首先，AlphaGo 的训练量、所见棋局和进步速度都远超柯洁。
AlphaGo 见过、下过的棋，以百万计。柯洁的训练量，我们做最乐观的粗略估算，也难以超过五万局。
根据启蒙老师李守胜的说法，“柯洁可以说还在娘胎里的时候，就是听着围棋声长大的”。我们假设 1997 年出生的柯洁，从负一岁就开始下棋，每天 24 小时不眠不休，每局 4 小时，在整整 21 年中，也只能下不到 5 万局。
需要指出的是，人类对棋谱的利用率远超人工智能。职业棋手通过几十局棋谱，就能大致摸清对手棋路。人工智能却需要至少数以万计的棋谱，才有可能发现其中规律。
而且，并非数据“喂”得越多，下棋水平越高。输入海量数据后，人工智能仍不得法的情况也很常见。
不过，一旦找到了规律，人工智能就进步神速。AlphaGo 只用两年，就从零起步登顶世界第一，手下败将包括李世石、聂卫平、柯洁。
本文转自搜狐网。
点击展开全文