?

圍棋變化無窮

　　Google DeepMind 實驗室的 AlphaGo 把歐洲圍棋冠軍樊麾干翻了，這條新聞都看過了吧，這里咱聊點兒不太一樣的東西。

　　首先，要說說圍棋是個什么游戲。規(guī)則很簡單，一人拿黑子一人拿白子，在棋盤 361 個交叉點上輪流下子，落子不得移動。一個點周圍的四個點都是“氣”，子周圍沒氣就死了，死棋則被拿走。在棋盤 361 個點下滿后，數(shù)數(shù)誰地盤大，誰就贏了?？梢哉f，圍棋是一個“圈地游戲”。

　　最簡單的規(guī)則，最復雜的變化。

　　為什么這么重要呢？因為是機器第一次在這項競技游戲上勝過人類。雖然 1997 年超級計算機“深藍”戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，但圍棋一直被認為是人工智能難以攻克的題目。

　　2013 年，日本電圣戰(zhàn)上，電腦圍棋 CrazyStone 打敗了石田芳夫九段（石田讓四子）。石田賽后評論 CrazyStone：“大約與業(yè)余六段水平相當……天才啊！”這次比賽算是電腦圍棋的一次小突破，但由于有讓子，算不上是真正的勝利。

　　在“通關”國際象棋之后，圍棋不可避免地成為了人工智能科學家要攀登的下一座山峰。不過許多媒體以及職業(yè)選手對此并不太在意，認為計算機擊敗人類圍棋手幾乎是不可能的任務。許多媒體都曾發(fā)出如是論斷：

　　計算機要在圍棋上戰(zhàn)勝人類，再等100年吧！

　　接下來要說點復雜的東西

　　圍棋到底復雜在哪里？

　　參照維基百科上“游戲復雜度”詞條，可以通過兩種方式衡量棋類游戲的復雜性，一是狀態(tài)空間復雜度，二是博弈樹復雜度。

　　狀態(tài)空間復雜度：圍棋是 10 的 172 次方，中國象棋、國際象棋分別是 10 的 48 次方、46 次方。

　　博弈樹復雜度：圍棋是 10 的 300 次方，中國象棋、國際象棋分別是 10 的 150 次方、10 的 123 次方。

　　不多花篇幅解釋兩個名詞的內涵，光看數(shù)字大小就知道圍棋的變數(shù)遠遠多于象棋，但這還不足以說明圍棋的復雜性。Facebook 智能圍棋負責人田淵棟在知乎上有此一說：

　　單單拿游戲的狀態(tài)個數(shù)去比較它們的難度是不準確的。有很多狀態(tài)空間廣闊但是易解的例子。讓計算機投籃，出手的方向，速度，籃球的旋轉，每個變量都是連續(xù)因而有無限可能，但是計算機試幾次之后很快就能找到最優(yōu)解……

　　圍棋難的地方在于它的估值函數(shù)非常不平滑，差一個子盤面就可能天翻地覆，同時狀態(tài)空間大，也沒有全局的結構。這兩點加起來，迫使目前計算機只能用窮舉法并且因此進展緩慢。

　　圍棋本已復雜，計算機更是要將圍棋轉化為 0、1，再窮舉出所有可能的狀態(tài)，最后進行決策——這項工作極為繁重。本次機器勝利意味著人們?yōu)檫@項工作找到了一個相對簡單的解決方案，但仍說不上是質的突破。據(jù)愛范兒 CTO 何世友介紹，人工智能可以在三種情況下完爆人類棋手：

　　計算機性能無限強大，窮舉之；

　　計算機窮舉效率提高，高效窮舉之（如神經(jīng)網(wǎng)絡）；

　　新型計算機出現(xiàn)（如量子計算機）。

　　目前 Google 的 AlphaGo 正處在第二階段。另外世友還指出，不必過分解讀這次勝利——

　　人類處理 123+321=444 只需要三次運算，而計算機 CPU 需要進行上百次運算才能得出同樣的結果?，F(xiàn)在人工智能戰(zhàn)勝了人類棋手，是策略優(yōu)化和硬件運算速度提高共同作用的結果，換句話說，是人類戰(zhàn)勝了人類。與其惶惶論機器將征服人類，不如說得益于計算機的幫助，人類的諸多智慧能夠更快得到驗證，這對人類文明進步的提速將不可估量。20 世紀中葉以來，在計算機的幫助下數(shù)學家們解決了三大數(shù)學猜想之一的四色問題以及克卜勒猜想，這便是最好的佐證。

　　深度學習只是機器學習領域的一個分支。有趣的是，從近年機器學習領域的發(fā)展來看，似乎深度學習已經(jīng)統(tǒng)治了這個領域。這是一瓶好的萬精油。有意入機器學習坑的同學們趕快上，不要放過它。