“阿尔法狗”：下一盘比围棋更大的棋

李斑子

自从2016年12月29日在围棋网络对战平台现身之后，截至2017年1月4日晚，一个名为“Master”的神秘账号在与人类围棋高手的车轮战中取得了60胜0负1和的战绩，手下败将不乏柯洁、朴廷桓、古力等世界顶尖名将，甚至在对局中看不到这些顶尖名将有一点点能和Master扳手腕的可能（Master战绩中唯一的和棋还是因为对手陈耀烨在对战时掉线）。在和古力最后一战前，Master承认自己就是升级版的“阿尔法狗”（AlphaGo，谷歌旗下DeepMind公司的一款围棋人工智能）。

人算不如“狗”算

1月3日晚，在接连赢下朴廷桓和元晟溱之后，Master在围棋网络对战平台的连胜纪录达到49场。当晚第50场的对手是“潜伏”，该账号的持有者被一致认为是世界头号选手柯洁。根据最新的世界围棋排名，柯洁是如今世界棋坛积分排名第一的选手，也是榜单上唯一一名排在“阿尔法狗”之前的棋手。

这场对局在Master的快速攻击面前，“潜伏”渐渐有些捉襟见肘，最终投子认负。“抬走，下一个。”这是观战的网友们为赢棋后的Master设计的对白。

而在去年“阿尔法狗”对阵李世石的“围棋人机大战1.0”之际，柯洁曾表示：“就算它战胜了李世石，但它赢不了我。”此后他还在微博上放出豪言，“管你是阿法狗还是阿法猫！我柯洁在棋上什么大风大浪没见过？让风暴再来得猛烈点吧……”

与之形成鲜明对比的是，2016年的最后一天，正当Master大杀四方之时，柯洁在微博中写道：“新的风暴即将来袭。我从3月份到现在研究了大半年的棋软，无数次的理论、实践，就是想知道计算机到底强在哪里？昨夜辗转反侧，不想竟一夜难眠，人类数千年的实战演练进化，计算机却告诉我们人类全是错的。我觉得，甚至没有一个人沾到围棋真理的边……”

那么问题来了，这只“阿尔法狗”是怎么下棋的？为什么这么强？到底强在哪里？

还记得1997年IBM公司的“深蓝”计算机战胜国际象棋世界冠军卡斯帕罗夫那次划时代的“人机大战”吗？“深蓝”赢得比赛用的就是人类最不屑的办法——穷举——把棋盘里可能出现的所有情况都模拟出来，然后对手下的每一步棋都“了然于胸”，再选择最能赢的走法。就像拿着几个亿去买彩票，所有有可能的组合全部下注，最后中了个500万。

人工智能能在国际象棋领域这么做，完全是因为国际象棋的所有可能性是10^47，以电脑的“脑力”要列举这么多种可能性还是够用的。但要想用一模一样的办法称霸围棋棋坛，面对围棋的十九路棋盘，“阿尔法狗”要应付的可能性是2x10^170，换成自然数的形式就是2后边跟着170个0……要穷举这么多的棋谱，电脑的“脑力”显然是不够用的。要知道，全宇宙的所有原子总数也不过是10^80个。

但是，穷举还是要有的，不过要用一种聪明点的办法缩小穷举的范围。人类不是下了几千年的围棋吗？那就先拿3000万份棋谱来学习一下人类下棋的基本套路。“阿尔法狗”刚开始通过自身的“人工神经网络”来“深度学习”围棋时，就是从网络围棋对战平台KGS拿来的3000万份棋谱开始的。不过这显然是不够的，所以在继续找更多的棋谱的同时“阿尔法狗”还开始了和自己下棋玩——通过学习得来的人类下棋套路来模拟博弈，尽可能地得到更加多的棋谱来学习。

这样一来，孜孜不倦地学习了数以千万计的棋谱“阿尔法狗”就对如何合理地下棋这件事有了自己的丰富经验，这就形成了自己“价值网络”——估算每一张棋谱里的每一步棋对最后赢棋有多大帮助，并找出其中的一些规律——这大概就是人类常说的“棋感”。而再看看人类，一辈子也下不了一万盘棋，还要记要分析要总结规律？想想就心累。

“阿尔法狗”学习了海量棋谱得来的“棋感”用来模仿和预测人类下棋已经有很高的把握了，据“阿尔法狗”团队2016年的说法，“阿尔法狗” 下围棋时的落子选择能正确符合57%的人类高手。就是说有57%的人类高手在面对同样的棋局时会选择和“阿尔法狗”一样的下一步，而不符合人类高手想法的那部分并不意味着“阿尔法狗”是错的，也更有可能是人类自己犯错而已。

有了深厚的内力加持还是不够的，“阿尔法狗”还需要在对战时把自己的积淀用到实处。先前说过，“阿尔法狗”和“深蓝”在迎战人类的方法并没有什么本质上的差别，都是穷举。虽然现在“阿尔法狗”已经懂得有规律地穷举了，但是它的运算能力还是不足以穷举规律之中的棋局的所有可能走势，毕竟这个运算量对于计算机来说依然是个天文数字。

所以，“阿尔法狗”引进了另一个大杀器，蒙特卡洛树搜索（MCTS）算法。蒙特卡洛算法，是由美国数学家乌拉姆最早提出，再经数学天才冯·诺伊曼发展和完善，以赌城蒙特卡洛命名的一种算法。在过于复杂的局面中，人工智能由于硬件缺陷，无法实现穷举级别的采样，而蒙特卡洛算法正是在采样不足的情况下，通过尽可能多次的随机采样，一步一步接近最优解。举个简单例子，有一堆钻石，每次随机选一枚，选中更大的就留下。那么经过越来越多次随机选择，最终留下的那枚钻石，就必然越来越接近这堆钻石中最大的。

1997年5月，IBM公司的国际象棋电脑“深蓝”打败国际象棋世界冠军卡斯帕罗夫

具体到“阿尔法狗”下围棋这件事上，蒙特卡洛树搜索算法就是把“阿尔法狗”的“棋感”认为有可能的接下来的棋局都先过一遍（有时是走几十步之后，有时是走到对局结束），把对自己不利的都删除掉，剩下的便是胜率最高的走法，而且是每下一步棋时这么过一遍。