漫長的對決

潘超豪

1968年，第一個圍棋程序問世。今天，阿爾法幾度戰(zhàn)勝了人類的頂尖棋手。這場人機對決，漫長，而沒有終點

3月13日，首爾。當(dāng)李世乭九段步入新聞發(fā)布會場之時，全場觀眾齊呼“李世乭”，一如兩千年前的羅馬市民迎接凱旋的將軍。李世乭在職業(yè)生涯中曾贏得冠軍無數(shù)，但受到如此祝賀是頭一回。李世乭說，只是贏了一盤棋，不需要這樣隆重祝賀的。不過，從他嘴角掩藏不住的笑容可以窺見，他的內(nèi)心或許比現(xiàn)場的觀眾更為喜悅。

這是一場在三尺紋枰上“人類”與“人工智能”的巔峰對決。坐在棋盤兩邊的，一方是李世乭九段，人類最優(yōu)秀的圍棋手之一;另一方是圍棋程序AlphaGo（以下稱“阿爾法”），由谷歌旗下DeepMind公司開發(fā)。

圍棋界在賽前一致看好李世乭橫掃阿爾法。然而，比賽的進程卻出乎所有人的意料。前三局比賽，李世乭不但全部落敗，而且甚至沒有尋覓到明顯的勝機。

在李世乭提前輸?shù)粝盗匈愔?，棋界輿論風(fēng)向調(diào)轉(zhuǎn)。韓國頂尖棋手金志錫九段稱要受讓二子才能和阿爾法一戰(zhàn)，中國的古力九段則在解說中開始稱阿爾法“老師”。此時，幾乎沒有人認為在余下的兩局棋中，李世乭還有機會贏一局。

在此背景下，李世乭的絕地反擊才顯得彌足珍貴。

這一盤棋，李世乭在黑方阿爾法的大陣中撒豆成兵，這正是他的成名絕技“僵尸流”。阿爾法一步步落入李世乭的圈套，卻毫無察覺。就在黑棋即將合圍大陣，將白棋一網(wǎng)打盡之時，李世乭祭出驚天一“挖”，正中黑棋的軟肋。阿爾法的招法開始變得凌亂。數(shù)個回合之后，阿爾法接連犯下低級錯誤。李世乭此后安全運轉(zhuǎn)，守住了勝利果實。數(shù)據(jù)顯示，阿爾法似乎沒有預(yù)見到李世乭的妙手，以至于形勢急轉(zhuǎn)直下。對此，李世乭說：“我的眼里只有那一手棋，沒有任何其他選擇，我必須走那里。我只能謙卑地感謝神明，我這些天的祈禱換來了這樣的閃光?！?/p>

令人稍感意外的是，研究計算機圍棋的工程師們在賽前也并不看好阿爾法獲勝。從計算機圍棋幾十年的發(fā)展歷史來看，他們做出如此推斷是相當(dāng)客觀的。

1968年，第一個圍棋程序問世。此后的二十多年間，計算機圍棋發(fā)展緩慢。

1991年，中山大學(xué)教授陳志行退休后開始研發(fā)名為“手談”的圍棋程序。其后，“手談”在8年間九獲計算機圍棋世界冠軍，并接連受讓15子、13子、11子戰(zhàn)勝青年業(yè)余高手。陳志行自己也是業(yè)余圍棋高手，曾多次參加全國業(yè)余圍棋大賽，并取得不俗成績。陳志行曾經(jīng)設(shè)想“手談”能夠在讓九子對局中戰(zhàn)勝自己。

圍棋盤縱橫19道，其上均勻分布著9個黑色的圓點，稱“星位”。讓9子對局，就是白方讓黑方先占據(jù)棋盤上的9個星位，才開始對局。部分棋手認為，能夠受讓9子戰(zhàn)勝業(yè)余高手，才算是“會下圍棋”。

世紀(jì)之交，國際象棋的程序在與人類頂尖棋手的對抗中已經(jīng)穩(wěn)穩(wěn)占據(jù)上風(fēng)，而圍棋的程序則在“會下圍棋”和“不會下圍棋”的邊緣徘徊。據(jù)此，有職業(yè)棋手推斷，幾十年之內(nèi)都不會有圍棋程序戰(zhàn)勝人類頂尖棋手，或許永遠都不會。

圍棋人的自信并非無源之水。圍棋和國際象棋都是兩人對戰(zhàn)的完全信息游戲，而人類棋手在棋盤上的決策過程也差異不大：首先搜尋當(dāng)前局面下看上去所有可行的下一步，然后對其中每一步棋產(chǎn)生變化之后的局面進行評估，最后通過比較，選擇對自己最有利的一步棋。

理論上來說，計算機程序只需要解決“搜尋”和“評估”這兩個問題，就可以達到很高的水平?！吧钏{”正是這樣做的。

“深藍”在搜尋方面近乎“窮舉”。雖然效率不如人類，但能夠比人類算得更深一層。至于評估，“深藍”采用和人類相似的辦法，給不同的棋子賦予相應(yīng)的權(quán)重?！吧钏{”之后的國際象棋程序，原理上大同小異，卻已經(jīng)將人類棋手遠遠甩在身后。

然而， 圍棋程序不可能采取相同的辦法。一方面，圍棋變化的深度和廣度都遠超國際象棋，這使得“深藍”的暴力搜索算法沒有可行性。另一方面，評估一個局面孰優(yōu)孰劣，在圍棋上也并非易事。

職業(yè)圍棋手判斷形勢的方法，由于具有很大模糊性，很難被程序模仿。于是，包括“手談”在內(nèi)，與“深藍”同時代的圍棋程序幾乎都是在試圖模仿人類棋手的招法。

工程師們竭盡全力讓程序理解“征子”、“雙活”、“愚形”、“小飛”等人類初學(xué)者在一個月之內(nèi)就能掌握的概念，然而效果卻并不理想。也有開發(fā)者給程序輸入開局庫，使得程序在遇到常見布局時能夠復(fù)制職業(yè)棋手的招數(shù)。不過，一旦對手變招，程序便無所適從。陳志行等人苦心經(jīng)營十余年，也未能讓“手談”突破頂尖業(yè)余棋手的9子大關(guān)。

就在大部分同行還在努力給程序打補丁之時，2006年，法國工程師Remi Coulom取得了突破。他將蒙特卡洛搜索法應(yīng)用到他的圍棋程序CrazyStone中，并在當(dāng)年的計算機圍棋世界奧林匹克9路棋盤項目上奪魁。

蒙特卡洛法的主要優(yōu)勢在于其獨辟蹊徑的局面評估方法。對于某一個特定的選擇，程序用近乎隨機落子的方式快速完成一盤棋，并判定勝負。

重復(fù)此過程多次，比如說10萬次之后，黑方在其中獲勝4萬局。那么程序就認為最初的那步棋勝率是40%。這種判斷方式，與人類的“數(shù)目法”，即估計雙方領(lǐng)地大小的差距，有本質(zhì)不同。

如果說之前的圍棋程序都只是拙劣地模仿人類的圍棋知識，那么采用蒙特卡洛法的程序則擁有了自己的“思維方式”。

此后兩年，采用蒙特卡洛法的程序如雨后春筍般出現(xiàn)。2008年，程序MoGo首次在受讓9子的對局中戰(zhàn)勝職業(yè)棋手。同年，CrazyStone接連突破職業(yè)棋手的8子和7子關(guān)。2012年，程序Zen在僅受讓4子的一局棋中，戰(zhàn)勝久負盛名的日本職業(yè)棋手武宮正樹九段。Zen的這一成就意味著它達到了業(yè)余5段的水平，躋身業(yè)余好手之列。這段時間，計算機圍棋的發(fā)展速度讓業(yè)內(nèi)人士預(yù)測，十年之內(nèi)將有程序達到職業(yè)水平。

技術(shù)的進步并非總是一帆風(fēng)順。2012年之后，采用蒙特卡洛法的程序幾無寸進。Zen、CrazyStone等少數(shù)程序在計算機圍棋賽中輪流坐莊，絕對實力卻未見提升。蒙特卡洛法似乎遇到了瓶頸。幸運的是，2015年前后，深度學(xué)習(xí)技術(shù)飛速發(fā)展，研究計算機圍棋的工程師也從中找到了新的靈感。阿爾法由此橫空出世。

阿爾法的開發(fā)團隊由22名優(yōu)秀的工程師組成。其中，來自臺灣的黃士杰（Aja Huang）扮演重要角色。黃士杰是臺灣的業(yè)余6段棋手，他開發(fā)的程序Erica曾擊敗Zen，奪得2010年計算機圍棋奧賽冠軍。雖然阿爾法的開發(fā)時間并不很長，但其中的關(guān)鍵部分與黃士杰等人的多年積累密不可分，可謂十年磨一劍。

阿爾法主要由走棋網(wǎng)絡(luò)、估值網(wǎng)絡(luò)和蒙特卡洛法三部分組成。

走棋網(wǎng)絡(luò)和估值網(wǎng)絡(luò)均基于“深度卷積神經(jīng)網(wǎng)絡(luò)”技術(shù)。該技術(shù)的靈感與人類大腦的結(jié)構(gòu)密切相關(guān)。走棋網(wǎng)絡(luò)和估值網(wǎng)絡(luò)就好比阿爾法的“左腦”和“右腦”，走棋網(wǎng)絡(luò)負責(zé)選擇招法，而估值網(wǎng)絡(luò)負責(zé)評估局面，然后由蒙特卡洛法將它們連結(jié)成一個完整的大腦，最后輸出招法。

走棋網(wǎng)絡(luò)通過學(xué)習(xí)職業(yè)（或業(yè)余高手）棋譜和大量自我對局訓(xùn)練而成。經(jīng)過訓(xùn)練，走棋網(wǎng)絡(luò)對于一個特定的局面，能夠快速給盤面上所有可能的選擇給出評分。

走棋網(wǎng)絡(luò)的判斷賦予了阿爾法如同人類棋手一樣的特殊“棋感”，即對特殊棋形做瞬時判斷的直覺。對于人類棋手，通常需要多年的訓(xùn)練才能建立這樣的“棋感”。這種棋感，曾被認為是人工智能難以模仿的。無論是手談還是Zen，它們在類似功能的實現(xiàn)上，基本只是對工程師輸入知識的直接反饋。一旦遇到知識庫里不存在的棋形，它們就可能一臉茫然。

阿爾法則不同?！吧疃染矸e神經(jīng)網(wǎng)絡(luò)”讓阿爾法能夠在輸入知識的基礎(chǔ)上舉一反三。不僅如此，阿爾法還通過自我對局進一步提升判斷的準(zhǔn)確度，這使得阿爾法擁有了超越人類“棋感”的潛力。

“棋感”足以讓阿爾法成為一名業(yè)余好手，但離職業(yè)棋手還很遠。僅憑直覺做出的選擇仍然包含著大量的錯誤。與人類棋手一樣，阿爾法也需要判斷形勢。人類的形勢判斷算法大致是估計對局雙方地盤大小的差值。阿爾法的估值網(wǎng)絡(luò)則計算特定局面下雙方的獲勝概率。

與走棋網(wǎng)絡(luò)類似，阿爾法同樣進行大量（三千萬局）自我對局獲得樣本。一局棋中如果是黑方獲勝，那么阿爾法就對相似局面下黑棋優(yōu)勢的判斷更有信心。

另外，阿爾法還有名為“快速走子”的技術(shù)輔助判斷。

“快速走子”，顧名思義就是以比走棋網(wǎng)絡(luò)更快的速度落子。雖然這樣走出的招法質(zhì)量稍遜，但速度比走棋網(wǎng)絡(luò)快一千倍。更重要的是，通過“快速走子”代替?zhèn)鹘y(tǒng)蒙特卡洛法中的隨機落子，使得阿爾法對勝率的估計更為準(zhǔn)確。

將“快速走子”與估值網(wǎng)絡(luò)結(jié)合，阿爾法能夠相當(dāng)準(zhǔn)確地判斷絕大多數(shù)局面的勝率。這種形勢判斷的方法不同于人類棋手的思路。從阿爾法與李世石對戰(zhàn)的結(jié)果看，阿爾法的判斷在大多數(shù)時候甚至強于李世石，令職業(yè)棋手們高山仰止。

盡管深度學(xué)習(xí)技術(shù)幫助阿爾法完成了飛躍，蒙特卡洛法仍然是阿爾法不可或缺的一部分。蒙特卡洛法把走棋網(wǎng)絡(luò)的選擇和估值網(wǎng)絡(luò)的形勢判斷結(jié)合在一起，通過邏輯判斷輸出最優(yōu)的招法。

阿爾法的三個組成部分分工明確，配合默契，完整地實現(xiàn)了類似于人類棋手的思考過程，且擁有超越人類思考能力的潛力。

阿爾法的進步速度，遠遠超出業(yè)內(nèi)人士的想象，甚至可能也超出了阿爾法開發(fā)團隊的期望。

2015年10月，阿爾法擊敗樊麾之時，開發(fā)者估計阿爾法世界排名約為250名左右。2016年1月末，在新聞發(fā)布會上，阿爾法團隊聲稱對抗李世乭“有五成把握”。

前三局棋，阿爾法幾乎沒有給李世乭什么機會。若不是李世乭在逆境下的靈光一現(xiàn)，人類或許就要認為阿爾法是無懈可擊的了。所幸李世石九段奮力一擊，暴露了阿爾法的問題所在。

阿爾法在第四局中的低級錯誤，大致是在面對帶有劫爭的復(fù)雜變化時誤判，因而在開劫之前耗盡劫材。前一代以蒙特卡洛法為主算法的程序多數(shù)出現(xiàn)過相同問題。在賽前，就有業(yè)內(nèi)人士懷疑阿爾法是否已經(jīng)解決了此問題，從結(jié)果來看似乎并沒有。這是一個有十年歷史的“頑疾”，不一定能夠在短期內(nèi)得到解決。

然而，無論如何，能夠戰(zhàn)勝李世乭，證明阿爾法和計算機圍棋的前方是一條康莊大道。采用類似技術(shù)的其它圍棋程序也已取得不俗成績。

由田淵棟博士開發(fā)的Facebook旗下程序Darkforest，短短幾個月就達到了業(yè)余4段的水平;新一代的Zen在結(jié)合了深度卷積神經(jīng)網(wǎng)絡(luò)之后，也提升到了強業(yè)余5段的水平。幾年之內(nèi)，擁有職業(yè)水平的圍棋軟件就將飛入尋常百姓家。

阿爾法的“思維方式”和人類棋手大相徑庭，卻達到了人類的頂尖水平。她的未來沒有極限。

阿爾法的勝利是幾代工程師智慧的結(jié)晶，是人工智能技術(shù)進步的里程碑;而李世乭的“神之一手”是人類棋力登峰造極的濃縮，是四千年圍棋藝術(shù)的冰山一角。這一場挑戰(zhàn)賽，沒有輸家。古老的圍棋和新興的人工智能都還有很長的路要走，希望它們在未來能夠擦出更耀眼的火花。