AlphaGo是怎么學(xué)會(huì)下圍棋的

安德魯·麥卡菲

由Google的子公司Deep Mind創(chuàng)建的人工智能系統(tǒng)AlphaGo，不久前在一場(chǎng)圍棋比賽中以4：1的成績(jī)戰(zhàn)勝了人類(lèi)冠軍李世石。此事有何重大意義？畢竟，在1997年，IBM“深藍(lán)”擊敗加里·卡斯帕羅夫后，電腦已經(jīng)在國(guó)際象棋上超越了人類(lèi)。人們?yōu)槭裁匆獙?duì)AlphaGo的勝利大驚小怪呢？

和國(guó)際象棋一樣，圍棋也是一種高度復(fù)雜的策略性游戲，不可能靠巧合和運(yùn)氣取勝。兩名棋手輪番將黑色或白色的棋子落在縱橫19道線(xiàn)的網(wǎng)格棋盤(pán)上，一旦棋子的四面被另一色棋子包圍，就要被從棋盤(pán)上提走，最終在棋盤(pán)上留下棋子多的那一方獲勝。

然而和國(guó)際象棋不一樣的是，沒(méi)有人能解釋頂尖水平的圍棋棋手是怎么下棋的。我們發(fā)現(xiàn)，頂級(jí)棋手本人也無(wú)法解釋他們?yōu)槭裁聪碌媚敲春?。人?lèi)的許多能力中存在這樣的不自知，從在車(chē)流中駕駛汽車(chē)，到辨識(shí)一張面孔。對(duì)于這一怪象，哲學(xué)家、科學(xué)家邁克爾·波蘭尼有精彩的概括，他說(shuō)：“我們知道的，比我們可言說(shuō)的多?！边@種現(xiàn)象后來(lái)就被稱(chēng)為“波蘭尼悖論”。

波蘭尼悖論并沒(méi)有阻止我們用電腦完成一些復(fù)雜的工作，比如處理工資單、優(yōu)化航班安排、轉(zhuǎn)送電話(huà)信號(hào)和計(jì)算稅單。然而，任何一個(gè)寫(xiě)過(guò)傳統(tǒng)電腦程序的人都會(huì)告訴你，要想將這些事務(wù)自動(dòng)化，必須極度縝密地向電腦解釋人類(lèi)要它做什么。

這樣的電腦編程方式是有很大局限的，在很多領(lǐng)域無(wú)法應(yīng)用，比如我們知道但不可言說(shuō)的圍棋，或者對(duì)照片中尋常物品的識(shí)別、人類(lèi)語(yǔ)言間的轉(zhuǎn)譯和疾病的診斷等——多年來(lái)，基于規(guī)則的編程方法在這些事務(wù)上幾無(wú)建樹(shù)。

圍棋的可能走法比宇宙間的原子總數(shù)還多，即使最快的電腦也只能模擬微不足道的一小部分。更糟的是，我們甚至說(shuō)不清該從哪一步入手進(jìn)行探索。

這次有什么不同？AlphaGo的勝利清晰地呈現(xiàn)了一種新方法的威力，這種方法并不是將聰明的策略編入電腦中，而是建造了一個(gè)能學(xué)習(xí)制勝策略的系統(tǒng)，這種系統(tǒng)在幾乎完全自主的情況下，通過(guò)觀看勝負(fù)實(shí)例來(lái)學(xué)習(xí)。

由于這種系統(tǒng)并不依賴(lài)人類(lèi)對(duì)這項(xiàng)工作的已有知識(shí)，故而即使我們知道的比可言說(shuō)的更多，也不會(huì)對(duì)它構(gòu)成限制.