人工智能繼續(xù)進階

——通殺棋界后，“阿法狗”走向教學

本報記者 張夢然

今日視點

在人工智能（AI）領(lǐng)域，“阿法狗”（AlphaGo）是個囂張的名字。自2016年3月甫出茅廬震驚世人后，該程序妙手迭出，一路刷新紀錄。

至本月初，谷歌的AI子公司深度思維宣布“阿法狗”升級成了“阿法零”（AlphaZero），已一舉擊敗國際象棋、將棋、圍棋類三個世界冠軍級的電腦程序。

12月11日，該公司發(fā)布“阿法狗”教學工具。兩天后，團隊資深研究員、曾代AI執(zhí)子的“人肉臂”黃士杰，宣布正式離開“阿法狗”，轉(zhuǎn)投深度思維其他項目。

“阿法狗”不斷升級

2016年，名為“阿法狗”的AI在和所有其他圍棋程序的對抗中獲得99.8%的勝率后，進一步學習，于當年3月挑戰(zhàn)人類圍棋世界冠軍。五局鏖戰(zhàn)，人類1∶4不敵AI，轟動一時。人們將這一成績視為彼時人工智能的巔峰之作，沒成想，這只是“阿法狗”的起步。

今年1月，一個神秘賬號Master在知名圍棋平臺上先后挑戰(zhàn)柯潔、樸廷桓和井山裕太等頂級高手，豪取勝利，隨后戰(zhàn)贏“棋圣”聶衛(wèi)平，直至60盤決勝收官時自爆身份，公布自己正是“阿法狗”新版。

10月，“阿法狗”程序再次升級——“阿法元”(AlphaGo Zero)出現(xiàn)，其以100∶0的不敗戰(zhàn)績，狠狠擊敗了曾書寫歷史的舊版“阿法狗”，而且能夠從空白狀態(tài)起，在不需要任何人類棋譜輸入的條件下，無師自通，自學圍棋。

直至12月6日，深度思維再出驚人之舉：其研發(fā)的新一代“阿法零”，憑借強勁的計算資源，使其經(jīng)過不到24小時的自我對弈強化學習，就接連擊敗了國際象棋、將棋、圍棋三個世界冠軍級的電腦程序，自此成了全能棋王。

“阿法零”獨孤求敗

最新出現(xiàn)的“阿法零”，是深度思維團隊繼“阿法元”問世之后帶給人們的又一全新算法，并稱它是“更通用版本”。

目前，“阿法零”算法可以在8個小時訓練后擊敗去年對戰(zhàn)李世石版本的“阿法狗”，再以4小時訓練擊敗世界頂級的國際象棋程序Stockfish；又用2小時訓練擊敗世界頂級將棋程序Elmo。

與前輩“阿法元”相比，“阿法零”有很多自己的獨到之處。首先，“阿法元”是在假設(shè)結(jié)果為贏/輸二元的情況下，對獲勝概率進行估計和優(yōu)化，而“阿法零”會將平局及其他潛在結(jié)果都考慮在內(nèi)，深一步估計和優(yōu)化；其次，“阿法零”并不是靠轉(zhuǎn)變棋盤位置進行數(shù)據(jù)增強，它只對單一神經(jīng)網(wǎng)絡(luò)進行維護，并不斷更新該神經(jīng)網(wǎng)絡(luò)；最后，“阿法零”所有對弈都重復使用相同的超參數(shù)（開始學習過程之前設(shè)置值的參數(shù)，而非通過訓練得到的參數(shù)數(shù)據(jù)），因此無需額外針對特定某種棋類再進行調(diào)整。

下一步落地應用

本月11日，深度思維拿出了一套“阿法狗”教學工具。“阿法狗”團隊核心成員黃士杰在其社交媒體賬號上介紹說，該教學工具總共收錄了約6000個近代圍棋史上主要的開局變化，從23萬個人類棋譜中收集而來，而所有盤面都有“阿法狗”評估的勝率及推薦的下法。

這套教學使用的其實是神秘賬號Master那一版的“阿法狗”。但這里所有的勝率與下法，AI都思考過將近10分鐘——這意味著1000萬次模擬，而每一個開局變化，“阿法狗”都固定延伸20步棋。再加上下法，整套教學工具約有2萬個分支變化，37萬個盤面。團隊成員希望，人們能感受這套教學工具中的創(chuàng)新，并可從中獲益。

教學系統(tǒng)推出兩天后，黃士杰宣布正式告別“阿法狗”，投身公司的其他研究中。

其實早在今年5月，當“阿法狗”戰(zhàn)勝柯潔后，深度思維就宣布此后該程序不會再參加到人機大戰(zhàn)的競技中去。團隊的下一步計劃，是研發(fā)出廣泛算法以投入應用，包括給出疾病的治療方案、設(shè)法將能源消耗降低，以及發(fā)明出革命性新材料等。

現(xiàn)在，深度思維已與谷歌數(shù)據(jù)中心共同研發(fā)管理制冷系統(tǒng)的新技術(shù)，并與英國全民醫(yī)療健康系統(tǒng)達成合作。他們，在讓AI相關(guān)算法真實落地于應用中。

（科技日報北京12月14日電）