在《棋魂》的这一话于《少年Jump》上刊载后17年，所有的职业棋手也感受到了小亮的绝望。这一次，俯瞰众生的鬼才换成了AlphaGo。
在李世乭以1:4的比分输给AlphaGo之后，多数人，包括很多职业棋手都认为，AlphaGo已经完成了对人类的超越，并且以AlphaGo强大的学习能力，李世乭很可能是最后一个曾经战胜AlphaGo的人。
这场人类与人工智能的漫长对决，是在此落下帷幕，还是余音绕梁，三日不绝？下文将展开论述我的观点。一家之言，欢迎讨论，不足之处也请各位多包涵。
一、灵感与汗水
围棋是世界上最复杂的游戏之一。所谓“一着不慎，满盘皆输”，每一步棋都可能左右全局的结果。一般来说，一手棋的决策分两步走。第一步，“搜寻”：凭经验或感觉给出几个候选的点；第二步，“判断”：分别对这几个点做形式判断，并进行比较。这两步，说来容易，但要做到笑傲众生的水平，对于天赋和勤勉的要求，不亚于一个优秀数学家所需要的。
刚学棋的小明第一次坐在棋盘前，不由得抓耳挠腮：棋盘这么大，第一步棋应该下在哪里。以上所述，是不同水平的棋手在棋盘上面对的“搜寻”情景。从初学者成长为职业棋手，需要先学会基本的布局理论、掌握基本的死活、对杀常识，然后熟记数百个定式及掌握其主要分支（飞刀）、练习数万死活题，同时在大量对局中磨练。有些外行据此认为，围棋只是复杂一点的“体力劳动”。对于这一观点，下图小明同学白1这一招抵得上千言万语。
学棋两年，小明的棋力已有小成。一次比赛，面对强手，小明祭出序盘“飞刀”。对手不假思索，按照常规思路行棋，不知不觉落入圈套。小明借此成功逆袭。
十年后，小明已贵为世界冠军。在一场重要比赛中，小明因形式不利而置大龙生死于不顾，以致其陷入绝境，似乎大龙已经必死无疑。在读秒声的催促下，小明竟灵光一现，在“不可能”的位置找到了己方大龙的唯一出路，成功逆转。
“体力劳动”让天赋平平者能够成为业余高手，但山巅最美的风景只属于天才。
我们再说“判断”。判断很难吗？在中国象棋或者国际象棋中，形势判断对于程序来说并非难事：只需观察双方子力的差距就可以大致判断出形式的好坏。当年战胜卡斯帕罗夫的“深蓝”，其形式判断算法大致就是如此，非常简洁。而围棋的形势判断是个真正的难题。围棋的胜负由终局时双方控制地盘的多寡决定。然而棋局进行到一半，双方的地盘都尚未封闭，怎么判断形势呢？
职业棋手采用的算法是估算双方的目数（地盘大小）差距。那如果地盘的边界没有完全确定怎么办呢？如果有先手官子就判给先手方，如果是双方后手官子就算一人一半。如果有一些模糊的地方，比如说一块厚势折算成几目呢？这时候就只能凭经验感觉了。职业棋手之间微妙的水平差异，很多时候也体现在模糊判断能力上。
不过，“数地盘”式的判断也常有失灵之时。除了模糊判断可能带来的误差以外，对于某一块地盘归属的错判也是经常发生的。李世乭-AlphaGo五番棋第一局中，职业棋手们就在局中集体给我们演示了一次这样的错判。
敏锐如柯洁者，第一时间看到了白棋在R10（图中绿圈）打入的手段。不过，柯洁当时的说法是，这是落后一方孤注一掷的手法。局后回顾，才发现此处黑棋已无法全身而退，而AlphaGo对此早已成竹在胸。从DeepMind公布的数据来看，AlphaGo认为此局面下白方的胜率超过75%，这意味着AlphaGo对R10打入之后的变化充满信心。棋局的走向证明了AlphaGo判断的正确，而职业棋手的直觉在此处集体失灵。
那么，AlphaGo凭什么认为自己有75%胜率呢？我们在下一节讨论围棋程序如何进行“搜寻”和“判断”。
二、曲折之路
史前时代的围棋程序，在判断与搜寻这两方面都相当原始。
一个围棋程序，想要学会像人类一样判断形势，其实是很难的：模糊判断并没有一套固定的法则，自然也就难以算法化。经常在网络对弈的棋友们应该对弈城、野狐等平台上的“形势判断”功能非常熟悉。初学者乃至有一定棋力的棋手或许会依赖这一功能，然而中高段的棋友大概经常看着程序不靠谱的判断摇头叹气，或是一笑而过。
判断虽难，至少我们还有现成的、能够算法化的流程可用。搜寻呢？其实人类棋手从不用“搜寻”二字，而是用“棋感”、“大局观”等抽象的概念。顾名思义，棋感、大局观，非“机器”所能掌握。不仅如此，对于上世纪的围棋程序，棋感、大局观都是奢侈品——它们甚至都不会一些基本的围棋技巧。程序“手谈”的作者陈志行曾说，他那个年代的程序，连小飞被穿断的棋型都不能应付。
模仿人类的智慧困难重重，机器短期内无法在围棋上打败人类也就成为了当年的共识。1997年，一位电脑围棋研究者，John Tromp，曾与另一位研究者Darren Cook立下赌约。赌约的内容是，在2011年以前，能否有围棋程序分先击败John Tromp. John Tromp, 一位实力约为业余1级的爱好者，自信满满地为自己押下1000美元的赌注。就在同一年，国际象棋世界冠军卡斯帕罗夫被超级计算机“深蓝”击败。若不是MCTS（蒙特卡洛树搜索）算法的应用和改进，这本该是一场毫无悬念的赌局。
三、曙光，蒙特卡洛
早在1992年，就有围棋程序曾采用MCTS，但并没有起到显著效果。这也不难理解。单纯的随机模拟，对于围棋来说，是不可取的：一方面，一盘围棋的平均长度达200手，计算成本甚高；另一方面，纯随机模拟常常做出一些简单的误判。有个很邪恶的围棋术语，“一本道”。这个术语说的是，一步棋落下之后，接下来的变化只有唯一可能的分支，其它的分支都可以简单判定为不可行。最简单的例子，就是征子。追杀一方虽然需要十几个回合以后才能全歼对手，但技术上没有任何难度，即使初学者一般也不会出错。然而，一旦出错，全局形势立马是一百八十度的转弯。可想而知，纯随机模拟的程序多半还以为被追杀一方胜券在握，因为在绝大多数的模拟结果里，追杀一方早晚要犯一个错误。这样一来，模拟得到的胜率就不靠谱了。
征子。黑棋在过程中一步都不能错，方能全歼白棋，否则就是万劫不复。
MCTS初显神通，还是在2006年，它的一个改进版本，UCT被发明之后。UCT对MCTS的第一步，“选择”（参见上图），做出优化。优化的结果是，程序选择优先模拟那些已知更好的“下一步棋”，但也保留模拟尚未探索过的“下一步棋”的可能性。这在一定程度上治好了围棋程序的“选择困难症”。理论上来说，采用UCT算法的程序，只要给它足够长的时间，几乎一定能找到最优的那一步。
至于实践效果，我们说回John Tromp的赌局。2006-2010年间，采用UCT算法的MoGo, ManyFaces, CrazyStone, Zen等程序在两年内越过多道关卡，从k级水平一路攀升到业余有段水平。不过，John亦非坐以待毙。十五年过去，John从当年的业余1级长棋到业余2段，并且接近业余3段的水平。当年看上去几乎必然是一面倒的赌局，到了最后期限来临之时，居然变成了棋逢对手的决斗。2010年末，John以4-0横扫程序Many Faces of Go, 赢得1000美元的赌注。一年多以后，John与程序Zen再战，结果以1-3败北。对于John来说幸运的是，这第二次与程序的决斗，他根本就没有下注。
John Tromp (黑) - Zen (白) 片段。执白的Zen最终赢得本局，将比分改写为2-1.
同年，Zen在一盘受让四子的对局中战胜了世界冠军武宫正树九段。似乎计算机围棋超越人类的那个节点就在眼前。然而，毫无征兆地，围棋程序们陷入了瓶颈。MCTS的潜力似乎已被耗尽，而其它的研究成果，不过是细节上的涂涂改改，于大局无甚助益。2015年11月，连笑七段在让四子、五子的对局中战胜当年的冠军程序Dol Baram （亚军正是Zen）, 直到让六子时才输给程序。赛后，连笑称，计算机程序想战胜职业棋手，还有很长的路要走。
2015年11月，除了一位提前知道真相、还挣扎在输棋的痛苦中的职业棋手，所有人还在梦中。
引文链接
“AlphaGo与人类的恩怨情仇” 全文系列：（一）（二）（三）（四）（五）（六）结束。
没有评论:
发表评论