在当时，DeepMind并没有为AlphaGo制定具体的目标。曾经的优秀国际象棋手哈萨比斯对于开发围棋AI的难度有深刻认识: 国际象棋的游戏树复杂度（即“香农数，Shannon Number”）约为10^120. 所谓游戏树复杂度，就是不同棋局的总数，可以用国际象棋的平均游戏长度（约40回合）乘以每个回合的平均变化数（约10^3种）估算得到。注意，游戏树复杂度和局面总数并不相同。国际象棋大约有10^40种局面，而将不同的几十个局面串联在一起，才是一局棋。换句话说，一个局面就是游戏树上的一片叶子；把所有的叶子用枝杈连在一起，方成一棵游戏树。
因此，游戏树复杂度比局面总数大很多。围棋的合法局面总数为2.0*10^170，而对应的游戏树复杂度达到3*10^511. 这还是一个非常保守的估计。须知，可观测宇宙的原子总数不过10^80个。这意味着任何形式的穷举，或者暴力搜索，对于围棋都是不现实的。在本系列的上一篇中也提到，围棋手的决策一定程度上依靠直觉，这是很难被人工智能模仿的。
围棋问题的高难度并没有吓走DeepMind，因为他们手上有先进的工具：深度学习。2015年2月，DeepMind在《自然》杂志发表论文，宣布DQN（Deep Q-Network）项目的成功。在DQN项目中，DeepMind团队采用深度强化学习，让AI从零开始学会了玩各种街机游戏，和最优秀的人类玩家操作得一样好。哈萨比斯常以“打砖块”游戏展示深度学习的力量。
（打砖块游戏截屏）
在初始条件下，AI对打砖块一窍不通，甚至都接不到球。但在失败中，AI似乎慢慢学到了些什么，开始接球、控制球的方向，直到最后，掌握了秘笈：打通边缘一列的砖墙，然后就可以让球反复在砖墙上边反弹而不下落，无风险坐收分数。整个学习过程没有任何人工干涉。此前类似的成果，都有人工干涉的成分。相形之下，深度强化学习，让打街机的AI向真正的智能前进了一小步。
如果说深度学习是一把力重千钧的大锤，能够像锤钉子那样征服一个又一个的难题，那么围棋无疑是最顽固的一枚钉子。DeepMind团队起初并无征服围棋的雄心，只想看看他们能走到哪一步。然而，新技术的力量让这些世界上最优秀的工程师们都感到吃惊。半年多过去，团队里棋力最强的高级研究员、台湾业余6段棋手黄士杰也下不过AlphaGo了。不仅如此，AlphaGo在与其它商业围棋软件（Zen, Crazystone）的对战中，让四子仍能取得99%的胜率。要知道，武宫正树让Zen四子还曾输掉一局。种种迹象表明，AlphaGo很可能已经达到了职业水平。
当然，AlphaGo是否真的达到职业水平，还要通过一名真正职业棋手的检验。三届欧洲冠军、职业二段棋手樊麾被选为AlphaGo的第一块试金石。
樊麾，1981年出生于中国，1996年通过定段赛成为职业棋手，1998年升为职业二段。目睹自己与古力等天才棋手在天赋上的差距，樊麾觉得继续做职业棋手的前途并不理想。心怀见识更大世界的念头，不满19岁的樊麾只身前往法国，学习酒店管理。刚到法国的前几年，樊麾有意让自己忘记围棋，一门心思扑在专业课和语言的学习上。等到学业变得顺畅之时，樊麾却想重新拾起围棋。“我一直和会下棋的人说，这东西，沾上了就戒不掉”，樊麾如是说。好在当时的欧洲已不是围棋的荒漠，法国的围棋俱乐部遍地开花，其中的高手也有相当于中国业余5段的水平。樊麾一面担任法国国家围棋队的教练，一面在赛场上力挫群雄。2013年，樊麾加入法国籍，其后在2013-2015年三夺“欧洲冠军”头衔。
在纪录片《AlphaGo》中，樊麾骑自行车穿过法国小巷，赶到一处街头棋摊，与当地爱好者下一对三的指导棋。棋局进行中，樊麾接到了来自哈萨比斯的电话，邀请他参与围棋软件的开发测试。樊麾虽很疑惑，但就如同十五年前赴法留学一样，喜欢探索未知的樊麾说走就走，登上了前往英国的飞机。樊麾半开玩笑半认真地说，当他接到邀请时，他以为工程师们会在他的脑袋上贴满电极片，以研究棋手的大脑内部构造。结果完全不是这么一回事。DeepMind竟然要让一个围棋软件挑战他，还是正式的对抗！“只不过是一个软件而已，”樊麾想。没有太多犹豫，樊麾接受了挑战。
樊麾与AlphaGo的对抗赛共计十局。其中五局为正式局，使用较长的限时，并计入总比分；另五局为非正式局，使用较短的限时，不计入总比分。正式局和非正式局的AlphaGo配置完全相同（除用时外）。比赛在2015年10月5日-10月9日间进行。
从事后看，在五盘正式对局中，首局大概是樊麾发挥最好的 。
樊麾（黑） - AlphaGo （白）对抗赛第一局， 1-30手。
这盘棋的开局，双方在三个角上摆了三个不同的简单定式。左下角的定式，曾在上个世纪流行，但在21世纪基本已被淘汰。现代棋手的看法是，黑棋5、7、9三子的组合过于坚实，效率偏低。右上角的“双枪定式”，通常是初学者学到的第一个定式。现代棋手同样认为黑棋速度稍慢，略有不满。职业棋手对定式看法的变化，一方面是在大量实战中加深了认识，另一方面与规则的变化有关。从上世纪80年代到今天，黑棋的贴目负担加重。中国规则由黑贴2.75子变为黑贴3.75子（大致相当于7.5目），日本、韩国规则由黑贴5.5目变为黑贴6.5目。大贴目的负担，逼迫黑棋加快布局的速度；须快速展开阵型，而不是像图中5、7、9一样龟爬。
而本局中国规则黑贴3.75子的背景下，持黑棋的樊麾执意“复古”，大概是有一种对AlphaGo的“上手”心态。心态放松，所以开局稍亏一点点也不太在意。
11-60手。
随着棋局进行，樊麾很快意识到他的对手并不简单。白方36-42手法坚实，在黑方的势力范围内硬生生开辟出一片根据地。虽然黑方43-51还以颜色，也掏掉白棋下边的空，但白方右上52-56再占便宜。随后，AlphaGo用白58小秀一把“棋型的感觉”。这招棋的目的是补住K4位的断。与笨拙的M3位粘相比，白58极具视觉效果，不落俗套。从效果来看，这未必是最佳的一手，却能让棋盘对面的樊麾疑惑：莫非AI也理解什么棋型丑陋，什么棋型优雅？
之后的棋局并无激烈战斗，双方各自鸣金收兵之后便进入官子争夺。这里最值得注意的是下图的这一招。
AlphaGo（黑）- 樊麾（白）对抗赛第二局，1-12手
刚一开局，樊麾直接祭出“大雪崩”定式。此形如白雪从黑山坡上滑落（把上图的黑白交换一下即可），因而得名“雪崩”。“大雪崩”，与“妖刀”、“大斜”并称围棋“三大难解定式”，变化莫测，而且常有新变。大雪崩是难解定式中，近年在职业赛事中出现最频繁的一个。在2015年百灵杯决赛第三局中，邱峻就在大雪崩定式中藏了一把飞刀，令柯洁猝不及防，结果棋局早早失去悬念。既然顶级棋手在大雪崩中都会犯错，那么AlphaGo会如何表现呢？
1-44手
笔者棋力有限，对大雪崩的千般变化不甚了了。接下来一段的内容参考金明完九段的解说。
金明完认为，白26粘是旧定式。比较新的变化是改走E6位扳。如果AlphaGo不犯错，白26粘以下的变化应该是黑棋稍好。但紧接着，AlphaGo立刻犯下了一个错误：黑31。
AlphaGo在此处的错误，大概是策略网络从人类棋谱中学到了这一着，知道在相似棋型下，“点入”是有效的手段，但并不能准确的判断点入的场合。如果AlphaGo是一名人类棋手，可以评价为“知其然，而不知其所以然”。
随后黑棋甚至都没能将黑31一子救回，被白38先手笑纳，局部亏得吐血。持白棋的樊麾借着AlphaGo的失误，白40、42、44连续压迫，心情愉快。棋下到这里，也许樊麾觉得自己要赢了吧。
接下来的第三局，只说一个局部。
不过，即使AlphaGo在此处犯错，白棋依然掌握主动。白64断以后，黑棋在右上陷入苦战。最终黑右上被全歼，从而告负。至此樊麾以0-3落后。
第四局，执黑的AlphaGo发挥近乎完美。
AlphaGo （黑） - 樊麾（白）对抗赛第四局，1-20手。
左边的定式，执黑的AlphaGo在11拆、13跳，堂堂正正，和人类教科书里的下法一模一样。之后我们还会看到左下角的“托退定式”，以及AlphaGo不一样的表演。
然后AlphaGo在右边布下三连星。金明完评曰，“黑棋左右阵势遥相呼应，而白棋14尖略缓，布局至此黑好”。
最后一局，前面的部分略过不提，我们还是只说一个局部。
AlphaGo赢了。五比零。这是历史上首次由人工智能在分先（平等）的棋份下战胜一位职业棋手，而且是完胜。2016年1月，介绍AlphaGo成果的论文登上《自然》杂志封面。这是对DeepMind团队取得阶段性成果的最好肯定。
成功并未丝毫影响DeepMind团队的判断力，他们对AlphaGo的实力有客观、清醒的认识。在论文《Mastering the Game of Go with Deep Neural Networks and Tree Search》中，参考樊麾职业二段(2p)的段位及8：2的总对战成绩，DeepMind团队将AlphaGo的实力评为职业五段，等级分3150分。从他们参考的等级分体系来看，3150分相当于中国的二线职业棋手水平。（参见谷歌围棋程序AlphaGo实力几何？ - 知乎专栏）这与后来中国职业棋手对AlphaGo基于棋谱的实力评价基本一致。
当时，与李世乭的比赛时间已经敲定。想在几个月的时间里，让AlphaGo从一名平庸的职业棋手，成长为超越顶尖职业棋手的存在，并非易事。为此，哈萨比斯请回“手下败将”樊麾做AlphaGo的教练，为AlphaGo捉虫。人类与AlphaGo由对手变成了伙伴，这是第一次，在将来会变成常态。
历史性的一战，即将展开。
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