ZKIZ Archives


人機大戰2.0上演 首局柯潔執黑小負AlphaGo

5月23日上午,世界排名第一的柯潔九段與圍棋人工智能AlphaGo正式展開三番對弈,打響了“人機大戰”第二季。柯潔執黑先行,經過約四個半小時的對弈,柯潔以四分之一子即半目的劣勢不敵AlphaGo。目前比分0-1。另外兩場比賽將於5月25日和27日進行。

雖然多數人並不看好柯潔,但柯潔還是用放松的心態應對大賽。據報道,21日淩晨,柯潔在微博上曬出了一家同遊烏鎮景區的照片,以及一張自己拿著自拍桿的圖。

作為人工智能一方的“阿爾法狗”,已經超越了圍棋界和科技界的範疇,成為家喻戶曉的“大明星”。除了他們之間的世紀對戰之外,此次圍棋峰會上,還安排了人機配對賽和一場團隊人機賽,分別在5月24日和26日進行。人機配對賽將由連笑和古力與AlphaGo組隊,配合比賽。團隊人機賽由羋昱廷、時越、唐韋星、周睿羊、陳耀燁五位棋手組隊,一起挑戰AlphaGo。

DeepMind創始人哈薩比斯在賽前的發布會上表態:“這場比賽不會是人和電腦系統的對戰,而是人使用電腦發現新的知識,我們探索的新的知識,圍棋的知識,就像發現天文望遠鏡探索新的宇宙。把不斷學習的人工智能運用到更廣闊的領域。這場對決,無論是人類獲勝還是阿法狗贏,最終的勝利者都是人類。”

人機 大戰 2.0 上演 首局 局柯 柯潔 執黑 小負 AlphaGo
PermaLink: https://articles.zkiz.com/?id=250262

人機大戰柯潔首局戰敗!王小川點評:AlphaGo2.0將重演一部進化史

來源: http://www.iheima.com/zixun/2017/0523/163250.shtml

人機大戰柯潔首局戰敗!王小川點評:AlphaGo2.0將重演一部進化史
黑智 黑智

人機大戰柯潔首局戰敗!王小川點評:AlphaGo2.0將重演一部進化史

這次與柯潔的對弈,能頻現“怪招”,完全顛覆人類對圍棋的理解——這會是比賽最大的看點。

首發 | 黑智(ID:VR-2014)

文  | 楊潔

2017年5月23日,在第二次“人機大戰”中,當今世界排名第一的中國圍棋選手柯潔,輸給了 Google旗下的人工智能程序 AlphaGo。在比賽進行了四個多小時之後,柯潔九段執黑負於 AlphaGo,AlphaGo 贏四分之一子。不過這並非最終結果,第二局和第三局將分別在 5 月 25 日和 5 月 27 日舉行,詳細日程請見黑智報道《柯潔明日首戰AlphaGo,爭奪150萬美元獎金,你想知道的都在這里了》。

去年曾大比分擊敗韓國選手李世乭的AlphaGo,再度與柯潔等為代表的中國頂尖棋手進行對弈。比賽采用中國規則,三番棋,無論輸贏,每方3小時,5次1分鐘讀秒。不過柯潔這次落敗,並非出乎大多數人意料,因為此前對戰李世乭時AlphaGo表現出了超強實力,幾乎以“碾壓人類”的方式取勝,所以對於第二次人機大戰,眾多業內人士覺得人類希望不大。

111

去年第一次人機大戰之前,搜狗CEO王小川曾在知乎發表評論,明確表示AlphaGo將完勝李世乭。而對於這次比賽,他再次在知乎表達了自己的態度:“我們的關註點不再是機器是否會贏——而是機器將用什麽姿勢戰勝人類。”

王小川說,AlphaGo2.0和1.0技術原理有著巨大不同,更接近於人,因此這次比賽的最大看點是,AlphaGo2.0或許會頻現“怪招”,完全顛覆人類對圍棋的理解。AlphaGo告訴我們:我們還有極大的發展空間;而AlphaGo2.0告訴我們:如果有合適的條件,完全可能有其他的生命進化路徑,以及更不一樣的進化結果,相當於重演一部進化史。

以下為王小川知乎全文:

該來的終於來了。

一年前AlphaGo發布,看完論文後我就在知乎上發文預測機器會完勝人類。好些行業朋友不相信,為此我收了很多“智商稅”,之後微信發紅包一直發到春節才發完。此外我還立了兩個斷言:一個是Google很有可能再研發出AlphaGo 2.0,擺脫“監督學習”,不再需要人類下圍棋的歷史數據,而是只通過“增強學習”,兩臺AlphaGo自我對戰學習如何下棋,並達到登峰造極的地步。從公開的資料判斷,此言中了。這意味著什麽呢,又有什麽看點呢?

技術重大提升:和1.0原理大不同 更接近於人

AlphaGo 1.0 是巧妙地混合了三種算法:蒙特卡洛樹搜索+監督學習+增強學習。其中蒙特卡洛樹搜索是一種優化過的暴力計算,比1997年深藍的暴力計算更聰明。而這里的監督學習,是通過學習3000萬步人類棋譜,對六段以上職業棋手走棋規律進行模仿,也是AlphaGo獲得突破性進展的關鍵算法。而增強學習作為輔助,是兩臺AlphaGo從自我對戰眾中學習如何下棋,據悉對棋力提升有限。

222

根據公開資料推測,此次AlphaGo2.0的技術原理與之前有著巨大不同:

1. 放棄了監督學習,沒有再用人的3000萬局棋譜進行訓練。這本是AlphaGo最亮眼的算法,也是今天主流機器學習不可避免的核心條件:依賴於優質的數據,在這個特定問題下就這麽被再次突破了。

2. 放棄了蒙特卡洛樹搜索,不再進行暴力計算。理論上,算法越笨,就越需要暴力計算做補充。算法越聰明,就可以大大減少暴力計算。從AlphaGo 2.0的“馬甲”Master的歷史行為看,走棋非常迅速,約在每10秒鐘就走棋一步,如此速度很可能是放棄了暴力的計算。

3. 極大地強化了增強學習的作用,之前敲邊鼓的算法,正式成為扛把子主力。想想看有多勵誌:兩臺白癡機器,遵守走棋和獲勝規則,從隨機走棋開始日夜切磋,總結經驗,不斷批評和自我批評,一周後終成大器。

在這樣的算法下,AlphaGo 2.0對計算資源開銷極小,把當前棋局輸入神經網絡,電流流過,輸出就是最佳的走棋方案。我猜測如此算法下,有可能僅僅依靠一個GPU工作,每一步棋消耗的能源接近人的大腦。

最大看點: AlphaGo2.0 棋風完全脫離人類經驗

今年年初,AlphaGo 化身Master連勝人類頂尖棋手60局。在圍棋領域,機器完勝已經變成公認的定論。這導致很多人開始問:這次人機大戰還有意義嗎?我們的關註點不再是機器是否會贏——而是機器將用什麽姿勢戰勝人類。

AlphaGo學習了3000萬步人類棋譜,走棋風格也近似於人。在比賽現場,偶有AlphaGo走棋和人的經驗不符合,就被評為“愚蠢”,只是在中盤之後發現機器漸漸局面占優最終獲勝,為了自圓其說解讀為“AlphaGo中盤逆轉”,前兩局莫過如此。第三局開始評論者長了教訓,開始尊稱AlphaGo為“阿老師”,有了欣賞和敬畏的心態。這帶給圍棋界很大的沖擊,以前大家認為正確的東西,其實是不正確的。柯潔曾經評價說:“AlphaGo出現,很多理論都被推翻,再看以前定式變得好笑,虧那麽多目就不再是兩分。”人類通過數千年實戰,總結了圍棋理論,然後計算機告訴人類:這些全都是錯的。現在在很多比賽上,人類棋手已經開始向機器學習,模仿AlphaGo的下法,棋聖聶衛平也曾表示“理論被顛覆了”。

而AlphaGo2.0脫離了機器對人模仿,走棋風格也將完全脫離人的定式。在與柯潔的比賽中,會不斷出現我們意想不到的走棋,而且這些走棋在教科書中會被認為是低級錯誤或者完全不可理喻,但凡一個正常的棋手都不會這麽玩,但凡一個新手這麽玩都會被點撥這樣不對。而AlphaGo2.0會不斷制造這樣的局面,關鍵他還是對的。可想對專業棋手的心里會有多大的震撼:不僅自己這一輩子都沒這麽想過這麽下棋,整個圍棋界都沒有想過。會不會懷疑自己白活了?會不會反思兩千年圍棋的發展為什麽有這樣的瓶頸?還有多少海闊天空等著我們去探索?可等不及我們去探索,計算機就給出了終局的答案,多麽惆悵。

我們會津津樂道,AlphaGo是什麽棋風。但可以這樣推理:但凡有流派和風格,就還有局限性。只有當所有流派合一看不出流派的時候,才到達致高境界。AlphaGo 2.0便會是這麽一臺機器,沒有風格,穩如磐石。

可以想見這次與柯潔的對弈,能頻現“怪招”,完全顛覆人類對圍棋的理解——這會是比賽最大的看點。英勇的柯潔,要解鎖108種姿勢來抵擋了。

333

2017人機大戰的意義:重演一部進化史重新認識智慧的邊界

2016年在AlphaGo和李世乭的對戰後,人工智能進入大眾的視野,我們開始重新思考機器和人的關系。

圍棋已經有兩千多年的歷史,在漫長歲月的琢磨中,圍棋理論不斷進化,到達了很高的水準,AlphaGo的獲勝,我們大可以解讀於“青出於藍”,畢竟是在人類圍棋進化的主路徑上又攀高峰。

而AlphaGo2.0完全拋棄掉人類這兩千年來進化的圍棋經驗,另尋他徑,僅憑兩臺機器自我對弈中學習和進化,最終不僅趕超了人類進化的速度,還發展出一套截然不同的下棋方法,並且更加接近完美的狀態,實現了對人類的碾壓,重演了一部圍棋的進化史,而且得出了與這兩千年來不同的進化結果。

這會給我們什麽啟示?如果跳出圍棋的規則,類比看地球生命的進化:人類是從原始的有機物,到單細胞開始逐步變成靈長類動物,並且發展出超越其他一切生物的智慧。這條路徑是唯一的麽?人類的生命形態和最頂級的生命形態還有多大距離?AlphaGo告訴我們:我們還有極大的發展空間;AlphaGo2.0告訴我們:如果有合適的條件,完全可能有其他的生命進化路徑,以及更不一樣的進化結果。

讓我們歡呼人的智慧造就了AlphaGo,這也幫我們開了眼界,看到我們離最終的生命形態和智慧依然有遙遠的距離。

保持敬畏,堅定前行,終得圓滿。

柯傑 AlphaGo
贊(...)
文章評論
匿名用戶
發布
人機 大戰 柯潔 潔首 首局 戰敗 王小川 王小 點評 AlphaGo2 重演 一部 進化史 進化
PermaLink: https://articles.zkiz.com/?id=250407


ZKIZ Archives @ 2019