人工智能应用案例学习-AlphaGo

接上文继续拓展AlphaGo算法学习。

MTCS（Monte Carlo tree search）图

黄士杰（Aja Huang）使用MCTS融合策略和评价函数v(s) 的策略是：使用P(s)作为初始分开局，每局选择分数最高的方案落子，到第L步后，改用Pfast(s)把剩下的棋局走完，同时调v(sL)，评估局面的获胜概率，按照如下规则更新整个树的分数：

新分数=调整后的初始分+0.5∗通过模拟得到的赢棋概率+0.5∗局面评估分

前两项和原来一样，如果待更新的节点就是叶子节点，局面评估分就是v(sL)，如果是待更新的节点是上级节点，局面评估分是该叶子节点v(s) 的平均值。

如果v(s) 是表示大局观，Pfast(s)表示快速演算，那么上面的方法就是二者的并重，并且黄士杰团队已经用实验证明0.5 0.5的权重对阵其他权重有95%的胜率。

借用详解AlphaGo VS 樊麾 对局走下某一步的计算过程回顾整个过程：

详解AlphaGo走某一步棋的过程1

a图使用局部评估函数计算出s 状态下其他落子点的胜率。

b图MCTS中使用局部评估函数加 Phuman(s) 得出的结果。

c图MCTS中使用Phuman(s)（复合算法）和Phuman−fast(s)走子走到底的结果。

详解AlphaGo走某一步棋的过程2

d图深度卷积神经网络使用策略函数计算出来的结果。

e图使用新分数和相关流程计算出的落子概率。

f图演示了AlphaGo和樊麾对弈的计算过程，AlphaGo执黑，樊麾执白。红圈是AlphaGo实际落子额地方。1，2，3和后面的数字表示他想象中的之后樊麾下一步落子的地方。白色方框是樊麾的实际落子。在复盘时，樊麾认为1的走法更好（这说明在樊麾落子后AlphaGo也在进行计算）。

总结：整个AlphaGo使用的算法是基于深度卷积神经网络、MCTS、强化学习自对弈找出所面对不同棋盘状态的最佳下棋棋法，这个过程经历了先模仿学习人类历史棋谱，但是发现无法超越人类老师，接下来开始自己对弈探索更多人类没有走过的棋法，类似人类的自我尝鲜发掘新棋法，当掌握此技能之后就青出于蓝而胜于蓝，在自我学习的过程为何要用到MCTS，主要是降低搜索空间，因为围棋的状态是巨量无法遍历的，通过网络搜索，找到一个解释比较清晰的版本：围棋究竟有多少变化？大家公认有两种算法，其一，一盘棋下完，每个点都可能有三种情况，黑、白、空，所以围棋的变化是3的361次方，但是，这是唯结果论，因为即使每一种对局结果，都有n种不同的过程可以到达；我们更倾向于第二种算法，即第一步有361个点可以选择，第二步有360个点……以此类推，所以围棋的变化是361×360×359×……2×1，即361阶乘！这里还有两个问题，过程中产生禁入点，会减少一部分变化，而打劫的时候，同一个点会落子多次，又会增加很多变化，可以认为两者互相抵消，另外，由于棋盘是4方对称的，所以结果还要除以4，为了讨论方便，一般可以忽略除以4这个问题。假如不考虑这些细枝末节，361阶乘这个结果还是基本可信的。 361阶乘到底有多大？大约1.43乘以10的768次方，即1后面有768个零！这个数字远远超出人类的想象，要知道，即使人类已知宇宙中的原子数量，也不过是10的80次方。

从上面可以看出类似AlphaGo的人工智能真正的技术核心关键是计算能力、业务抽象能力、恰当的匹配算法，这三者缺一不可，也就是王煜全老师说的人工智能三要素算力+算法+数据，我这里把数据换成业务建模能力是基于能产生数据的前提来说的，所以从AlphaGo学习可以看到，王煜全老师说的人工智能平台是属于大公司的机会是完全正确的，因为算力不是普通小公司能解决的，以及为何英伟达为何有高估值，是因为建立起了计算能力门槛，假设未来量子计算的真正到来了，可以想象会是人工智能应用的强大助推剂，又或者找到了比MCTS更好的缩减计算策略。