人工智能计算机战胜围棋冠军

人工智能计算机战胜围棋冠军

Nature来自韩国首尔AlphaGo比赛胜利的报道。

Tanguy Chouard  2016年3月12日 首尔, 韩国

谷歌DeepMind

李世石已被人工智能系统AlphaGo击败。                                                 

 

《Nature》杂志的一位编辑Tanguy Chouard,，看到谷歌DeepMind公司的人工智能系统AlphaGo去年在古老的棋盘游戏围棋上第一次击败了一个人类专业棋手。本周，他观看顶级职业棋手李世石在首尔挑战AlphaGo，若李获胜可得100万美元的奖金。

这就是――今天上午谷歌DeepMind公司的人工智能机器AlphaGo在连续赢得他的第三场比赛后声称对李世石取得决定性的胜利，这意味着计算机已在首尔五局三胜制比赛中获胜。

对我而言，在人类最复杂的棋类游戏上开打的人机大战这一戏剧性一幕刚一开幕――就将闭幕了！现在的看点是――作为全球围棋界十年内顶尖好手之一的李世石如何设法在这一单机游戏上赢人工智能（AI）系统一局。每个人都希望李赢- 不过这只是陈词滥调在绕来绕去，他唯一能赢的机会就是拔出AlphaGo的电源插头。

完胜

在本系列比赛中具有决定性一局（第三局）后的新闻发布会上，谷歌DeepMind团队礼貌而尊重地称赞李具有“惊人的天赋和创造性的技艺”，而官方的评论员迈克尔·雷蒙德（Michael Redmond）补充说这位韩国职业棋手“发挥出了他的最好水平”。

李本人深表同意。通过翻译，他为他在第三局比赛中的表现表示歉意。这并不是说他在赛前就放弃了。他周四晚上与一群韩国职业选手伙伴们研究前两场比赛，然后在休息时间里下些放松围棋，国际围棋联盟秘书长李哈金（Lee Hajin）告诉记者。

但在新闻发布会上李世石说，他在第三场比赛时感受到了前所未有的巨大压力。当他在第二局比赛中已断定自己又丧失机会时，他感觉到即使今天重新开始比赛仍不能赢第一局。

独立评论员一致认为该机器已经完胜人类。美国围棋协会（AGA）的副总裁安迪·杰克逊（AndyJackson）告诉我，李走到第35着时就过早地输掉了第三局比赛。（此时路过的一位DeepMind科学家说这与AlphaGo的内部胜算机会评估相一致）。

李显然在尝试探索AlphaGo的弱点。今天他使计算机陷入一系列“打劫”―剧烈的战略性战斗―但未能占上风。博客圈早已纷纷议论AlphaGo可能害怕围棋“打劫”这种玩法的可能性。“好吧，我们已经解决了这一问题，” 该系统的开发者之一帕斯托雷（Thore Graepel）说。

不可知的智慧

围棋评论员们对机器下棋的方式极度兴奋。韩国最强的女棋手之一－赵惠莲说：“我喜欢AlphaGo！我想研究它，并跟它学习！”，她在本场比赛的AGA直播解说。“AlphaGo看来似乎什么都知道！”

赵和其他任何人都想知道AlphaGo在想什么。它对于如何下围棋似乎有不同的观点。唉，我担心它简单得不可知。- 并不仅仅是因为电脑有没有语音来表达它的评估。

今年一月DeepMind科学家DavidSilver向记者解释，尽管AlphaGo有效地重新发现围棋的最细微的概念（诸如先手，模样，味道和现在我们知道的打劫），但它的这些知识是隐含的。计算机不能明确地解析这些概念 - 他们只是简单地从赢棋棋盘位置类型的统计比较中得出。实际上，AlphaGo有一种数字直觉。

其实我觉得，即使我们到了进行最高水平的测试的本周的结束，我们只是看到了系统优势的开始。为了揭示机器的全部潜力，顶级职业棋手可能很快就会利用其缺陷打击它。

计算机骗子

该算法似乎阻碍了它的威力。有时他的着法没有相关的材料，因为它是通过简单地搜索来使得获胜的概率最大化。而不是象人类玩家的倾向―― 使实地的增加最大化。杰克逊（Jackson）认为，AlphaGo在第一局一开始时的一些看似古怪的着法可能使李低估了机器的技能 - 我想这一点使得AlphaGo成为一种计算机骗子。

在今天新闻发布会的最后，李坚持认为这一失败是“李世石的失利，不是人类的失败。”这似乎在暗示这一周他不是代表人类的最好人选――这一相当粗鲁的建议是目前世界上排名第一的棋手柯洁提出的，他说：“AlphaGo不能击败我”。

我交谈过的大多数评论人会不同意。 AlphaGo可能在我们玩围棋的道路上开始了“一场新革命”，雷蒙德说。他在新闻发布会上说，谷歌DeepMind团队已“创造了一件艺术品。”赵说：“我们不得不承认，我们正面对着两千年来最好的棋士。”

人们只能想象这样的AI系统在应用到其他问题时将能够做什么。正如Hassabis说，人们可以很容易地设想转化AlphaGo在模式识别，决策制定和长远规划方面的质量，例如，一个消化吸收临床数据的系统用来制定诊断或治疗计划。

一个提示：虽然AlphaGo已经证明了它自己在围棋的黑白游戏中抵达胜利位置超强能力――此游戏中棋盘游戏的规则定义这些位置是什么。但是，如果我们被委托在比AI系统更为复杂微妙的现实世界中作决策制定，我们更要小心界定我们需要她们抵达的决胜位置。而这将是一个政治的，而不是工程的问题。