王小川評人機大戰：AlphaGo2.0將重演圍棋進化史

　　【寫在前面】

　　2017年5月23日，第二次“人機大戰”火熱開賽。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。比賽採用中國規則，三番棋，無論輸贏，每方3小時，5次1分鐘讀秒。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。

　　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：“我們的關注點不再是機器是否會贏——而是機器將用什麼姿勢戰勝人類。”

　　王小川説，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發佈，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髮到春節才發完。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”，兩台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。這意味著什麼呢，又有什麼看點呢？

　　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演算法：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。而這裡的監督學習，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倣，也是AlphaGo獲得突破性進展的關鍵演算法。而增強學習作為輔助，是兩台AlphaGo從自我對戰眾中學習如何下棋，據悉對棋力提升有限。

　　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最亮眼的演算法，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麼被再次突破了。

　　2. 放棄了蒙特卡洛樹搜索，不再進行暴力計算。理論上，演算法越笨，就越需要暴力計算做補充。演算法越聰明，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，之前敲邊鼓的演算法，正式成為扛把子主力。想想看有多勵志：兩台白癡機器，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，一週後終成大器。

　　在這樣的演算法下，AlphaGo 2.0對計算資源開銷極小，把當前棋局輸入神經網路，電流流過，輸出就是最佳的走棋方案。我猜測如此演算法下，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？我們的關注點不再是機器是否會贏——而是機器將用什麼姿勢戰勝人類。

　　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佔優最終獲勝，為了自圓其説解讀為“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衝擊，以前大家認為正確的東西，其實是不正確的。柯潔曾經評價説：“AlphaGo出現，很多理論都被推翻，再看以前定式變得好笑，虧那麼多目就不再是兩分。”人類通過數千年實戰，總結了圍棋理論，然後電腦告訴人類：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，模倣AlphaGo的下法，棋聖聶衛平也曾表示“理論被顛覆了”。

　　而AlphaGo2.0脫離了機器對人模倣，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麼玩，但凡一個新手這麼玩都會被點撥這樣不對。而AlphaGo2.0會不斷製造這樣的局面，關鍵他還是對的。可想對專業棋手的心裏會有多大的震撼：不僅自己這一輩子都沒這麼想過這麼下棋，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麼有這樣的瓶頸？還有多少海闊天空等著我們去探索？可等不及我們去探索，電腦就給出了終局的答案，多麼惆悵。

　　我們會津津樂道，AlphaGo是什麼棋風。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便會是這麼一台機器，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。

　　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，人工智慧進入大眾的視野，我們開始重新思考機器和人的關係。

　　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，我們大可以解讀于“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，僅憑兩台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。

　　這會給我們什麼啟示？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。這條路徑是唯一的麼？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。