今年五月份舉行的烏鎮(zhèn)圍棋峰會上，AlphaGo擊敗柯潔之后可以說在圍棋界里已是“獨(dú)孤求敗”的境界了，幾乎無人是其對手。人們在贊賞的同時，也想看到是否會出現(xiàn)一個對手，能夠?qū)�ALphaGo拉下馬。

　　事實(shí)就是這樣，越想著什么越會發(fā)生什么。ALphaGo終于遇到了自己的對手，這個對手甚至以摧枯拉朽之勢擊敗了ALphaGo。

    就在上周，據(jù)外媒報道，英國DeepMind團(tuán)隊在《自然》雜志上發(fā)表了相關(guān)論文，介紹了新一代的圍棋AI：ALphaGo Zero。使用了強(qiáng)化學(xué)習(xí)技術(shù)的ALphaGo Zero可以通過自我對弈進(jìn)行訓(xùn)練，棋力大幅度增長，輕輕松松擊敗了曾經(jīng)不可一世的ALphaGo。人們再次被震驚了，就連柯潔都發(fā)出了“人類多余”的感嘆。

圖片源自微博

　　ALphaGo Zero到底是何方神圣？

　　可能有的人認(rèn)為，這沒有什么特別的。ALphaGo Zero是ALphaGo的強(qiáng)化版，比ALphaGo經(jīng)歷了更多的數(shù)據(jù)演練，打敗ALphaGo很正常。然而事實(shí)并不是這么簡單。

　　在過去，AlphaGo都是使用專業(yè)人類棋手的對局?jǐn)?shù)據(jù)來進(jìn)行訓(xùn)練，可以說是人類棋手的指導(dǎo)下，讓它一步步的成長起來。而ALphaGo Zero完全不同，它采用了強(qiáng)化學(xué)習(xí)技術(shù)，從隨機(jī)對局開始，不依靠任何人類專家的對局?jǐn)?shù)據(jù)或者人工監(jiān)管，而是讓其通過自我對弈來提升棋藝。

　　據(jù)了解，ALphaGo Zero經(jīng)過3天的訓(xùn)練，就已經(jīng)可以擊敗AlphaGo Lee（去年擊敗韓國頂尖棋手李世石的系統(tǒng)），比分為100比0。經(jīng)歷40天訓(xùn)練后，它總計運(yùn)行了大約2900萬次自我對弈，又擊敗AlphaGo Master(今年擊敗世界冠軍柯潔的系統(tǒng))，且比分為89比11。要是說ALphaGo對陣人類只是略勝一籌，那對陣ALphaGoZero簡直就是被碾壓的局面。

　　DeepMind團(tuán)隊表示，ALphaGo Zero之所以那么強(qiáng)，原因在于它采取的強(qiáng)化學(xué)習(xí)技術(shù)。他們發(fā)現(xiàn)AlphaGo Zero自我對弈僅幾十天，就掌握了人類幾百年來來研究出來的圍棋技術(shù)。由于整個對弈過程沒有采用人類的數(shù)據(jù)，因此ALphaGo Zero的棋路獨(dú)特，不再拘泥于人類現(xiàn)有的圍棋理論。

　何謂強(qiáng)化學(xué)習(xí)技術(shù)？

　　到底什么是強(qiáng)化學(xué)習(xí)技術(shù)呢？簡單地說，強(qiáng)化學(xué)習(xí)就是讓AI從中學(xué)習(xí)到能夠獲得最大回報的策略。AlphaGo Zero的強(qiáng)化學(xué)習(xí)主要包含兩個部分，蒙特卡洛樹搜索算法與神經(jīng)網(wǎng)絡(luò)算法。

    在這兩種算法中，神經(jīng)網(wǎng)絡(luò)算法可根據(jù)當(dāng)前棋面形勢給出落子方案，以及預(yù)測當(dāng)前形勢下哪一方的贏面較大；蒙特卡洛樹搜索算法則可以看成是一個對于當(dāng)前落子步法的評價和改進(jìn)工具，它能夠模擬出AlphaGo Zero將棋子落在哪些地方可以獲得更高的勝率。

AlphaGo Zero的自我強(qiáng)化學(xué)習(xí)，圖片源自Nature

    假如AlphaGo Zero的神經(jīng)網(wǎng)絡(luò)算法計算出的落子方案與蒙特卡洛樹搜索算法輸出的結(jié)果越接近，則勝率越大，即回報越高。因此，每落一顆子，AlphaGo Zero都要優(yōu)化神經(jīng)網(wǎng)絡(luò)算法中的參數(shù)，使其計算出的落子方案更接近蒙特卡洛樹搜索算法的結(jié)果，同時盡量減少勝者預(yù)測的偏差。

　　剛開始，AlphaGo Zero的神經(jīng)網(wǎng)絡(luò)完全不懂圍棋，只能盲目落子。但經(jīng)歷無數(shù)盤自我對弈后，AlphaGo Zero終于從圍棋菜鳥成長為了一代棋神。

　　AI雖強(qiáng)，但超越人類可沒那么容易

　　我們可以看到，ALphaGo Zero與它的前任相比，技術(shù)上實(shí)現(xiàn)了質(zhì)的飛躍。DeepMind團(tuán)隊也表示，希望通過培養(yǎng)AI自主學(xué)習(xí)的能力，來解決更多其他領(lǐng)域目前無法解決的棘手問題。但是仍有很多人對于AlphaGo Zero的這種進(jìn)化表示了深切的擔(dān)憂。

　　美國加州伯克利大學(xué)博士@Ent_evo就專門針對ALphaGo Zero發(fā)表了一篇博文，在文中評論道：這對人類來說是個很大的打擊。當(dāng)年AlphaGo至少還學(xué)習(xí)了大量的人類經(jīng)驗，但是AlphaGo Zero根本就不需要人類棋手這么多年的積累，人類經(jīng)驗是好是壞，對AI而言完全無關(guān)，這是所有AI末世中最令人恐懼的一個場景。

　　這不禁讓人想起著名物理學(xué)家斯蒂芬·霍金在2017全球移動互聯(lián)網(wǎng)大會(GMIC)發(fā)表的演講。他表示，人工智能的崛起很有可能終結(jié)人類文明。

　　但是也有不少業(yè)內(nèi)人士對此表示不用擔(dān)心。新松機(jī)器人總裁曲道奎在接受媒體采訪時表示，Zero的分量被夸大了，這次突破只能算人工智能在圍棋領(lǐng)域的勝利，但要完成超越人類其他行業(yè)的水平卻為時尚早。就技術(shù)層面而言，Zero解決了圍棋問題，但更多的問題比如自然語言理解、圖像理解、推理等問題仍然存在。

　　在筆者看來，ALphaGo Zero的誕生帶來了許多積極意義。它從零開始，證明了“算法優(yōu)先于數(shù)據(jù)”這條長期以來一直爭論的觀點(diǎn)；它能夠擺脫對人類的依賴，不需要人類給出樣本數(shù)據(jù)，這為廣泛的行業(yè)應(yīng)用提供了更多可能。

　　雖然人工智能如此強(qiáng)大，但是“人類多余”的言論還是說的過于嚴(yán)重了。即使ALphaGo Zero是通過自我學(xué)習(xí)進(jìn)行成長，但是它依然沒有屬于自己的思維能力。歸根結(jié)底，AI也只不過是由人類為了某些需求而用技術(shù)加持的一個工具罷了。這個工具雖然強(qiáng)大，但超越人類可沒那么容易。