【E課堂】一文帶你了解谷歌AlphaGo是怎樣煉成的？

　　李世石對(duì)戰(zhàn)AlphaGo慘敗之后，期待中國(guó)選手柯潔為人類(lèi)圍棋而戰(zhàn)的呼聲就越來(lái)越高，從未停止!

　　如今，柯潔終于來(lái)到舞臺(tái)中央，將于5月23日-27日在中國(guó)烏鎮(zhèn)圍棋峰會(huì)與AlphaGo一戰(zhàn)高下!屆時(shí)，AlphaGo與世界排名第一的柯潔將完成三番棋對(duì)弈，此次比賽除了AlphaGo與柯潔的世紀(jì)對(duì)戰(zhàn)之外，還會(huì)采用團(tuán)隊(duì)賽、配對(duì)賽的多種形式，中國(guó)圍棋代表隊(duì)其他成員也將參與。那么，AlphaGo究竟是什么?它是如何煉成的?網(wǎng)易智能帶您一一解讀。

　　歡迎參與投票對(duì)于這次人機(jī)大戰(zhàn)，你看好柯潔還是AlphaGo

　　毫無(wú)懸念!AlphaGo穩(wěn)贏。

　　柯潔水平高超，我認(rèn)為柯潔贏。

　　一半一半吧，我還沒(méi)想好。 查看結(jié)果起止時(shí)間：2017-04-10 至 2017-04-17

　　AlphaGo是什么?

　　AlphaGo是第一個(gè)擊敗人類(lèi)職業(yè)圍棋選手，第一個(gè)戰(zhàn)勝世界冠軍的程序，是圍棋史上最具實(shí)力的選手之一。2016年3月，在全世界超過(guò)一億觀眾的關(guān)注下，Alpha Go經(jīng)過(guò)3局對(duì)弈，最終以4比1的總比分戰(zhàn)勝了圍棋世界冠軍李世石，這場(chǎng)比賽成為了人工智能領(lǐng)域的一個(gè)重要里程碑。

　　過(guò)去曾有專(zhuān)家預(yù)測(cè)人工智能需要十年的時(shí)間才有可能戰(zhàn)勝人類(lèi)職業(yè)選手，在這場(chǎng)比賽之后，AlphaGo憑借其"充滿創(chuàng)意而又機(jī)智"的下法，躋身圍棋界最高職業(yè)稱(chēng)號(hào)——職業(yè)九段行列，成為歷史上首個(gè)獲得這一榮譽(yù)的非人類(lèi)棋手。近期，AlphaGo的升級(jí)版本以“Master/Magister”的稱(chēng)謂與世界頂級(jí)的圍棋選手進(jìn)行60場(chǎng)線上快棋賽，并取得了全勝的出色戰(zhàn)績(jī)。

　　AlphaGo是如何進(jìn)行訓(xùn)練的?

　　一直以來(lái)，圍棋就被認(rèn)為是傳統(tǒng)游戲中，對(duì)人工智能而言最具挑戰(zhàn)性的項(xiàng)目，這不僅僅是因?yàn)閲灏她嫶蟮乃阉骺臻g，更是因?yàn)閷?duì)于落子位置的評(píng)估難度已遠(yuǎn)運(yùn)超過(guò)了簡(jiǎn)単的啟發(fā)式算法。為了應(yīng)對(duì)圍棋的巨大復(fù)雜性，AlphaGo采用了一種新穎的機(jī)器學(xué)習(xí)技術(shù)，結(jié)合了監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的優(yōu)勢(shì)，通過(guò)訓(xùn)練形成一個(gè)策略網(wǎng)絡(luò)(policy network)，將棋盤(pán)上的局勢(shì)作為輸入信息,并對(duì)所有可行的落子位置生成一個(gè)概率分布。

　　然后，訓(xùn)練出一個(gè)價(jià)值網(wǎng)絡(luò)(value network)對(duì)自我對(duì)弈進(jìn)行預(yù)測(cè)，以-1(對(duì)手的絕對(duì)勝利)到1(AlphaGo的絕對(duì)勝利)的標(biāo)準(zhǔn)，預(yù)測(cè)所有可行落子位置的結(jié)果。這兩個(gè)網(wǎng)絡(luò)自身都十分強(qiáng)大，而AlphaGo將這兩種網(wǎng)絡(luò)整合進(jìn)基于概率的蒙特卡羅樹(shù)搜索(NCTS)中，實(shí)現(xiàn)了它真正的優(yōu)勢(shì)。最后，新版的AlphaGo產(chǎn)生大量自我對(duì)弈棋局，為下一代版本提供了訓(xùn)練數(shù)據(jù)，此過(guò)程循環(huán)往復(fù)。

　　注意!此過(guò)程循環(huán)往復(fù)，我們?nèi)祟?lèi)需要吃飯休息，而這個(gè)比你聰明的選手還比你勤奮!

　　Alpha Go如何決定落子?

　　在獲取棋局信息后，Alpha Go會(huì)根據(jù)策略網(wǎng)絡(luò)(policy network)探索哪個(gè)位置同時(shí)具備高潛在價(jià)值和高可能性，進(jìn)而決定最佳落子位置。在分配的搜索時(shí)間結(jié)束時(shí)，模擬過(guò)程中被系統(tǒng)最頻繁考察的位置將成為Alpha Go的最終選擇。在經(jīng)過(guò)先期的全盤(pán)探索和過(guò)程中對(duì)最佳落子的不斷揣摩后，Alpha Go的搜索算法就能在其計(jì)算能力之上加入近似人類(lèi)的直覺(jué)判斷。