Google AI 发布 AlphaGo 机器学习围棋项目

这篇博客发布于 2016 年 1 月 27 日，是 DeepMind 与 Google 联合宣告 AlphaGo 阶段性成果的官方札记。文章从围棋本身写起：起源于 2500 多年前的中国，被孔子写入文献，是中国古代士人四艺之一，全球玩家超过 4000 万，规则简单到几句话能讲完，却拥有比宇宙原子数还多、比国际象棋多 googol 倍的合法局面数。这种复杂度让基于完整搜索树的传统 AI 方法在围棋面前束手无策，直到 AlphaGo 出现以前，计算机围棋程序的水平只接近业余棋手。

AlphaGo 的做法是把高级蒙特卡洛树搜索与深度神经网络绑在一起。两条网络承担不同任务：policy network 负责选择下一步落子，value network 负责预测胜负。两条网络都有 12 层、上百万个连接，把棋盘描述作为输入。训练过程分两段，先用 3000 万步人类高手的棋谱做监督学习，让模型预测人类下一手的命中率达到 57%，把此前 44% 的纪录拉高一截；随后让网络之间自我对弈数千局，用强化学习去逼近「赢下整盘」这一更高目标，模仿人类一手已经不够用。整个过程依托 Google Cloud Platform 提供算力。

AlphaGo 先在与其他顶级围棋程序的 500 局对决中只输了一盘，随后于上一年 10 月在伦敦闭门赛 5 比 0 击败欧洲冠军、12 岁起从棋的职业棋手樊麾，成为历史上首个在正式比赛中击败职业棋手的围棋程序，相关论文同步发表在《Nature》第 529 卷 7587 期。文章末尾把目光投向接下来 3 月在首尔与李世石的五番棋挑战，并强调 AlphaGo 并未依靠预设规则堆出的专家系统，它用通用机器学习方法自行学会了赢棋。Google 希望这套技术之后能从棋盘走向气候建模、复杂疾病分析等更现实的难题。