2017-05-24 業余無段 量子位
舒石 唐旭 發自 東瑤村
量子位 報道 | 公眾號 QbitAI
到底是誰擊敗了柯潔？
答案似乎顯而易見。但量子位之所以問這個問題，是因為如今擊敗柯潔的AlphaGo，與去年擊敗李世乭的AlphaGo，有著本質的區別。
DeepMind把AlphaGo粗略分成幾個版本：
第一代，是擊敗樊麾的AlphaGo Fan。與Zen/Crazy Stone等之前的圍棋軟件相比，棋力要高出4子。
第二代，是擊敗李世乭的AlphaGo Lee。與上一代相比，棋力高出3子。
第三代，是柯潔如今的對手，也是年初60連勝的：AlphaGo Master。相比于擊敗李世乭的版本，棋力又再次提升3子。
需要強調的是，AlphaGo Lee和AlphaGo Master有著根本不同。不同在哪里，今天DeepMind創始人兼CEO哈薩比斯(Demis Hassabis)，AlphaGo團隊負責人席爾瓦(Dave Silver)聯手首度揭開新版AlphaGo的秘密。
量子位這一篇推送的內容，整理自哈薩比斯、席爾瓦今日上午的主題演講，還有今日午間量子位對這兩位DeepMind核心人物的專訪。
首先用數據說話。
AlphaGo Lee
運行于谷歌云，耗用50個TPU進行計算
每次搜索計算后續50步，計算速度為10000個位置/秒
2016年在首爾擊敗李世乭
作為對比，20年前擊敗卡斯帕羅夫的IBM深藍，可以搜索計算一億個位置。席爾瓦表示，AlphaGo并不需要搜索那么多位置。
AlphaGo Master
運行于谷歌云，但只用一個TPU機器
自學成才，AlphaGo自我對弈提高棋力
擁有更強大的策略/價值網絡
由于應用了更高效的算法，這次和柯潔對戰的AlphaGo Master，運算量只有上一代AlphaGo Lee的十分之一。所以單個TPU機器足以支撐。
AlphaGo團隊的黃士杰博士也在朋友圈表示，最新的AlphaGo可以被稱為單機版。而上一代AlphaGo使用了分布式計算。
在會后接受量子位采訪時，席爾瓦證實此次AlphaGo仍然使用了第一代TPU，而不是前不久公布的第二代。
另外席爾瓦澄清說：“今年升級版的AlphaGo是在單機上運行的，它的物理服務器上部署了4個TPU”。
顯然PPT有個小小的誤導。
如果你想更進一步了解TPU，這里有幾篇量子位的報道推薦：
《詳解谷歌第二代TPU：功耗性能究竟如何？巨頭想用它干什么？》
《Google展示AI新實力：第二代TPU、AutoML》
《Google深度揭秘TPU：一文看懂內部原理，以及為何碾壓GPU》
回到AlphaGo，可能你也注意到了，這個新版本的圍棋AI有了更強大的策略/價值網絡。下面圍繞這一點繼續解密。
△ 席爾瓦
為了講清楚新的策略/價值網絡強在哪里，還是應該首先介紹一下AlphaGo的算法如何構成。席爾瓦介紹，量子位搬運如下。
當初DeepMind團隊，之所以選擇圍棋方向進行研究，一個重要的原因在于圍棋是構建和理解運算的最佳試驗臺，而且圍棋的復雜性遠超國際象棋，這讓電腦無法通過深藍一樣的暴力窮舉方式破解圍棋的奧秘。
擊敗李世乭的AlphaGo，核心是一個卷積神經網絡。DeepMind團隊希望AlphaGo最終能夠理解圍棋，形成全局觀。席爾瓦表示，AlphaGo Lee由12層神經網絡構成，而AlphaGo Master有40層神經網絡。
這些神經網絡進一步細分為兩個功能網絡：
策略網絡（policy network）
價值網絡（value network）
在這兩個網絡的訓練中，使用了監督學習和強化學習兩種方式。
首先基于人類的專家庫數據，對策略網絡的上百萬參數進行調整。調整的目標，是讓策略網絡在相同的情況下，能夠達到人類圍棋高手的水平：下出同樣的一步棋。
然后是強化學習，讓人工智能進行自我博弈，這一訓練結束后，就形成了價值網絡，這被用于對未來的棋局輸贏進行預測，在不同的下法中作出優劣判斷。
通過策略網絡，可以降低搜索的寬度，減少候選項，收縮復雜性。而且不會讓AlphaGo下出瘋狂不靠譜的步驟。
另一方面，通過價值網絡減少深度，當AlphaGo計算到一定的深度，就會停止。AlphaGo不需要一直窮盡到最后。
把這個兩個結合起來，就是AlphaGo的樹搜索。通過策略網絡選出幾個可能的路徑，然后對這些路徑進行評估，最后把結果提交給樹頂。這個過程重復幾百上千次，最后AlphaGo得出贏棋概率最高的一步。
那么新的新策略/價值網絡，到底強在哪里？
AlphaGo Master這次成了自己的老師，用席爾瓦的話說，這位圍棋AI是自學成才。它從自我對弈的棋局里進行學習，積累了最好的訓練數據。“上一代AlphaGo成為下一代的老師”席爾瓦形容道。
通過AlphaGo的自我博弈，不斷吸取經驗、提高棋力，這一次AlphaGo用自我對弈訓練出的策略網絡，可以做到不需要更多運算，直接給出下一步的決策。
這種改變明顯減少了對計算力的需求。
另一個價值網絡，也是基于AlphaGo的自我對弈進行訓練，通過對弈后的復盤，價值網絡能夠學到哪一步是關鍵所在。通過高質量的自我對弈，訓練價值網絡預測哪一步更重要。
席爾瓦表示：“在任何一步，AlphaGo都會準確預測如何能贏”。
這個過程不斷反復迭代，最終打造了一個更強大的AlphaGo。自我博弈，帶來數據質量的提高，從而推動了AlphaGo的快速提升。
如此前一樣，DeepMind證實也會公布這一代AlphaGo的相關論文。更多的細節，我們可以期待Deepm稍后的發布。
AlphaGo來自DeepMind。2010年DeepMind在倫敦成立，目前有500名員工，其中一半是科學家。哈薩比斯說，DeepMind要把人工智能科學家、數據和計算力結合在一起，推動人工智能的發展。
△ 哈薩比斯
這家公司的愿景：第一是攻克智能。第二是用智能解決所有問題。
換句話說，DeepMind的目標是構建通用人工智能。所謂通用人工智能，首先AI具備學習的能力，其次能舉一反三，執行各種不同的任務。如何抵達這個目標？哈薩比斯說有兩個工具：深度學習、強化學習。
AlphaGo就是深度學習和強化學習的結合。AlphaGo也是DeepMind邁向通用人工智能目標的一步，盡管現在它更多的專注于圍棋領域。
哈薩比斯表示，希望通過AlphaGo的研究，讓機器獲得直覺和創造力。
這里所謂的直覺，是通過體驗直接獲得的初步感知。無法表達出來，可通過行為確認其存在和正誤。
而創造力，是通過組合已有知識產生新穎或獨特想法的能力。AlphaGo顯然已展示出了這些能力，盡管領域有限。
“未來能夠看到人機結合的巨大力量，人類智慧將被人工智能放大。”哈薩比斯說。目前AlphaGo的技術已經被用于數據中心，能節約15%的電能；另外也能被用于材料、醫療、智能手機和教育等領域。
盡管已經連戰連捷，AlphaGo仍然有繼續探索的空間。哈薩比斯和DeepMind仍然想在圍棋領域繼續追問：我們離最優解還有多遠？怎樣才是完美棋局？
當今社會已有越來越多的數據產生，然而人類往往無法通過這些數據了解全局的變化，在這種情況下人工智能有可能推動科研繼續進步。
一切正如國際象棋棋王卡斯帕羅夫所說：
“深藍已經結束，AlphaGo才剛開始。”
△ 哈薩比斯、席爾瓦接受量子位等專訪
提問：在Master已經對包括柯潔在內的人類棋手60連勝之后，舉辦這場比賽的意義在哪里？
哈薩比斯：Master在網上下的都是快棋，人類棋手在下棋時時間控制得可能不會太精準，人類棋手在網上的注意力也不一定完全集中，因此我們仍然需要跟柯潔進行對弈來對AlphaGo進行測試。
同時，通過這些網上的對弈，第一，是希望測試一下AlphaGo的系統；第二，也是希望為圍棋界提供一些新的想法和思路，給柯潔一定備戰的時間，也為他提供一些分析AlphaGo打法的素材。
提問：關于AlphaGo的行業應用，有哪些您比較看好？今后Deepmind會不會在中國開展一些行業應用？
哈薩比斯：首先，AlphaGo背后的支撐技術相當多，目前在其他領域的應用還在早期探索階段。我上午談到的一些應用，只是AlphaGo圍棋可能應用中的一小部分。在未來，我們肯定會將AlphaGo的技術在Google領域的應用，也許在中國也會有相應的業務。
提問：AlphaGo是否已經實現了無監督學習？它是否在向著強人工智能邁進？
席爾瓦：首先，AlphaGo使用的是增強學習的方法。我們只能說，AlphaGo在某一特定領域實現了自己的直覺和意識——這和我們所說的人類通過直接訓練產生的意識可能有很大不同。因為它并非這種人類意識，因此有機會被應用到其他領域，不僅限于圍棋。
提問：Hassabis先生上午提到，人工智能必須要被正確應用。那么這種“正確”包括哪些原則？
哈薩比斯：兩個層面。第一，AI必須造福人類，應該用于類似科學、制藥這類幫助人類的領域，而不能用于一些不好的事情，比如研發武器；第二，AI不能只為少數公司或個人所使用、，它應該是全人類共享的。
提問：上午的演講中兩位提到，這一代AlphaGo只需要一個TPU進行運算，而上一代和李世石對戰時的AlphaGo則部署了50個TPU；但這代系統所需的計算量只是上一代的十分之一。為什么會出現這種比例上的差距？
席爾瓦：我來澄清一下。今年升級版的AlphaGo是在單機上運行的，它的物理服務器上部署了4個TPU。
提問：為什么AlphaGo下棋是勻速的？
席爾瓦：我們在對AlphaGo訓練時就已經發現，它在對弈時進行的計算是持續的、穩定的，在總共的比賽過程中，它的計算量是恒定的。我們為AlphaGo制定了一種求穩的時間控制策略，也就是最大限度地利用自己的比賽時間，如果要將比賽時間的利用率最大化，勻速當然是最好的。
△ 穆斯塔法等接受量子位等專訪
提問：圍棋相對簡單，AI在現實中應用，有哪些阻礙？
穆斯塔法：我們對此有過深入思考，DeepMind創立的使命中指出，我們要打造通用型的人工智能技術，并接受相應的監督監管。此前我們和眾多的機構共同成立AI聯盟，以遵循倫理和安全的方式，進行算法的開發。
提問：技術落地過程中，如何避免侵犯隱私？
穆斯塔法：新技術的部署應用過程中，確實出現了跟監督監管機制不匹配的情況，現在科技的力量已經非常強大，在這種情況下，技術快速發展。所謂的數字化技術或設備進行平衡，是我們不斷推進的事情。
我們希望加強醫生患者對技術的信任，第一是展示臨床使用的效果，第二我們一開始就公開表示，系統處理的數據，完全在監管范圍之內，不會應用到其他業務之中。
提問：DeepMind目前是什么結構？
穆斯塔法：DeepMind分為兩個結構，哈薩比斯負責研發，我負責商業應用。應用又分成三個組：1、Google組 2、醫療組，和英國NHS合作 3、馬上要成立的能源組。我們希望與專家合作，獲取必要的數據。
我們和Google不同部門合作，有不同的形式。
提問：為什么先把AI應用在醫療領域？而不是金融等
穆斯塔法：商業利潤不是我們最重要的驅動力。我們選擇行業從兩點出發：首先，是否有助于技術研究；其次，是否有助于完成社會使命。
醫療行業季度的低效，技術停滯不前已經很久。
提問：一手研發，一手商業化，有沒有隱藏的技術細節？
穆斯塔法：我們盡量多在開源的時候，提供有助于別人的資料。當然，我們不是100%都公布技術細節。當然我們會盡量多的做開源。
提問：驅動AI應用的數據是否足夠，以及是所需要的數據？
穆斯塔法：我們做過一個統計。世界上，最優秀的放射科專家，一生也就看三萬張X光照片，我們的算法可以看幾百萬張，能夠開發出疑難雜癥的意識和本能。我們能夠對算法增強準確率，表現非常穩定。
人類專家看X光片，可能只有三分之二的共識達成。所以我們的想法是，用算法做X光片，然后配上不同的疾病專家，這樣效果更好。
【完】
