在2016年3月份，正當(dāng)李世石與AlphaGo進(jìn)行人機(jī)大戰(zhàn)的時候，我曾經(jīng)寫過一篇“人工智能的里程碑：從深藍(lán)到AlphaGo”（可從底部“閱讀原文”查閱），自從1997年深藍(lán)戰(zhàn)勝卡斯帕羅夫之后，隨著計算機(jī)硬件水平的提高，計算機(jī)象棋（包括國際象棋和中國象棋）水平有了很大的提高，達(dá)到了可以戰(zhàn)勝人類最高棋手的水平。但是，長期以來，在計算機(jī)圍棋上進(jìn)展卻十分緩慢，在2006年引入了蒙特卡洛樹搜索方法之后，也只能達(dá)到業(yè)余5段的水平。所以AlphaGo戰(zhàn)勝韓國棋手李世石，確實(shí)是人工智能發(fā)展歷程上的一個里程碑式的事件。
從人工智能研究的角度來說，計算機(jī)圍棋戰(zhàn)勝人類高水平棋手是一個標(biāo)志，說明在某些方面，現(xiàn)有的人工智能技術(shù)可以達(dá)到怎樣的高度，所以當(dāng)時我曾經(jīng)認(rèn)為人機(jī)再戰(zhàn)的意思已經(jīng)不大，就如同當(dāng)年深藍(lán)戰(zhàn)勝卡斯帕羅夫之后，IBM隨即馬放南山，即便卡斯帕羅夫提出再戰(zhàn)深藍(lán)，IBM也不再理會。當(dāng)年的深藍(lán)還是一個專用設(shè)備，IBM甚至為了提高計算速度，而研制了專用的芯片（據(jù)說該芯片只能用于下國際象棋）。但是萬事開頭難，隨著計算機(jī)計算能力的提高，今天即便在普通計算機(jī)上，也可以達(dá)到甚至超過當(dāng)年深藍(lán)的水平。以至于在國際象棋比賽中，出現(xiàn)過棋手借去廁所的機(jī)會，讓計算機(jī)幫忙出招的丑聞，在現(xiàn)在的國際象棋比賽中，已經(jīng)明確禁止利用各種計算設(shè)備，據(jù)說賽場也對網(wǎng)絡(luò)進(jìn)行屏蔽，以防止有人作弊。
就在2016年即將過去的時候，在網(wǎng)絡(luò)上突然出現(xiàn)一個名為Master的計算機(jī)圍棋程序，在網(wǎng)上快棋賽中，連勝包括中日韓三國高手在內(nèi)的人類棋手，取得連勝60場的輝煌戰(zhàn)績。事后得知Master就是AlphaGo的升級版。
為什么AlphaGo會重出江湖呢？我想可以從AlphaGo與深藍(lán)的不同來考慮。深藍(lán)采用的是α-β搜索框架，加上大量的人類知識，在技術(shù)上已經(jīng)沒有什么發(fā)展空間。而AlphaGo采用的是蒙特卡洛樹搜索框架，加上深度學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)。在這樣一個框架下，深度學(xué)習(xí)，尤其是深度強(qiáng)化學(xué)習(xí)在計算機(jī)圍棋上的天花板究竟有多高還是一個未知數(shù)，從技術(shù)的角度來說，還有很大的研究空間，我想這是AlphaGo重出江湖的重要原因，圍棋在這里只是作為一個應(yīng)用對象，目的還是研究強(qiáng)化學(xué)習(xí)等方法。
順便在這里說一下，有人認(rèn)為AlphaGo的成功是深度學(xué)習(xí)的勝利，我認(rèn)為這一看法是片面的。具體來說，蒙特卡洛樹搜索引入到計算機(jī)圍棋中，是一個很大的飛躍，深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的引入，是又一次飛躍。因此AlphaGo的成功是蒙特卡洛樹搜索加深度學(xué)習(xí)的勝利。如果再上升一個層次來考慮，則是人工智能中傳統(tǒng)的符號主義加連接主義的成功。如果再進(jìn)一步上升一個層次，則是理性加感性的成功。因此，在今天深度學(xué)習(xí)大熱的情況下，不能忽視傳統(tǒng)方法的作用。傳統(tǒng)方法與深度學(xué)習(xí)具有互補(bǔ)性，應(yīng)該加強(qiáng)這方面的研究，而不是一窩蜂式的涌向深度學(xué)習(xí)。
那么這次的Master與去年3月份的AlphaGo有什么不同呢（為了敘述方便，下文中AlphaGo特指去年3月的版本，Master特指現(xiàn)在的版本）？到目前為止，DeepMind公司還沒有透露出任何信息，只能從表面現(xiàn)象去分析、猜測。我并不懂圍棋，為了了解Master的特點(diǎn)，在網(wǎng)上看了不少專業(yè)棋手對Master棋譜的分析，一個突出的感受是，Master常常會走出一些超出職業(yè)棋手想象的驚人之步，很多高手連呼看不懂，但又找不出其破綻。古力在其微博上說，Master的出現(xiàn)“已經(jīng)徹底顛覆了我們棋手對局勢原有的掌控、判斷”，柯潔也評論說Master“給我們棋手帶來的震撼”。雖然AlphaGo也有出乎職業(yè)棋手意外的著法，但是這次Master這樣的走法更多，更出乎意外。鑒于此，我曾經(jīng)給出一個猜測：“AlphaGo訓(xùn)練時用到了16萬人類棋譜，加上自己左右互搏產(chǎn)生的3000萬棋譜，以及人類總結(jié)的幾萬個模式。而這次的Master很可能是從0開始學(xué)習(xí)得到的結(jié)果（指沒有利用任何人類棋譜和知識，依靠基于強(qiáng)化學(xué)習(xí)的左右互搏進(jìn)行學(xué)習(xí)），在蒙特卡洛搜索樹的框架下，加上深度強(qiáng)化學(xué)習(xí)方法，是可以做得到的。這也是為什么Master讓職業(yè)棋手感覺到被顛覆的原因，因?yàn)闆]有任何人類的影響。AlphaGo在去年3月雖然有驚人的走法，但好像沒有這次多，也沒有這次大膽，因?yàn)?月的AlphaGo利用了16萬的人類棋譜和數(shù)萬個人類總結(jié)的模式”。雖然事后DeepMind公司說Master還是用了人類棋譜，但是很可能更加加強(qiáng)了基于強(qiáng)化學(xué)習(xí)的左右互搏的成分，弱化了人類棋譜的作用。事實(shí)上，DeepMind公司也確實(shí)在試探從0學(xué)習(xí)的系統(tǒng)，雖然還沒有推出。
在我的“人工智能導(dǎo)論”課上，學(xué)生要完成一個大作業(yè)，就是實(shí)現(xiàn)一個簡單的下棋程序，最初幾年，學(xué)生基本是采用α-β剪枝的方法，要自己總結(jié)很多模式出來，后來漸漸的采用蒙特卡洛樹搜索方法的同學(xué)逐年增加，到現(xiàn)在基本沒有同學(xué)用α-β剪枝方法了，也不再需要人為總結(jié)什么模式了，基本都是從0開始，而且水平也是逐年提高，絕大多數(shù)同學(xué)都難于戰(zhàn)勝自己的程序。當(dāng)然，大作業(yè)的棋類比較簡單，遠(yuǎn)遠(yuǎn)無法跟圍棋比，但是越來越不依賴于人類棋譜、知識，應(yīng)該是一個發(fā)展趨勢，圍棋也應(yīng)該可以實(shí)現(xiàn)，可能還需要更強(qiáng)大的計算平臺的支持。關(guān)于大作業(yè)，我曾在2013年的博客中有過簡單的總結(jié)，表明過類似的看法，有興趣的讀者可以參見《由大作業(yè)想到的》這篇博客http://blog.sina.com.cn/s/blog_73040b820101bwrl.html。
深藍(lán)、沃森和AlphaGo都可以算是人工智能發(fā)展史上里程碑式的事件，那么他們之間有哪些相同與不同呢？
關(guān)于相同點(diǎn)，我想可以總結(jié)為一句話：在一個特定領(lǐng)域，利用人類提供的數(shù)據(jù)或者知識，采用已有的技術(shù)，戰(zhàn)勝該領(lǐng)域最高水平的人類。
深藍(lán)是一個國際象棋程序，采用的是60年代就提出的α-β剪枝算法，IBM公司聘請了若干個國際象棋特級大師總結(jié)下棋的模式和知識，用于對局面的評估。最終于1997年戰(zhàn)勝了連續(xù)10年奪得國際象棋世界冠軍的卡斯帕羅夫。
沃森是IBM為了紀(jì)念公司成立100周年研發(fā)的一個問答系統(tǒng)，其名稱是為了紀(jì)念I(lǐng)BM公司的創(chuàng)始人ThomasJ.Watson先生。2011年，在美國最受歡迎的智力競猜電視節(jié)目《危險邊緣》中，沃森擊敗該節(jié)目歷史上兩位最成功的選手肯-詹寧斯和布拉德-魯特，成為《危險邊緣》節(jié)目新的王者。在沃森系統(tǒng)中，共采用了100多項與自然語言處理、知識問答相關(guān)的技術(shù)，利用《危險邊緣》節(jié)目創(chuàng)始以來40多年的問題與答案進(jìn)行訓(xùn)練，存儲了大量圖書、新聞和電影劇本資料、辭海、文選和《世界圖書百科全書》等數(shù)百萬份資料，在3秒內(nèi)可以給出一個問題的答案。
圖3. 沃森參加電視節(jié)目《危險邊緣》，中間是沃森，兩邊是肯-詹寧斯和布拉德-魯特
AlphaGo在蒙特卡洛樹搜索的框架下，利用深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)技術(shù)進(jìn)行訓(xùn)練和評估，其中用到了人類棋手以往的16萬盤棋譜，以及AlphaGo自己左右互搏產(chǎn)生的3000萬盤棋譜，并用到了人類總結(jié)的幾萬個模式，綜合運(yùn)用這些技術(shù)，實(shí)現(xiàn)了高水平的圍棋程序，并于2016年3月以4:1的成績戰(zhàn)勝了韓國圍棋職業(yè)高手李世石。這些技術(shù)也并不是新技術(shù)，但是DeepMind公司有所創(chuàng)新，主要包括兩個方面，一個是發(fā)展了強(qiáng)化學(xué)習(xí)技術(shù)；二是將傳統(tǒng)的搜索技術(shù)與深度學(xué)習(xí)在圍棋這個平臺上，很好地結(jié)合在一起，實(shí)現(xiàn)了理性與感性的良好融合。這可能是AlphaGo成功的關(guān)鍵所在。
這是他們共同的部分，那么這三個系統(tǒng)有哪些不同呢？三個系統(tǒng)完全是三個不同的領(lǐng)域，不同點(diǎn)自然很多，下面只從技術(shù)是否通用，以及通用程度方面展開討論。
深藍(lán)采用的α-β剪枝算法是專門用于雙人博弈問題的算法，雖然也有人將該方法用于其他方面，比如故障診斷的測試點(diǎn)選擇，但應(yīng)用面是非常有限的，是一個非常專用的算法。也曾聽有人介紹說IBM會把相關(guān)方法用于風(fēng)險投資，但事后也沒有聽到相關(guān)消息。這也可能是IBM不再繼續(xù)投入開展研究的原因吧？
AlphaGo則有很大的不同，深度學(xué)習(xí)是個通用方法，已經(jīng)在很多領(lǐng)域得到很好的應(yīng)用，強(qiáng)化學(xué)習(xí)也具有一定的通用性，并且DeepMind對其有所發(fā)展和創(chuàng)新，在圍棋這個平臺上可以繼續(xù)開展研究，也可以推廣到其他領(lǐng)域。但是圍棋這類博弈游戲有一個特點(diǎn)，其最終的勝負(fù)可以自動判斷，不需要人類標(biāo)注，這就為系統(tǒng)自身的左右互搏、強(qiáng)化學(xué)習(xí)提供了很大的便利條件，如果在其他領(lǐng)域應(yīng)用，需要定義合適的優(yōu)化條件才可行。
在三個里程碑式的事件中，我認(rèn)為最具通用性的是沃森，它采用了100多項與自然語言處理、知識問答相關(guān)的技術(shù)，這些技術(shù)可以在很多應(yīng)用領(lǐng)域發(fā)揮作用，不僅僅是用于問答，IBM公司把相關(guān)技術(shù)稱之為認(rèn)知計算。IBM公司以此為契機(jī)，成立了沃森集團(tuán)，專注于認(rèn)知計算的研究和應(yīng)用，已經(jīng)在醫(yī)療健康領(lǐng)域取得了很好的成果。
因此，從通用性和商用性的角度來說，三個系統(tǒng)中排名第一的是沃森，其系統(tǒng)只要結(jié)合相關(guān)領(lǐng)域的數(shù)據(jù)，可以很快進(jìn)行商用轉(zhuǎn)化，提供服務(wù)；其次是AlphaGo，直接轉(zhuǎn)換到其他領(lǐng)域，提供商用服務(wù)的可能性不大，但其技術(shù)可以應(yīng)用于其他領(lǐng)域；排在最后的就是深藍(lán)了，向其他領(lǐng)域轉(zhuǎn)化的可能性很小。
AlphaGo（包括Master）的出現(xiàn)，對于圍棋有什么影響呢？有人認(rèn)為這會毀了圍棋，人類根本就戰(zhàn)勝不了機(jī)器，再學(xué)習(xí)圍棋還有什么意義呢？我認(rèn)為這種看法是不正確的。AlphaGo的出現(xiàn)，說明人類對圍棋的認(rèn)識遠(yuǎn)遠(yuǎn)不夠，在計算機(jī)的輔助下研究圍棋，必將對圍棋有新的認(rèn)識，就如同當(dāng)年吳清源先生的出現(xiàn)一樣，即將開啟圍棋的新天地。
其實(shí)圍棋界也有類似的認(rèn)識。職業(yè)棋手古力說，“我深深地感受到圍棋的神秘，似乎‘大師’（指Master）給我們打開一道圍棋的神秘之門。不論勝負(fù)，人類與人工智能共同探索圍棋世界的大幕即將拉開，新一次的圍棋革命正在進(jìn)行著”。職業(yè)棋手排名第一的柯潔也提到，“人類數(shù)千年的實(shí)戰(zhàn)演練進(jìn)化，計算機(jī)卻告訴我們?nèi)祟惾清e的。我覺得，甚至沒有一個人沾到圍棋真理的邊。但我想說，從現(xiàn)在開始，我們棋手將結(jié)合計算機(jī)，邁進(jìn)全新的領(lǐng)域、達(dá)到全新的境界。新的風(fēng)暴即將來襲，我將盡我所有的智慧終極一戰(zhàn)！”
從科學(xué)發(fā)展史上來看，每次危機(jī)的出現(xiàn)，都預(yù)示著新的革命即將開始，比如數(shù)學(xué)上的幾次悖論的出現(xiàn)，都孕育出新的數(shù)學(xué)方法，極大地推進(jìn)了數(shù)學(xué)的發(fā)展。我們期待著AlphaGo能開放出來，可以讓棋手們自由地與它對弈，甚至可以像圍棋復(fù)盤一樣，和計算機(jī)一起探索可能的走法，勝負(fù)已經(jīng)不是關(guān)鍵，重要的是發(fā)展新的圍棋理論，讓圍棋走向一個新天地。
馬少平
清華大學(xué)計算機(jī)系教授，博士生導(dǎo)師，中國人工智能學(xué)會副理事長，中國中文信息學(xué)會副理事長。主要研究方向?yàn)橹悄苄畔⑻幚恚ㄎ谋拘畔z索、網(wǎng)絡(luò)用戶行為分析、個性化推薦、社交媒體分析等。
來源：中國人工智能學(xué)會
校對：盧苗苗
