繼谷歌宣布人工智能項目AlphaGo實現(xiàn)突破性研究——計算機程序首次擊敗專業(yè)棋手之后， 谷歌DeepMind今日公布了將與過去十年最佳圍棋手李世石之間的終極挑戰(zhàn)的詳細(xì)情況。3月9日至3月15日，AlphaGo將在韓國首爾與李世石進(jìn)行5場挑戰(zhàn)賽。比賽完全平等，獲勝者將得到一百萬美元獎金。目前比賽情況是，AlphaGo在3月9日和10日的兩場李世石人機大戰(zhàn)的比賽中都取得了勝利，如果這一句繼續(xù)奪魁，那么在這場人機世紀(jì)大戰(zhàn)中，人類是慘敗�。〔贿^，五場比賽還是會繼續(xù)進(jìn)行。西西小編會給您持續(xù)跟蹤中。
李世石人機大戰(zhàn)第三局直播中：
李世石人機大戰(zhàn)第三局直播地址：
http://tech.sina.com.cn/d/AlphaGo/index.shtml
在兩場比賽中，AlphaGo表現(xiàn)出了那些智能？
一、到底什么是深度學(xué)習(xí)？
我認(rèn)為深度學(xué)習(xí)相對于傳統(tǒng)的機器學(xué)習(xí)，最大的特點就是不需要(太多)的feature engineering。
在機器學(xué)習(xí)流行之前，都是基于規(guī)則的系統(tǒng)，因此做語音的需要了解語音學(xué)，做自然語言處理(NLP)的需要很多語言學(xué)知識，做深藍(lán)需要很多國際象棋大師。而到后來統(tǒng)計方法成為主流之后，領(lǐng)域知識就不再那么重要，但是我們還是需要一些領(lǐng)域知識或者經(jīng)驗來提取合適的feature，feature的好壞往往決定了機器學(xué)習(xí)算法的成敗。
對于NLP來說，feature還相對比較好提取，因為語言本身就是高度的抽象；而對于Speech或者Image來說，我們?nèi)祟愖约阂埠茈y描述我們是怎么提取feature的。比如我們識別一只貓，我們隱隱約約覺得貓有兩個眼睛一個鼻子有個長尾巴，而且它們之間有一定的空間約束關(guān)系，比如兩種眼睛到鼻子的距離可能差不多。但怎么用像素來定義”眼睛“呢？如果仔細(xì)想一下就會發(fā)現(xiàn)很難。當(dāng)然我們有很多特征提取的方法，比如提取邊緣輪廓等等。
但是人類學(xué)習(xí)似乎不需要這么復(fù)雜，我們只要給幾張貓的照片給人看，他就能學(xué)習(xí)到什么是貓。人似乎能自動“學(xué)習(xí)”出feature來，你給他看了幾張貓的照片，然后問題貓有什么特征，他可能會隱隱預(yù)約的告訴你貓有什么特征，甚至是貓?zhí)赜械奶卣�，這些特征豹子或者老虎沒有。
深度學(xué)習(xí)為什么最近這么火，其中一個重要的原因就是不需要(太多)提取feature。
從機器學(xué)習(xí)的使用者來說，我們以前做的大部分事情是feature engineering，然后調(diào)一些參數(shù)，一般是為了防止過擬合。而有了深度學(xué)習(xí)之后，我們似乎什么也不用干！給它標(biāo)注足夠多的訓(xùn)練數(shù)據(jù)就行了。
具體的應(yīng)用比如語音識別，圖像識別，自然語言處理，這是比較成熟的一些領(lǐng)域。在一些其它領(lǐng)域，比如殺毒，天氣預(yù)測。只要需要用機器建模，特征比較難以描述，而且又有足夠多標(biāo)注數(shù)據(jù)的地方都可以試一試深度學(xué)習(xí)。
二、同樣是與人類對戰(zhàn)，AlphaGo和深藍(lán)的區(qū)別
深藍(lán)的主要技術(shù)有兩個：alpha-beta搜索和估值模型。搜索，大家應(yīng)該都明白，機器學(xué)習(xí)就是更加領(lǐng)域?qū)＜?國際象棋大師)提取的特征(比如棋子的價值，位置的作用，棋子的保護和威脅關(guān)系等等)，然后建立一個復(fù)雜的模型來判斷局面(不太清楚是否用了機器學(xué)習(xí))。
而AlphaGo的核心技術(shù)是：MCTS搜索和CNN神經(jīng)網(wǎng)絡(luò)。CNN使得機器可以學(xué)習(xí)人類的“棋感”，從而在開局和中局不落下風(fēng)，然后殘局憑借強大的計算能力戰(zhàn)勝人類。
因為深度神經(jīng)網(wǎng)絡(luò)非�；�，大家可能覺得它是AlphaGo能贏的關(guān)鍵，其實我覺得不是這樣。
根據(jù)Tian yuandong(田淵棟)和AlphaGo的論文，如果不做任何搜索，只是根據(jù)“棋感”(其實就是估值函數(shù))，CNN最好能達(dá)到KGS 3d的水平，我估計也就業(yè)余1段的水平。而MCTS算法在沒有Value Network的情況下在9 x 9的棋盤上能戰(zhàn)勝人類高手，其實這也間接印證了AlphaGo在殘局的實力是搜索(計算)起重要作用。原來基于搜索的軟件在開局和中局就崩盤或者虧太多了，所以就不能體現(xiàn)搜索的優(yōu)勢了。另外AlphaGo使用了Value Network，這保證即使搜索有一些小問題，從人類學(xué)來的棋感也能保證不至于偏差太大。
AlphaGo的特點是：開局和中局依靠人類的棋盤學(xué)習(xí)棋感(可以理解為背棋盤，不過比死記硬背好一點，有一定的泛化能力)，然后殘局的計算能力碾壓人類，就好像以前的李昌鎬，前面看不出什么好來，但官子你就是下不過他，沒辦法，不服不行。
三、在比賽前，很多人都判斷AlphaGo會輸，這種判斷偏差在哪里？
之前我們都太多關(guān)注AlphaGo的神經(jīng)網(wǎng)絡(luò)部分，其實它贏棋的關(guān)鍵可能在于殘局的計算上。我們沒有想到。
四、整個比賽的輸贏對人工智能研究意味著什么？
作為對人工智能感興趣的工程師，我既感到高興又不免有些傷感。
高興是因為我們可以“創(chuàng)造”出比我們自己“聰明”的機器，傷感就像教拳擊的師傅看到徒弟的水平已然超過自己，不免有“老了，不中用了”的感嘆。但這是大勢所趨，不可避免，人工智能會在很多領(lǐng)域超過人類。
五、首場比賽，AlphaGo為什么在后半程越走越慢？
這是計算機用時的策略問題，因為根據(jù)前面的分析，后面的殘局才是AlphaGo贏棋的關(guān)鍵，所以它把更多的時間放在殘局是合理的策略。
六、如果計算性能夠強大，AlphaGo能否直接得出最優(yōu)解？
從數(shù)學(xué)上來講，圍棋有個最優(yōu)的走法，也就是用mini-max搜索到游戲結(jié)束時的一條最優(yōu)路徑(也許有多條，但至少有一條)，然后就能知道最優(yōu)的情況下黑棋勝白棋多少目。
我認(rèn)為AlphaGo離最優(yōu)解其實還是差得老遠(yuǎn)的，尤其是開局和中局。其實這也間接的說明人類在開局上其實也離最優(yōu)解差得太遠(yuǎn)。人類幾千年也下不了多少盤棋(而且水平越差的人的棋對整個人類圍棋沒有太大幫助)。我們認(rèn)為一個開局是否好，只能根據(jù)水平相似的高手下這個布局的勝率來推測它的好壞。但如果我們在最后50步的時候誤差就很大，那么往前傳播時積累的誤差就更大了，我們可能經(jīng)常忽略了一個看起來不好的走法，而這個走法可能就是“支持”這個開局的關(guān)鍵。
當(dāng)然AlphaGo的殘局比人厲害，那么就可以通過自己對弈來學(xué)習(xí)，然后往前傳播誤差。但是由于這個問題本質(zhì)是NP的，即使它用了MCTS的方法來避免“明顯不好”的走法。但是由于圍棋的復(fù)雜性，可能某個“看起來不好”的走法可能恰恰是一個關(guān)鍵的勝負(fù)手呢？另外根據(jù)之前的分析，即使每步都能99%的準(zhǔn)確，那么往前推100步準(zhǔn)確的可能性也基本是0了。
因此如果人類不能解決NP問題，不能提出計算能力超過圖靈機的計算模型，那么人類制造的機器也是不太可能解決這個問題的(當(dāng)然這只是我的直覺，不知道能不能數(shù)學(xué)上證明)。
不過即使這樣，能制造和人類一樣，雖然在質(zhì)上不能超越人類，但在量上能超越人類的機器也是很有意義的。
七、AlphaGo在學(xué)習(xí)什么，是如何學(xué)習(xí)的？
AlphaGo是通過人類高手的對局作為訓(xùn)練數(shù)據(jù)來訓(xùn)練的，也就是給定一個局面，用人類高手的下一步棋做完這個局面的最優(yōu)走法。通過大量的這樣的數(shù)據(jù)，使用CNN自動學(xué)習(xí)出類似人類的”棋感“。當(dāng)然雖然說CNN不需要太多的feature，其實AlphaGo也是用了一些圍棋的知識的，比如征子。我雖然比較業(yè)余，也知道征子能否成功要看那六線上是否有對手的接應(yīng)，另外更棋的高低也有關(guān)系，即使有接應(yīng)，如果棋太低，可能也能征子成功，這個就要計算了。
另外，AlphaGo也通過自己和自己對弈的強化學(xué)習(xí)來改進(jìn)它”棋感“。我個人覺得為什么要強化學(xué)習(xí)的原因可能是：之前那些棋譜學(xué)習(xí)出來的是很多人的”棋感“，通過強化學(xué)習(xí)，AlphaGo能選擇更適合自己的“棋感”。
這樣的”棋感“更能適應(yīng)它的后階段的計算能力。就好像如果我下棋計算能力不行，我就走一些比較穩(wěn)的開局。我計算力超強，我就和你搏殺，走復(fù)雜的變化。
AlphaGo一晚上的學(xué)習(xí)大概能達(dá)到什么樣的效果？
這個很難說，我個人覺得他們應(yīng)該不會再訓(xùn)練新的模型，因為即使是深度神經(jīng)網(wǎng)絡(luò)，調(diào)參也是很tricky的事情。而且他們現(xiàn)在領(lǐng)先，應(yīng)該不會冒險更新模型。
八、除了圍棋，AlphaGo還可以用在什么領(lǐng)域？
AlphaGo本身的技術(shù)是MCTS和CNN，MCTS其實是屬于強化學(xué)習(xí)這個領(lǐng)域的。
深度學(xué)習(xí)可以用在很多領(lǐng)域，前面說過了，只要這個領(lǐng)域需要構(gòu)建一個模型來預(yù)測，而且有大量標(biāo)注的訓(xùn)練數(shù)據(jù)。
強化學(xué)習(xí)是非常關(guān)鍵，我覺得強化學(xué)習(xí)才是人類社會學(xué)習(xí)的過程，通過行為改變世界，然后從反饋中學(xué)習(xí)。雖然人類也有一些監(jiān)督學(xué)習(xí)，比如學(xué)校的教育，把前人的結(jié)論作為訓(xùn)練數(shù)據(jù)。但大部分的創(chuàng)新(獲取新知識或者修正舊知識)都是靠強化學(xué)習(xí)。之前學(xué)校學(xué)到的可以認(rèn)為是先驗知識，但還是要自己的行為和嘗試。紙上得來終覺淺，絕知此事要躬行。
比如我們要讓機器人在火星生存，火星的環(huán)境我們是不太清楚的，只能根據(jù)地球的數(shù)據(jù)訓(xùn)練一個基本的先驗的模型。到了火星之后機器人就必須能通過強化學(xué)習(xí)來學(xué)習(xí)新的知識來適應(yīng)新的環(huán)境。
下載 
下載 
下載 
下載 
下載 
下載 
喜歡 
頂
難過
囧
圍觀
無聊
