AlphaGo

它是什么

AlphaGo 是 DeepMind 开发的围棋程序。围棋长期被认为是机器难以攻克的棋类。2016 年 1 月 28 日，DeepMind 在《自然》（Nature）上发表了题为「Mastering the game of Go with deep neural networks and tree search」的论文，作者名单以 David Silver 和 Aja Huang 打头；公开消息在 1 月 27 日发布，与论文刊出时间配合^[1]。

怎么工作

AlphaGo 把两类神经网络——策略网络（policy network）和价值网络（value network）——与蒙特卡洛树搜索（Monte Carlo tree search）结合起来。策略网络负责提示下一步该下在哪里，价值网络负责估计当前局面的优劣；树搜索则在两者的引导下向前推演，而不必穷举所有可能。围棋的合法局面数量极大，穷举并不现实，这正是需要神经网络来缩小搜索范围的原因。

这些网络并不是由人把围棋知识写成规则教给程序的。它们先用人类棋谱训练，再通过自我对弈（self-play）改进^[1]。按 DeepMind 的说法，AlphaGo 先学习了数千局高手对局，然后与自己的不同版本对弈数千次^[2]。

早期战绩

与其他围棋程序对弈时，单机版 AlphaGo 在 500 局中只输 1 局，分布式版本则是 500 局全胜^[1]。2015 年 10 月，它与欧洲冠军樊麾（Fan Hui）对弈，以 5–0 获胜^[1]。

与李世石的对局

2016 年 3 月，AlphaGo 在首尔与世界顶尖棋手李世石（Lee Sedol）进行了五局比赛，以 4–1 获胜，并获韩国棋院授予名誉九段^[1]。DeepMind 称这场比赛在全球有超过 2 亿人观看^[2]。第二局中的第 37 手尤其引人注意：DeepMind 称这一手被走出的概率只有万分之一^[2]。

后续版本与退役

更新版本 AlphaGo Master 从 2016 年 12 月 29 日起在网上与顶尖职业棋手对弈，截至 2017 年 1 月 5 日取得 60 胜 0 负^[1]。2017 年 5 月，在中国乌镇举行的「围棋峰会」上，AlphaGo 以 3–0 战胜柯洁（Ke Jie），并获中国围棋协会授予九段，随后 DeepMind 让它退出了比赛^[1]。

接替它的是 AlphaGo Zero，2017 年 10 月 19 日《自然》刊出相关论文，这一版本不依赖人类棋谱学习^[1]。

为什么重要

围棋长期被视为机器难以应对的项目：可能局面数量巨大，而高水平着法又依赖难以写成规则的判断。AlphaGo 的做法——先从人类对局中学习，再靠自我对弈提升，然后用学到的网络引导树搜索——说明这类判断可以由神经网络近似出来。与樊麾、李世石、柯洁的对局以及围绕它们的关注，让 AlphaGo 成为「学习型系统能做什么」的一个广为人知的例证。