AlphaGo 论文登上《自然》，披露击败樊麾

背景

围棋由两人轮流在棋盘上落下黑白棋子，以围住的区域多者为胜。规则几句话就能说完，下好却很难：可能的局面和着法序列数量极大，程序无法逐一穷举，而一手棋的好坏往往取决于对整盘棋形势的判断，而不是某一处局部的得失。

2016 年 1 月 27 日，DeepMind 公布了 AlphaGo，并让公布时间与一篇日期为 2016 年 1 月 28 日的《自然》（Nature）论文同步^[1][2]。公布与论文一起，把此前未公开的一个结果摆到了台面上：一个程序击败了职业围棋棋手。

闭门进行的对局

论文报告，AlphaGo 在 2015 年 10 月以 5∶0 击败欧洲围棋冠军樊麾（Fan Hui）^[1][2]。谷歌的博客文章称樊麾是当时的欧洲围棋冠军、并已三次获得该头衔，还说明比赛在 2015 年 10 月 5 日至 9 日之间闭门进行^[2]。按谷歌的说法，这场 5∶0 是计算机程序第一次战胜职业围棋棋手^[2]。因此这次公布同时传达了两件事：一个具体的比分，以及围棋史上的一次首次。

程序是怎么下棋的

论文描述的方法，是把策略网络（policy network）、价值网络（value network）与蒙特卡洛树搜索（Monte Carlo tree search）结合起来^[1]。粗略地说，策略网络负责收窄搜索范围，给出值得考虑的几个着点；价值网络负责估计某个局面的前景，使程序不必把每条变化都走到终局；树搜索则把计算时间集中在这两个网络评价最高的分支上。网络先用人下过的棋谱训练，再通过自我对弈（self-play）继续提高^[1]。

论文还报告了一组与其他围棋程序的广泛对局：分布式版本的 AlphaGo 在所下的 500 局中全部获胜^[1]。

与李世石的对局

在公布樊麾一战结果的同时，DeepMind 也给出了下一个考验。谷歌博客宣布，将于 2016 年 3 月在韩国首尔进行一场对局^[2]。这场比赛于 2016 年 3 月在首尔举行，AlphaGo 以 4∶1 获胜^[1]。

意义

三个时间点串起了这件事：2015 年 10 月，职业棋手在闭门对局中被击败；2016 年 1 月 27 日，结果与一篇《自然》论文一同公布；2016 年 3 月，程序在首尔的一场公开对局中获胜。顺序本身很重要——一个原本难以令人相信的结论，是和方法的书面说明、对局记录一起到来的，读者可以去看结果是怎么产生的，而不必只能选择相信或不相信。

对更广的研究领域来说，值得关注的是结果如何取得。程序并没有依赖人工写好的围棋局面规则，而是从人类的棋谱和对自己的对局中学习，再把学到的判断与搜索结合起来^[1]。这套「用学习到的网络引导树搜索」的做法，是其他研究者可以研究、借鉴和争论的部分；而对其他程序的 500 局全胜^[1]，也说明这个结果不是对某个对手的偶然连胜。

这次公布还顺带把下一步也放在了明面上：首尔的对局正是在披露樊麾一战结果的那篇博客里宣布的^[2]，而论文记录下了它的结局——AlphaGo 以 4∶1 获胜^[1]。