DeepMind 的圍棋人工智能 Alphago 對人類的碾壓來得促不及防，現(xiàn)在它以 3:1 領(lǐng)先圍棋冠軍李世石席爽。由于圍棋的復(fù)雜性意荤，很多人工智能專家曾認(rèn)為，計(jì)算機(jī)要戰(zhàn)勝頂尖人類只锻，還需要數(shù)十年時間玖像。而在約二十年前，IBM 也同樣在人機(jī)之間挑起過爭論齐饮，當(dāng)時它開發(fā)的深藍(lán)計(jì)算機(jī)打敗了國際象棋大師加里·卡斯帕羅夫 (Garry Kasparov)捐寥。

Murray Campbell 是深藍(lán)開發(fā)中的關(guān)鍵人物，也是 IBM 認(rèn)知計(jì)算部門的高級經(jīng)理祖驱，正是這一部門管理著現(xiàn)在的 Watson 人工智能平臺握恳。那這位深藍(lán)的開發(fā)者，是怎樣看待新世紀(jì)人機(jī)之戰(zhàn)的呢捺僻？最近 Theverge 與他進(jìn)行了對話乡洼，深圳灣對文章編譯如下 (有刪減)：

在20年前，你們?nèi)绾谓鉀Q象棋問題匕坯，打敗卡斯帕羅夫的束昵？

我們還在卡耐基梅隆大學(xué)讀研時，就在開發(fā)象棋程序了葛峻，接下來 IBM 招了我們其中三個來開發(fā)下一代象棋計(jì)算機(jī)锹雏，也就是后來的深藍(lán)。我們當(dāng)時意識到术奖，單純的暴力破解方法很難打敗世界冠軍逼侦；但另一方面匿辩，擁有強(qiáng)大的計(jì)算力確實(shí)有用，而且程序的能力確實(shí)與計(jì)算速度有關(guān)榛丢，這有文獻(xiàn)支持。所以我們將一些人工智能類的先進(jìn)算法 (搜索和評估方面的)挺庞，與大型超級計(jì)算機(jī)相結(jié)合晰赞，來開發(fā)冠軍級別的程序。1996 年的比賽我們失敗了选侨，但次年用改進(jìn)的系統(tǒng)卷土重來掖鱼，并取得了勝利。

你當(dāng)時為什么會做這事援制？是出于對象棋的興趣戏挡，還是對計(jì)算的挑戰(zhàn)？

兩者都有晨仑。我對象棋很感興趣褐墅，在成為計(jì)算機(jī)科學(xué)家前也是象棋玩家，還曾獲得過加拿大亞伯達(dá)省的冠軍洪己。不過我也認(rèn)識到妥凳，真正厲害的高手有一些我沒有的東西。這也讓我想知道答捕，怎樣才能開發(fā)一個高水平的計(jì)算機(jī)來下棋呢逝钥？后來加入 IBM 時，我感到這是個機(jī)會拱镐，可以證明自己的想法艘款。

除了個人興趣，打敗人類也對早期的計(jì)算機(jī)科學(xué)來說是個挑戰(zhàn)沃琅。1949年哗咆，知名數(shù)學(xué)家克勞德·香農(nóng) (Claude Shannon) 發(fā)表了一篇論文，描述了如何創(chuàng)造一臺象棋計(jì)算機(jī)阵难，并認(rèn)為這是一個大挑戰(zhàn)岳枷。

開發(fā)中，多大程度上你自己要了解國際象棋呜叫？是輸入一些規(guī)則就行了空繁，還是根據(jù)自己的經(jīng)驗(yàn)來？

我認(rèn)為了解一些象棋知識很重要朱庆。在開發(fā)的早期階段盛泡，我們不需要成為個中高手，而且當(dāng)時也不是娱颊。但進(jìn)行到最后階段時傲诵，會有很多關(guān)于如何下棋凯砍，以及大師的標(biāo)準(zhǔn)是什么的細(xì)節(jié)需要考慮，所以有個高手來幫忙很重要拴竹。當(dāng)時我們請了象棋大師 Joel Benjamin 來幫忙悟衩。最后，我們還請了其他大師與機(jī)器對戰(zhàn)栓拜，測試系統(tǒng)性能座泳。

當(dāng)時的目標(biāo)是模仿人類風(fēng)格，還是開發(fā)一個不惜一切取得勝利的系統(tǒng)幕与？

我們完全沒想著模仿人類挑势，只不過是人類多數(shù)情況下，棋下得不錯啦鸣，所以我們也希望系統(tǒng)如此潮饱。人類的風(fēng)格被研究得很好，雖然沒被研究透诫给，但心理學(xué)家數(shù)十年前就在研究了香拉。而得到的結(jié)論是，象棋高手在考慮走棋時蝙搔，只會關(guān)注少量的步數(shù)和位置缕溉。有時他們會計(jì)算到很深，才能決定怎么走吃型，有時候不會证鸥。但他們很擅長棋局評估和搜索機(jī)制，這有助于決定選擇哪種方式探索棋局勤晚。模仿人類是很困難的事枉层。

最初的人工智能確實(shí)想讓計(jì)算機(jī)有人類的網(wǎng)絡(luò)，但往往會敗給那些更「計(jì)算機(jī)風(fēng)格」的計(jì)算機(jī)赐写，即少進(jìn)行評估鸟蜡，盡可能計(jì)算可能的步數(shù)。僅靠純粹的搜索確實(shí)能達(dá)到一定的水平挺邀，但我們也意識到揉忘，這還不夠，還是得在某些方面模仿人類端铛。人類長于根據(jù)關(guān)鍵路線進(jìn)行深入思考泣矛，我們也希望系統(tǒng)能這樣做，而這也是深藍(lán)能成功的一個重要原因禾蚕。

到 1997 年您朽，多數(shù)玩家都知道卡斯帕羅夫被打敗了，他們認(rèn)為深藍(lán)的風(fēng)格很不尋常嗎换淆？

是的哗总，有這樣一種說法几颜，你看到計(jì)算機(jī)下出很出乎意料，或反直覺的一步棋時讯屈，會稱它為「計(jì)算機(jī)走法」蛋哭。這是因?yàn)槿祟愑羞@樣的思考方式，而有些走法涮母，人類高手也不會用具壮。這也是為何計(jì)算機(jī)能打敗人類，雖然在某種程度上說哈蝇，它們無法準(zhǔn)確評估棋局：由于它們不同尋常，所以能看見一些人類不會看見的走法攘已。不過有趣的是炮赦，現(xiàn)在的年輕棋手會比老一代更容易走出計(jì)算機(jī)的走法，可能是因?yàn)樗麄円恢庇懈?jì)算機(jī)下棋样勃。

所以計(jì)算機(jī)戰(zhàn)勝人類吠勘，也讓人類變得更優(yōu)質(zhì)？

很正確峡眶。

在計(jì)算機(jī)科學(xué)角度上剧防，圍棋與國際象棋有什么區(qū)別？

兩者都需要強(qiáng)大的計(jì)算量辫樱，都很復(fù)雜峭拘。但圍棋有一些象棋沒有的特點(diǎn)，那就是很難評估它的棋局狮暑。像我一樣的中級象棋選手鸡挠，可能幾個小時就能寫一個評估函數(shù)，用于判斷象棋的棋局搬男。雖然達(dá)不到大師的水平拣展，但與搜索結(jié)合起來，已經(jīng)足夠下高水平的棋了缔逛。

但圍棋會隨著時間推移而衍變备埃，而且結(jié)構(gòu)和互動非常復(fù)雜。象棋中的棋子會移動褐奴，沒有很多靜態(tài)結(jié)構(gòu)按脚，甚至只要數(shù)下誰的子多，你就能很好地預(yù)測誰會贏∏该樱現(xiàn)實(shí)當(dāng)然會更復(fù)雜乘寒，但這是個不錯的經(jīng)驗(yàn)。圍棋則完全不是這樣匪补，你沒法數(shù)棋子伞辛，因?yàn)橐话銇碚f雙方都差不多烂翰，而且評估起來難得多。所以我覺得蚤氏，DeepMind 的高明之處在于甘耿，通過機(jī)器學(xué)習(xí)方法找到了更好的棋局評估方法。

你怎么看待 AlphaGo竿滨，它用的技術(shù)當(dāng)時能用嗎佳恬，能不能用在深藍(lán)上？

我也與 DeepMind 的人討論過這種問題于游。首先我認(rèn)為 AlphaGo 很厲害毁葱，也提高了現(xiàn)在的人工智能水平。如果他們證明 AlphaGo 是一種通用機(jī)制贰剥，還能用在除圍棋外的其它游戲中倾剿，我會更震驚。

至于這種方法能不能用在國際象棋上蚌成，我覺得它可能讓程序比所有人類都厲害前痘，但不會是最先進(jìn)的，因?yàn)楝F(xiàn)在的象棋程序已經(jīng)很強(qiáng)大担忧，且超越了人類芹缔。象棋在搜索上是不同的游戲，即搜索對象棋很重要瓶盛，但在圍棋上不是這樣最欠。圍棋中也需要深層次的搜索，但其中直覺蓬网，評估以及互動更為重要窒所。

可以說，沒有什么能替代搜索帆锋，現(xiàn)代程序吵取，比如我知道的最好的 Komodo，都有搜索可能的走法上很高效锯厢，搜索的層次也很深皮官。我認(rèn)為 AlphaGo 所用的通用機(jī)制就算用在象棋上，也無法重塑搜索实辑，它需要其它的突破捺氢。

AlphaGo 能與自己下棋，看起來能力會不斷提升剪撬。

它在與自己下棋時摄乒，確實(shí)看起來有所提升。我不知道這是否會有限制，它能否不斷改進(jìn)馍佑。但根據(jù)我對兩種游戲的理解斋否，AlphaGo 用的方法直接用在象棋上時，無法打敗現(xiàn)有的程序拭荤。

處理能力對兩類游戲來說有多重要茵臭？

在象棋中可能沒那么重要。處理能力越強(qiáng)當(dāng)然越好舅世，但現(xiàn)在的智能手機(jī)已經(jīng)能打敗任何人了旦委。算法已經(jīng)有了優(yōu)化，程序也相當(dāng)高效雏亚。AlphaGo 似乎用了很多處理能力缨硝，發(fā)表的論文上也說在 CPU 和 GPU 更多時，表現(xiàn)也更好罢低。(編者注：上周 DeepMind 表示追葡，逐漸達(dá)到了收益遞減的臨界點(diǎn)，即再增加計(jì)算性能似乎無法讓計(jì)算機(jī)的表現(xiàn)更好)

AlphaGo 的勝利對人工智能領(lǐng)域來說會意味著什么奕短？會有下一個目標(biāo)或里程碑嗎？

我認(rèn)為匀钧，這會讓圍棋和象棋的研究減少翎碑。會有很好的機(jī)制處理這類游戲，部分是因?yàn)橹梗m然它們很復(fù)雜日杈，但在另一方面上看又很簡單。他們都是完美的信息游戲佑刷，是零和游戲莉擒，也是輪流來玩的游戲，所以沒有運(yùn)氣的成分在里面瘫絮。但現(xiàn)實(shí)世界并不如此涨冀，你在決策中很少能完全了解情況，決定的結(jié)果也很難理清楚麦萤。

所以我很想知道如何將 AlphaGo 的系統(tǒng)用在其它游戲上鹿鳖，以及在沒有人類輸入的情況下用在圍棋上會怎么樣。這些都可以成為里程碑壮莹，但我認(rèn)為我們會瞄準(zhǔn)棋類游戲之外翅帜。將這種技術(shù)用在現(xiàn)實(shí)世界的問題會更有價值，也是我們應(yīng)該做的命满。不過在這種轉(zhuǎn)移過程中涝滴，系統(tǒng)不會很快超越人類，因?yàn)槿祟惻c機(jī)器都有自己擅長的方面，需要互補(bǔ)歼疮。

最直接的現(xiàn)實(shí)使用是什么杂抽？

我認(rèn)為可能是醫(yī)療保健方面。我不認(rèn)為計(jì)算機(jī)會很快幫人類做決定腋妙，但它們能分析數(shù)據(jù)默怨，幫人類做出更好的決定。算法可以幫助識別出數(shù)據(jù)中的模式骤素，為醫(yī)生提供決策洞見匙睹，讓決策更準(zhǔn)確。

版權(quán)聲明：本文系深圳灣編輯創(chuàng)作發(fā)布济竹，轉(zhuǎn)載請注明來自深圳灣痕檬，并標(biāo)明網(wǎng)站地址 shenzhenware.com
轉(zhuǎn)載、采訪送浊、投稿梦谜、團(tuán)隊(duì)報(bào)道聯(lián)系微信公眾號：shenzhenware