标签: 李世石

李世石在三盘皆输后，终于赢回一局，这令许多不爽机器人的人士开始大做文章，就像是李世石第一局就赢了似的，将人与机器的对立推向极致。其实机器只不过是人的智慧的产物，是人类在围棋之类的玩法上又搞出的新玩法，赢家永远都应该是人类。这样说，李世石们应该好想许多了。其实无论是李输还是机器人输，这都不是主要的，主要的是这种人工智能的开发和挑战人类智慧的机器开发，是对人类的未来非常有意义的事情。碳时代之后，出现硅时代也不足为奇。总这，跳出棋外，才能年看得更清楚。当然，也有世事如棋一说。变化多端而无穷尽也。当机器人可以稳操胜算时，世界上难办的许多事不就变得好办了吗？这正是开发人工智能的意义所在。

在人机围棋大战的第一局进行中我就写了一篇新浪博客，第一局是全局观战的，并写了20条评论。此后三战全胜在预料当中，第四局担心机器人会让棋，结果就发生了。当然人们不会相信这一点。我的这条微博发出后，读者很快就达到1.1万，仅次我发布的关于电子产业是人类终极产业的那个微博（1.6万读者）。即使这次李石佛是真的赢了了局，保全了面子。但也只会使人工智能更强大。持续学习和改进正是人工智能的一个特点。还是那句话，对一夫工智能的进步，乐见其成。因为人类需要智能机器来作为人类面对更多的挑战。它们的强大正是人类更强大的证明。

3月8日中午，谷歌AlphaGo对决李世石的发布会结束之后，新浪前方记者在韩国首尔四季酒店门口碰到了中国围棋国家队教练俞斌。在微凉的天气下，俞斌一行人面色忧虑，他向我们透露：刚刚搞到谷歌内部的消息，据谷歌工程师估算，李世石胜出的可能性为0。大赛在即，李世石和AlphaGo谁嬴谁输，还是压在众人心上的一块石头。毕竟，9日双方交手之前，和AlphaGo切磋过的专业棋手只有樊麾一个。而两位棋手的表态，都让人隐约觉得心里没谱。 用樊麾的话来说，和AlphaGo下棋感觉面前像有一堵墙。用李世石的话来说，面对AlphaGo备赛不可能像以前那样琢磨对手路数，只能自己和自己下盲棋——这倒是跟AlphaGo的训练方法如出一辙。 俞斌获得的“内幕消息”或许有些耸人听闻，但谷歌母公司Alphabet董事长埃里克·施密特（Eric Schmidt）在新闻发布会上表现出的却是超低姿态。施密特表示，无论谁胜谁负，实际上都是人类的胜利——30年前，人工智能的发展经历过一次低谷，如今却能在图像识别、语言翻译、视频推荐方面被广泛应用，甚至达到了可以和人类对弈围棋的地步——他从来没想过这会在有生之年成为现实。 新闻稿发出来，评论区里的网友都在乐：看人家领导说话多到位。我们前方记者在发布会上听到原话之后也在后面乐：“台阶找得太明显，看来没自信。”谁知道后面DeepMind的创始人迪米斯·哈萨比斯（Demis Hassabis）也给自己找台阶下：“AlphaGo没有导师指导，人类学习在这方面和机器比是个巨大的优势。” 不过最大的台阶或许还是来自李世石。虽然他仍然认为人类的围棋水平还是强于人工智能，但他说，知道AlphaGo具有类似人类直觉的判断能力之后，感到有些紧张。“恐怕我以5比0战胜它有点儿够呛。”在避免失误这件事上，人类面对机器总是觉得心里没谱。 和各方的谨慎态度相比，新浪前方记者这两天接触到的两位韩国媒体同行，倒都是坚定地站在人类这边。我们到达韩国时，搭乘韩国围棋网站乌路网社长郭珉镐的汽车前往酒店。从仁川到首尔的高速公路上，郭社长一边抽烟，一边问我们柯洁是不是真的和叫“什么易购”的程序下了棋。当他得知柯洁只是口头表示有兴趣之后，连呼“没意思”。他觉得，谷歌这次的挑战确实给围棋带来了极高的关注度，任何相关的风吹草动都能成为焦点。 但我们问他更看好哪一方的时候，郭社长毫不犹豫地选择了李世石：“围棋棋盘太大了，”作为一个计算机科学博士，他也参与过围棋程序的开发，“计算机的水平到不了这种程度。”但即便如此，他透露韩国也会很快对外公布自己的围棋人工智能。 另外一个观点相同的媒体同行是新华社的韩国特约记者金敬东。他觉得AlphaGo的自我训练其实相当于和同水平的棋手下棋，实际提升很小。“李世石的胜算更大。”他说 李世石的台阶让关注围棋的媒体炸了锅。发布会关于李世石的提问环节，甚至有韩国记者直接把围棋界是否面临生死存亡的问题抛了出来。“人类代表”有点认怂：“人工智能超越人类是我们这个时代要面临的问题，或许这次不会，但在未来是不可避免的。” 在下午接受中国记者专访的时候，哈萨比斯倒是为“同水平切磋”的怀疑给出了解释。AlphaGo总共有18个不同版本。在自我训练的时候，“双方”使用的是从中选择出来的不同版本。不过这种解释似乎还是无法消除怀疑：不同版本比赛本质上还是在同一个水平打转。 在当天的晚宴上，施密特又重复了一次希望人工智能会让“人类更智能，世界更美好”的愿景。新浪前方记者也再一次见到了俞斌。一巡酒过后，俞斌满脸放松：“好像他们写程序的也不知道谁输谁赢。”

近日来，国际顶级科学期刊《自然》（Nature）‎ 上关于电脑战胜职业围棋选手的报道引起了人们对人工智能的广泛关注，这是历史上电脑首次在公平 竞赛的条件下战胜职业围棋选手。即将到来的AlphaGo和李世石九段的大赛更多是让人联想起当年深蓝和卡斯特罗夫的对奕。 那么，既然已经有了电脑战胜国际象棋冠军的先例，为什么在围棋这个领域还会引起这么大的关注呢？其根本原因在于,从计算的角度来看，围棋比国际象棋难的远远不止是一两个数量级。象棋的棋盘上的位置只有围棋的大约六分之一，这就决定了围棋的计算复杂度（简单说来就是可能出现的不同棋局的总数）远超国际象棋，从目前人类实用中接触的数字来看，几乎是一个无穷大数。不太理解的朋友可以参考“一张纸如果能对折64次可以从地球伸到月球”的传说。 换个角度来说，以目前计算机的能力而言，想穷举搜索或者尝试所有可能的棋局变化是完全不可能的。基于这个原因，虽然计算机已经在国际象棋领域战胜了人类，计算机在围棋上战胜人类一直被认为是一个尚需时日的事情。包括学术界和围棋界在内的大部分专业人士都没有想到这么快计算机就可以和专业棋手一决高下了。     从目前的趋势看，无论这次AlphaGo能否战胜李世石，计算机战胜国际顶尖围棋选手只是早晚的事情。而这次举世瞩目的比赛其成败具有的更多的是象征性的意义。 AlphaGo能够匹敌或战胜职业选手这一事实，对于人工智能乃至整个科技的发展，都是一个极为重要的标志和鼓舞。由此带来的技术突破和信心必将进一步推动人工智能尤其是机器学习在很多领域的应用。事实上，除了DeepMind的AlphaGo以外，其他的一些研究组也在计算机围棋方向取得了令人期待的进展，比如来自卡内基梅隆大学最近的工作‎ 。 不出大家的意外，这次使AlphaGo大放光彩的核心技术是近年来蒸蒸日上的深度学习技术。自2006年Hinton再度引爆深度神经网络的热潮之后，深度学习在十年间几乎横扫所有人工智能相关的领域，在语音和视觉等领域的众多问题中频频取得突破性的进展。很多学者和工业界研发人员也从最初的谨慎怀疑态度转向积极跟进，进而推动了深度学习在理论和实践两方面的迅猛发展。就亮风台在增强现实领域的经验而言，尽管深度学习在实用时还需要克服一些诸如实时性的挑战，但我们亮风台已经在一些实际应用中（比如大规模图片识别和人脸分析）成功的使用了深度学习技术，并且期待在不久的将来会取得更好的结果和推广。 下面就我个人的理解来对这次比赛下注。首先声明，虽然我们在科研和应用上都在使用深度学习的技术（如今想不用都难啊），我本人对于深度学习研究有限，所以下面观点仅仅是很主观的个人观点。总的来说，这次人机大赛，我觉得AlphaGo的胜率不高，感觉在30%以下。下面就几个方面解释一下我的理由。 一、AlphaGo之前战胜的欧洲围棋冠军樊麾是职业二段，棋力和世界冠军的九段李世石有很大的差距。 李世石本人认为“AlphaGo和我约差2子”‎ ，也是符合围棋段位之间的基本差距的‎ 。这一观点得到了棋界诸多当前顶尖棋手的认同，参见‎ 。当然，由于机器学习的强大学习能力，AlphaGo是有可能在这次比赛前的时间内得到棋力上的飞速提高，理论上是有可能进步到顶尖棋手的能力。但是，这种提高并不是能够轻而易举实现的，参加下面的解释。 二、深度学习毕竟还是要学习的，而学习是要样本和训练的。 尽管AlghaGo可以很容易的获取大量历史上的棋局资料，但是李世石这样的顶尖棋手的棋局资料还是有限的。更重要的是，计算机棋手和顶尖专业棋手的对局资料非常稀少。之前零星的几次疑似AlphaGo和高手在弈城围棋网上的比赛和即将进行的比赛差距还是太大，应该不足以弥补这个训练样本上的缺陷。 三、反过来从棋手的角度来看，顶尖的专业棋手对于机器棋手的行棋方式和漏洞可能更为敏感也有更强的应对方式。 比如，很多高手都指出了在AlphaGo-樊麾棋局中的一个明显失误‎ （这个嘛，只有业余11级水平的我其实没有看懂）,这样的漏洞相信不会被李这样的高手放过的。当然，人也有状态不稳定和犯糊涂的时候，不过高手发生这种状况的概率是很低的。 四、确实存在一种可能：AlphaGo可以通过头一局或两局迅速学习和调整。不过我个人感觉即使如此也不太容易达到击败李世石的水平，中间差距还是有些大，更多的样本才会更可靠一些。一个参考是当年深蓝和卡斯特罗夫的第一次比赛‎ 。 总结一下来说，基于深度学习的技术使得计算机战胜专业棋手，虽然比大多数人预料的要早，并不是完全意外的。作为人工智能领域的从业者，我们应该更多的感到鼓舞，并期望从相应的技术泛化中汲取指引我们前进的知识和经验，使我们能在具体的应用领域上不断前进。 本文作者为亮风台首席科学家凌海滨 参考资料： 1. "Google AI algorithm masters ancient game of Go, Deep-learning software defeats human professional for first time." Elizabeth Gibney, Nature, 2016 2. "Better Computer Go Player with Neural Network and Long-term Prediction," Yuandong Tian and Yan Zhu, International Conference on Learning Representations (ICLR), 2016. 3. "Reducing the dimensionality of data with neural networks." Hinton, G. E. and Salakhutdinov, R. R., Science, 2006. 4. "Deep Blue versus Garry Kasparov," Wikipedia

距离围棋系统AlphaGo与韩国九段围棋名将李世石之间的对战，距离开始还有两天（3月9日，本周三）。各方注意力也都聚集上来，日前李开复接受媒体采访时，也对这一大战发表了评价。他大概有以下几个层面的观点： 1.里程碑意义。“人工智能已经在最近几年，成为各家科技公司重点研发的方向，这次人机大战无疑具有里程碑意义。” 2.人工智能发展快，但成功不是这次。“很惊讶，这么快就可以达到挑战围棋世界冠军的高度，但这次是否就能够战胜人类，我个人认为还有点悬。” 3.不过总有一天会成功。“不过，任何事情都有第一次，就像当年深蓝第一次挑战卡斯帕罗夫没有取得成功，多年后智能机器人肯定会崛起。” 此前，当谷歌旗下的DeepMind开发的AlphaGo击败了欧洲围棋冠军樊麾时，国外杂志《Nature》杂志以封面论文的方式报道。评价认为，其意义不亚于1997年那场深蓝击败国际象棋大师卡斯帕罗夫的世纪之战。 我们为什么要听李开复的判断？ 李开复在机器学习方面有丰富的职业经历，根据腾讯科技的文章介绍，当年，李开复利用统计学方法在电脑下黑白棋研究方面取得很大进展，开发了全世界最早自己与自己下棋、自己学习、自己总结的学习系统之一。1988年，李开复开发的“奥赛罗”人机对弈系统，击败人类的黑白棋世界冠军而名噪一时。 李开复还曾帮助IBM组织深蓝团队。当年，李开复发掘了击败国际象棋世界冠军卡斯帕罗夫的电脑“深蓝”设计者许峰雄并引荐给IBM，李开复和许峰雄都是卡内基？梅隆大学校友。许峰雄曾透露，那时告诉他“IBM对‘深思’感兴趣”的人，是后来成微软亚洲研究院首任院长的李开复——李开复比许峰雄低一届，一直以来两人私交甚笃。IBM认为“深思”具备极其重大的开发价值，因此，“蓝色巨人”将许峰雄和他的两位同事请到了其设在纽约的电脑研究中心。 不过，“深思”首战卡斯帕罗夫，却落得惨败收场，一直到1997年，IBM邀请到了四位国际象棋特级大师做“深蓝”的“师父”和“陪练”，不断修改完善“深蓝”的棋路缺陷。终于，许峰雄和脱胎换骨后的“深蓝”迎来“人机大战”的胜利。 李开复表示：“我记得我在多年前曾帮助IBM邀请许去组织深蓝团队，深蓝团队在和国际象棋的世界冠军多次对决后终于击败国际象棋的冠军，当时被认为是特别重大的里程碑。” 但打败国际象棋被认为有很多局限，因为相比围棋来说，国际象棋复杂度要简单得多。国际象棋（深蓝）虽也用机器学习功能，但主要是用硬件brute force（加速近似穷举）方式。有观点认为，围棋的棋盘为19*19=361，棋盘较大，且下棋过程中会出现提子（吃子）情况。因此，围棋复杂度高太多，无法仅靠硬件加速解决，一定要根本性上有更强自我学习方法。有统计称，从复杂度讲，国际象棋是10^48， 围棋是10^172，李开复以前做的黑白棋是10^28。 李开复认为人工智能不会赢，靠谱吗？ AlphaGo到底相当于人类什么水平？ 今年1月28日，AlphaGo以5比0的成绩击败欧洲冠军、职业围棋二段樊麾，才获得了与李世石较量的资格。关于上面问题的回答，大家也有不同的观点。 被AlphaGo击败的樊麾为中国职业二段棋手，在棋力上与李世石有着非常大的差距。但从两人的对战情况看，AlphaGo已经具备不低于职业初段棋手的棋力，这也是大多数围棋专业人士的看法。围棋界新星柯洁的评价则要严苛一些，“它的水平大概就是冲职业段之前的水平，虽然职业还到不了，但是无限接近于职业了。”九段的李世石本人认为，AlphaGo的棋力相当于三段棋手的水平。这已经是一个相当高的评价。在观看樊麾和AlphaGo的比赛后，他认为自己完全能够战胜电脑。 从以往的战况看，李世石的实力显然是在AlphaGo之上。 除了段位，李世石的大杀器是什么？ 不过，李世石的棋风被人称为“僵尸流”，棋入中盘，他常常因出招过分而导致死大龙，在职业高手看来，这样一边倒的局面已可终局，尤其是对于老派的只研究前半盘的中日职业棋手而言。然而，绝境之中的李世石常常能爆发出惊人的力量，他一次次地如同僵尸复活一样满血归来，并且总能在最后一刻撞线。不按常理出牌，可能是AlphaGo最难把握李世石的地方。 虽然AlphaGo的依靠有精确的专家评估系统、基于海量数据的深度神经网络及传统的人工智能方法蒙特卡洛树搜索的组合，具备了自我学习能力，但也终究无法逃脱人类以往经验的局限，很难创造出一种新的打法。 开赛前，过来人的忠告 作为“过来人”的卡斯帕罗夫，同样关注着本场比赛。他表示，前期的人机大战中，人类能获胜第一个原因是因为抓住了程序的一些弱点，并非是正常的人与人之间交手的情况。但是现在你如果把注意力放在找程序漏洞上，则很难赢得比赛了。 关于未来，喝一碗开复的鸡汤 李开复在接受采访时表示，在社会里机器人会不会代表更大的力量，人类的未来会是什么，人类会成为机器的宠物吗，还是人类会因为机器取代劳力，而发挥人应该做的事，应该享有的地位？ 在卡内基梅隆大学2015年毕业典礼上，李开复曾在演讲时曾说，未来十年大部分人类工作可被机器取代。机器将取代工厂工人、司机、护士、会计、律师助手、教师，或其他带助理、代理或经纪等职位，甚至医生、律师和教授也将部分被机器取代。 “人类是变得更具创造性且找到人类的命运？还是成为这些机器的宠物？这一切也将取决于人类自己。” 李开复认为，在技术的选择上，要致力于能把世界变得更美好的技术，而不能仅仅局限于先进或很酷。在工作的选择上，要选择能拯救生命的工作，而不是破坏生命的工作。 要选择强化人类的工作，而不是取代人类的工作。选老板时，要选择有大爱之人，而不是贪婪小人；要选择想帮助世界的善人，而不是想征服世界的戾气之人。 李开复引用英国科幻小说家亚瑟？克拉克的话说，任何真正的高科技都与魔法无异。“大家有责任预见和阻止技术成为伤害人类的武器，防止科幻小说中常见的悲剧结局发生。”