AlphaGo 其实挺“笨”的

虎嗅注：就在刚刚，柯洁以四分之一子惜败给了AlphaGo，虎嗅也在现场围观了比赛过程，现场的同事用“惜败”来形容，认为双方势均力敌，“在最后的统计结果上，AlphaGo 以四分之一子获胜，而这其中三又四分之一子是因为柯洁执黑子贴的。”结果已经不重要，相信会有不同的解读声音出来。以上作为一个信息铺垫，下面看这篇角度特别的文章，转载自微信公众号“待字闺中”，虎嗅获授权转载。

记得小时候，城里来了个机器人展，于是买了门票，兴致勃勃的去看，有踢球的，有打球的，有玩游戏的，有讲故事的，有谈情说爱的，等等。我最感兴趣的是一个能和我对话的机器人，她会问我问题，也会回答我的问题，好神奇呀。天真无暇的我，玩的很开心，心中有了追求科学的梦想。但是，后来有人告诉我，其实当时每个机器人里面都是藏着一个真人，于是心中咯噔一下，有些沮丧，幼小的心灵就这么受伤了。

现在，人工智能取得了飞速发展和进步，儿时的记忆的场景已经完全反转了。看看 AlphaGo 和李世石的围棋比赛，其中最大的看点和吐槽应该是图片中的石头人黄博士，这时，机器人走到了后台，充当了智能的核心，而人，也就是黄博士，只是起到了人机交互的媒介。

看来，这次和柯洁的比赛，依然没有改变这种现状，因为现状太难改变了。还是黄博士，而不是黄博士化身的机器人，我是多么期待真正的机器和人下围棋。

这么来说，有些异样，为什么这么聪明的 AlphaGo，不真正做成一个机器人，能看棋盘，能下棋子，能思考，还能说笑，会不会更好玩。其实，有时看起来简单的事情，让机器来做不一定简单，这是后话，不啰嗦了。

好了，段子讲完了，该言归正传了。免得被唾沫淹死，首先申明一下，AlphaGo 确实很厉害的，也不简单。但是，为什么又说，AlphaGo 挺“笨”的呢？

我们知道，围棋的搜索空间很大，有3的19x19次方个状态，要在这么大的空间去找最优算法，一个一个看是不可能的，所以被认为人类智能的一个高点，解决时需要优化搜索。人是根据一些输入空间和参数较少的模式识别来记忆和搜索，而机器采用的却是大数据，大记忆和大计算来实现的。说到 AlphaGo 后面的智能和算法，就不能不说深度学习（DL），强化学习（RL），和蒙特卡洛树搜索（MCTS）。

深度学习，主要用来学习和建立两个模型网络。一个是评测现在的棋盘状态如何，也就是说给当前的棋盘状态打个分，评估一下赢的期望值，它就是价值网络（Value Network）。输入是棋盘19x19每个点的状态，有子或无子，输出是赢的期望值。按理说，如果要是有一个聪明的数学家或是机器足够聪明，说不准他马上就能在黑板上写一个高级的数学公式。很遗憾，现在还没有，所以，只能用多层的神经元网络来近似表示这个高级的函数。这么来说，是不是有点“笨”。

二是根据现在的棋盘状态，决定下一个棋子该如何走才能有最大的赢的概率，它就是 AlphaGo 的策略网络（Policy Network）。也就是说，给一个19x19的棋盘状态，在所有空的地方，哪个是最佳的选择，会有最大的赢率。同样，也可以用一个函数来描述，输入是当前棋盘状态，输出是每个空处和它期望的赢的期望值，但这个函数还没有一个高级的数学公式，所以，最后也求助于多层神经网络。

但是，这两个深度学习网络模型，怎么训练出来的呢？这时，不得不说随机梯度下降（SGD），这个“笨”办法。

为了求一个目标函数的最优值，复杂一点的，不能像解一个二次方程一样，用一个简单的公式就能得到方程的解。

对于，围棋这种深度学习要求的目标函数，没有一个简单的求解公式，那怎么办？只能求助于迭代，随机梯度下降迭代（SGD），就像爬山，每往上走一步，都是接近山顶一点点，或者叫摸着石头过河。毕竟机器的计算能力强，这种数值计算，是它的强项，就让它拼命的算，直到算到一个还算满意的结果。这回知道了吧，为什么 GPU 这种东西来做这种重复简单的计算。这么说来，是不是有点“笨”。就像我们一个公式不会解时，就从1开始带入计算，看看是不是满足条件。或是，做选择题有四个选项，每个选项代入公式算一下。

这些玩意儿，都是线下用大量数据，做大量的辛苦计算得到的，赚的是不是辛苦钱呀。那么，在真正下棋的时候，用它们就能减少或是已经预算了很大的搜索空间，不好的状态，不好的棋子，就不用花时间去看了。在平时不比赛的时候，机器也不会闲着，毕竟还有很多状态没有尝试过，毕竟那些暂时认为不好的棋子不一定最后不好，那怎么办？

AlphaGo 有自己的想法，它求助于强化学习，也就是self-play，或是左右手互搏，来提前尝试更多的搜索空间，减少未知空间，同时通过深度学习的网络模型记录下来，提高前面两个模型网络的效果，那么真正下棋的时候就能用上。这就是平时多努力，老大不白头。这种劳模的精神，在现实生活中，有时会不会被认为时有点“笨”，只会死干。

在强化学习的算法中，也需要大量的迭代计算，以求得到最优的期望值，也就是达到收敛。这种“笨”办法，效果还不错。

有了这些，机器就能玩的可以了，但是，毕竟还有很多的空间没有尝试过，也不能保证当前的模型预测的每一步都是最优，因而，AlphaGo 心里不是特别有底气。那怎么办？这时，机器需要求助于蒙特卡洛了，就是在下棋的过程中，以当前的状态为起点，在有限的时间内，尽量多的再探索一些搜索空间。这个探索的办法，就是暴力采样，一个一个的试，这么看来，是不是有点“笨”。

具体来说，“蒙特卡洛树搜索”是一种启发式的搜索策略，能够基于对搜索空间的随机抽样来扩大搜索树，从而分析围棋这类游戏中每一步棋应该怎么走才能够创造最好机会。来个通俗的解释，假如筐里有100个苹果，让你每次闭眼拿1个，挑出最大的。

于是你随机拿1个，再随机拿1个跟它比，留下大的，再随机拿1个……你每拿一次，留下的苹果都至少不比上次的小。拿的次数越多，挑出的苹果就越大，但你除非拿100次，否则无法肯定挑出了最大的。

这个挑苹果的算法，就属于蒙特卡罗算法，尽量找好的，但不保证是最好的。想像这个拿苹果的场景，是不是就感觉累，而且有点“笨”，然而，对于机器来说，它可是要做巨多的这种尝试。确实是劳模。

好了，好了，AlphaGo 如果你不“笨”，能和人类一样，触类旁通就牛逼，能不能玩一些人类很容易适应的新玩法，还是围棋，比如，将棋盘改成一个比19大的，或是改变下棋时的一个小小规则，这样，也许能更好得证明不“笨”。这个场景，涉及到另外的一个机器学习领域，就是迁移学习。人类，好像特别擅长。

这么看来，你是不是也感觉 AlphaGo 其实挺“笨”的，这个“笨”，其实是人类把自己能解决此类问题，用的最聪明的“笨”办法教给机器了。至少到现在为止，AlphaGo，在还没有像爱因斯坦的E＝MC2的美妙数学公式发明前，也是最聪明的了。

期待不久的将来，AlphaGo 能“抛弃”人类教他的“笨”办法，和爱因斯坦一比高下。那时，让人类真正体验到你的自有的智慧和聪明。