电脑围棋“大师”挑战人类尊严最敏感地带

原标题：电脑围棋“大师”挑战人类尊严最敏感地带

　　一篇《自然》杂志封面文章28日引爆舆论——名为“阿尔法围棋”（Alpha Go）的谷歌计算机程序，在完全平等条件下以5∶0完胜欧洲冠军、职业围棋二段棋手樊麾。《自然》以“All SYSTEMS GO”为题报道，指出计算机围棋战胜人类冠军一切已然就绪。

　　这当然不是说说而已：Alpha Go已经约战近10年来获世界冠军头衔最多的棋手、韩国天才李世石九段，奖金是由谷歌提供的100万美金。

　　国内媒体甚至用“人类最后的智力骄傲即将崩塌”来渲染此事，似也有据可依：两个月前，首届世界计算机围棋锦标赛冠军“石子旋风”（Dolbaram）对决中国现任围棋名人连笑，结果被让4子、被让5子负，被让6子胜，就被誉为“历史性的突破”；此前，计算机围棋甚至不足以成为业余高段位棋手的对手，对弈职业棋手，被让9子几无胜绩……放在18年前超级计算机“深蓝”战胜国际象棋世界冠军卡斯帕罗夫之后、计算机围棋博弈水平仍一直远低于人类的大背景下，Alpha Go敢于挑战世界顶尖棋手，确有一种石破天惊的震撼效应。

　　那么这一次，计算机围棋战胜人类，真的近在眼前了吗？

　　人类智力运动“皇冠上的明珠”

　　计算机围棋之难，首先难在这项被称为人类智力运动“皇冠上的明珠”本身的多重复杂性。“最简单的规则，最复杂的变化”，是对围棋最简单明了的概括。

　　“围棋具有巨大的状态空间复杂度和博弈树复杂度，又在本质上无法做准确的静态盘面评估”，这使得即使采样样本足够大，也有力所不逮之处。北京邮电大学教授、计算机围棋研究所所长刘知青用以下一组数据来说明：状态空间复杂度（用于搜索），围棋是10172，中国象棋、国际象棋分别是1048、1046；博弈树复杂度（用于决策），围棋是10300，中国象棋、国际象棋分别是10150、10123。

　　另一重复杂，是围棋落子选点无法验证。一手棋有多大价值，数学证明，或搜索验证，都难以胜任。“分析围棋棋子位置，数目的多少，以及棋子之间的静态关系（例如影响函数），无法完整、准确地评判围棋棋子的作用和最终死活；围棋棋子的作用和最终死活必须由博弈的具体进程决定”。

　　令人震惊的巨大突破

　　尽管Alpha Go此次完胜的对手并非职业顶尖棋手，中国围棋队总教练余斌九段仍感觉“吃惊”。以往认为，计算机围棋“100年都不会有突破”的他，从中看到“关键的突破点已被找到”。

　　刘知青把它看作“远超过去”的巨大突破——已公布的五局棋谱，经国内“准一线”棋手察验，质量很高，“虽然离一线水准还有差距，但差距不大”。

　　具有相当棋力、一直从事“互联网＋围棋”的北京万同科技有限公司CEO陈雷注意到，五局棋的对弈时间早于去年11月份的首届世界计算机围棋锦标赛，而彼时的赛后沙龙上，几乎所有计算机围棋技术从业者都相当乐观地认可，计算机棋手平等战胜人类，会在15—20年内发生。其实陈雷在“乐观派”中亦属最乐观的，当时他就认为“10年内必有突破”；但“谷歌默默无闻地做，一下子拿出来”，仍“令人震惊”。

　　深度神经网络让Alpha Go显著进步

　　乐观的理由，在于近年来“蒙特卡洛算法”的应用，它在解决围棋盘面“一手棋有多大价值、怎样判断形势优劣”两大核心问题上，比前辈做的都好。

　　但此次Alpha Go明显更进了一步。刘知青、陈雷介绍，它应用了目前人工智能领域最热门的卷积神经网络技术，能模拟人脑神经元，具有深度学习、主动识别、自适应等功能，在图像处理方面异常强大。

　　比如，作为其核心的两种深度神经网络“策略网络”（policy network）和 “价值网络”（value network）的成功应用：前者，将盘面落子选点从几百、几十个大大缩减为三五个，逐渐接近职业棋手；后者，也是最难的，在盘面形势判断上，通过职业棋手棋谱的验证、筛选，给出下一步的预判，这比以往基于海量数据的“蒙特卡洛树搜索”（未加任何验证）对职业棋手盘面符合率达到40%—50%要好很多。

　　在此情况下，专业人士所最担忧的“所有技术开发人员都不知道职业棋手是怎么想的”，似可迎刃而解。

　　Alpha Go会是另一个“深蓝”吗？

　　至于令人瞩目的3月份人机约战，包括对计算机围棋最乐观的人在内，迄今没有人明确表示Alpha Go会是另一个“深蓝”。

　　“具体结果不好说”，刘知青没有明确胜负倾向，但技术发展这么快，看不到“天花板”，“还有两个月时间，谁知道会发生什么”。