文｜ AI財經社 王鴻宇
編｜楊舒芳
10月19日，谷歌旗下的DeepMind團隊公布了進化後的最強版「阿爾法狗」 ，代號AlphaGo Zero。DeepMind聯合創始人兼CEO 、阿爾法狗之父戴密斯·哈薩比斯稱，「升級後的阿爾法狗更為強大，可以一爭史上最強圍棋手。」
阿爾法狗上一次出現在公眾視野中，還是今年5月在浙江烏鎮圍棋峰會的現場。阿爾法狗直落三盤戰勝世界排名第一的中國棋手柯潔，這位年僅20歲的天才少年曾被認為是狙擊阿爾法狗的唯一可能。
「我輸得沒什麼脾氣。」在賽後新聞發布會上，柯潔說，「AlphaGo跟去年比完全是兩個『人』，第一次時很接近人，現在越來越像上帝了。」
就連戴密斯·哈薩比斯都沒有想到阿法爾狗能達到這樣的高度，「寫出圍棋的評估函數是一件不可能的事情」。因為更多時候，圍棋與棋手的一些類似於「直覺」的東西有關，「圍棋遊戲更像是藝術，而非科學」。
不少網友嘲笑柯潔，因為他曾經此前說過「阿爾法狗能贏下李世石，但是未必能贏我」，「和阿爾法狗下棋，我的勝率在六成」類似的話語。但在與阿爾法狗戰敗後，柯潔豪取22連勝，大家才意識到不是柯潔說大話，而是阿爾法狗太強了。
第一次升級後，就未嘗敗績
正如柯潔所言，阿爾法狗的確換了一個「人」——系統升級後，AlphaGoLee變成了AlphaGoMaster。
在野狐圍棋網橫掃中日韓多位人類圍棋高手後，它取得了60勝0負1平的恐怖戰績。其中的1平，還是因為在與陳耀燁的快棋賽中，陳耀燁意外掉線，系統自動判和。
2016年3月，AlphaGoLee以4:1的比分了戰勝韓國名將李世石九段，引發了圍棋圈的震驚。此前，阿爾法狗的成名戰是5:0戰勝歐洲冠軍、法國國家隊主教練樊麾，但當時，樊麾和外界都認為阿爾法狗並沒有那麼強，至少他是有機會拿下一盤的。
「圍棋有很多不確定的因素，機器的局限性是很多的，在下棋過程中也會出現漏洞，因此之前觀看阿爾法狗跟樊麾的比賽，讓我以為計算機達不到圍棋選手的最高水平。結果大家都知道，我輸了。」慘敗讓李世石改變了他對阿爾法狗的看法。
《南方周末》的報導中提到：阿爾法狗對陣樊麾時，「吃過」的棋譜是3000萬個，但到了挑戰世界棋壇16冠王李世石的時候，嚼進肚子裡的棋譜已經達到1億。
「吃棋譜」正是AlphaGo的主要訓練模式之一，開發者能做的就是儘可能多地把棋譜塞給程序。
此外，Deep Mind團隊在AlphaGo程序中加入了「策略網絡」和「值網絡」的技術。所謂策略網絡，是指程序在吃下過億棋譜後，能夠分析出下一步棋在不同下法時得出的不同勝率。值網絡則是對盤面優勢的判斷機制，以便及時止損和改變下法。
學習3天打之前版本，比分高達100比0
在輸給阿爾法狗後，柯潔豪取22場連勝，拿下全運會圍棋比賽冠軍。但再次升級的阿法爾狗，已經不需要柯潔的棋譜了。
根據《自然》雜誌的最新介紹，Alpha Zero的設計理念和系統配置和Lee/Master完全不同。
此前，Lee/Master都是用上千盤人類業餘和專業棋手的棋譜進行訓練，而升級後的阿爾法狗不依託於人類的先驗成果，不靠「吃棋譜」進步，完全靠自我對弈學習下棋。
AlphaGo Zero之所以能當自己的老師，是用了一種叫強化學習的新模式。系統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝率。
僅僅經過3天的訓練，這套系統已經可以擊敗AlphaGoLee，也就是去年擊敗韓國頂尖棋手李世石的那套系統，而且比分高達100比0。
40天訓練後，AlphaGo Zero總計運行了大約2900萬次自我對弈，使得AlphaGoZero得以擊敗AlphaGoMaster，比分為89比11。
在系統配置方面，AlphaGoZero也比前幾代系統更加節能，AlphaGoLee需要使用幾臺機器和48個谷歌TPU機器學習加速晶片，AlphaGoZero只需要使用一臺配有4個TPU的機器即可。
阿爾法狗贏了李世石後，哈薩比斯說，「阿爾法狗從來都不是我們的唯一，甚至不是我們最重要的研發，我們希望將此應用於更大的真實世界的問題。」升級過後融入了Deep Mind最新技術的新阿爾法狗，目標已經不再只是打敗人類棋手，而是將目光轉向了實際應用方面。