AlphaZero登上《科學》封面:一個算法「通殺」三大棋,完整論文首次...

文章轉自公眾號：量子位(ID：QbitAI)，作者：乾明 一璞 慄子 曉查

不僅會下圍棋，還自學成才橫掃西洋棋和日本將棋的DeepMind AlphaZero，登上了最新一期《科學》雜誌封面。

同時，這也是經過完整同行審議的AlphaZero論文，首次公開發表。

論文描述了AlphaZero如何快速學習每個遊戲，如何從隨機對弈開始訓練，在沒有先驗知識、只知道基本規則的情況下，成為史上最強大的棋類人工智慧。

《科學》雜誌評價稱，能夠解決多個複雜問題的單一算法，是創建通用機器學習系統，解決實際問題的重要一步。

DeepMind說，現在AlphaZero已經學會了三種不同的複雜棋類遊戲，並且可能學會任何一種完美信息博弈的遊戲，這「讓我們對創建通用學習系統的使命充滿信心」。

AlphaZero到底有多厲害?再總結一下。

在西洋棋中，AlphaZero訓練4小時就超越了世界冠軍程序Stockfish;

在日本將棋中，AlphaZero訓練2小時就超越了世界冠軍程序Elmo。

在圍棋中，AlphaZero訓練30小時就超越了與李世石對戰的AlphaGo。

AlphaZero有什麼不同

西洋棋有什麼難的?

實際上，西洋棋是計算機科學家很早就開始研究的領域。1997年，深藍擊敗了人類西洋棋冠軍卡斯帕羅夫，這是一個人工智慧的裡程碑。此後20年，西洋棋的算法在超越人類後，一直還在不斷地進步。

這些算法都是由強大的人類棋手和程式設計師構建，基於手工製作的功能和精心調整的權重來評估位置，並且結合了高性能的alpha-beta搜索。

而提到遊戲樹的複雜性，日本將棋比西洋棋還難。日本將棋程序，使用了類似西洋棋的算法，例如高度優化的alpha-beta搜索，以及許多有針對性的設置。

AlphaZero則完全不同，它依靠的是深度神經網絡、通用強化學習算法和通用樹搜索算法。除了基本規則之外，它對這些棋類遊戲一無所知。

其中，深度神經網絡取代了手工寫就的評估函數和下法排序啟發算法，蒙特卡洛樹搜索(MCTS)算法取代了alpha-beta搜索。

AlphaZero深度神經網絡的參數，通過自我博弈的強化學習來訓練，從隨機初始化的參數開始。

隨著時間推移，系統漸漸從輸、贏以及平局裡面，學會調整參數，讓自己更懂得選擇那些有利於贏下比賽的走法。

那麼，圍棋和西洋棋、將棋有什麼不同?

圍棋的對弈結局只有輸贏兩種，而西洋棋和日本將棋都有平局。其中，西洋棋的最優結果被認為是平局。

此外，圍棋的落子規則相對簡單、平移不變，而西洋棋和日本將棋的規則是不對稱的，不同的棋子有不同的下法，例如士兵通常只能向前移動一步，而皇后可以四面八方無限制的移動。而且這些棋子的移動規則，還跟位置密切相關。

儘管存在這些差異，但AlphaZero與下圍棋的AlphaGo Zero使用了相同架構的卷積網絡。

AlphaGo Zero的超參數通過貝葉斯優化進行調整。而在AlphaZero中，這些超參數、算法設置和網絡架構都得到了繼承。

除了探索噪聲和學習率之外，AlphaZero沒有為不同的遊戲做特別的調整。

5000個TPU練出最強全能棋手

系統需要多長時間去訓練，取決於每個遊戲有多難：西洋棋大約9小時，將棋大約12小時，圍棋大約13天。

只是這個訓練速度很難復現，DeepMind在這個環節，投入了5000個一代TPU來生成自我對弈遊戲，16個二代TPU來訓練神經網絡。

訓練好的神經網絡，用來指引一個搜索算法，就是蒙特卡洛樹搜索 (MCTS) ，為每一步棋選出最有利的落子位置。

每下一步之前，AlphaZero不是搜索所有可能的排布，只是搜索其中一小部分。

比如，在西洋棋裡，它每秒搜索6萬種排布。對比一下，Stockfish每秒要搜索6千萬種排布，千倍之差。

△ 每下一步，需要做多少搜索?

AlphaZero下棋時搜索的位置更少，靠的是讓神經網絡的選擇更集中在最有希望的選擇上。DeepMind在論文中舉了個例子來展示。

上圖展示的是在AlphaZero執白、Stockfish執黑的一局西洋棋裡，經過100次、1000次……直到100萬次模擬之後，AlphaZero蒙特卡洛樹的內部狀態。每個樹狀圖解都展示了10個最常訪問的狀態。

經過全面訓練的系統，就和各個領域裡的最強AI比一比：西洋棋的Stockfish，將棋的Elmo，以及圍棋的前輩AlphaGo Zero。

每位參賽選手都是用它最初設計中針對的硬體來跑的：

Stockfish和Elmo都是用44個CPU核;AlphaZero和AlphaGo Zero用的都是一臺搭載4枚初代TPU和44個CPU核的機器。

(一枚初代TPU的推理速度，大約相當於一個英偉達Titan V GPU。)

另外，每場比賽的時長控制在3小時以內，每一步棋不得超過15秒。

比賽結果是，無論西洋棋、將棋還是圍棋，AlphaGo都擊敗了對手：

西洋棋，大比分擊敗2016 TCEC冠軍Stockfish，千場只輸155場。

將棋，大比分擊敗2017 CSA世界冠軍Elmo，勝率91.2%。

圍棋，擊敗自學成才的前輩AlphaGo Zero，勝率61%。

不按套路落子

因為AlphaZero自己學習了每種棋類，於是，它並不受人類現有套路的影響，產生了獨特的、非傳統的、但具有創造力和動態的棋路。

在西洋棋裡，它還發展出自己的直覺和策略，增加了一系列令人興奮的新想法，改變了幾個世紀以來對西洋棋戰略的思考。

西洋棋世界冠軍卡斯帕羅夫也在《科學》上撰文表示，AlphaZero具備動態、開放的風格，「就像我一樣」。他指出通常西洋棋程序會追求平局，但AlphaZero看起來更喜歡風險、更具侵略性。卡斯帕羅夫表示，AlphaZero的棋風可能更接近本源。

卡斯帕羅夫說，AlphaZero以一種深刻而有用的方式超越了人類。

西洋棋大師馬修·薩德勒(Matthew Sadler)和女性國際大師娜塔莎·裡根(Natasha Regan)即將於2019年1月出版新書《棋類變革者(Game Changer)》，在這本書中，他們分析了數以千計的AlphaZero棋譜，認為AlphaZero的棋路不像任何傳統的西洋棋引擎，馬修·薩德勒評價它為「就像以前翻看一些厲害棋手的秘密筆記本。」

棋手們覺得，AlphaZero玩這些遊戲的風格最迷人。

西洋棋特級大師馬修·薩德勒說：「它的棋子帶著目的和控制力包圍對手的王的方式」，最大限度地提高了自身棋子的活動性和移動性，同時最大限度地減少了對手棋子的活動和移動性。

與直覺相反，AlphaZero似乎對「材料」的重視程度較低，這一想法是現代遊戲的基礎，每一個棋子都具有價值，如果玩家在棋盤上的某個棋子價值高於另一個，那麼它就具有物質優勢。AlphaZero願意在遊戲早期犧牲棋子，以獲得長期收益。

「令人印象深刻的是，它設法將自己的風格強加於各種各樣的位置和空缺，」馬修說他也觀察到，AlphaZero以非常刻意的方式發揮作用，一開始就以「非常人性化的堅定目標」開始。

「傳統引擎非常強大，幾乎不會出現明顯錯誤，但在面對沒有具體和可計算解決方案的位置時，會發生偏差，」他說。 「正是在這樣的位置，AlphaZero才能體現出『感覺』，『洞察』或『直覺』。」

這種獨特的能力，在其他傳統的西洋棋程序中看不到，並且已經給最近舉辦的世界西洋棋錦標賽提供了新的見解和評論。

「看看AlphaZero的分析與頂級西洋棋引擎甚至頂級大師級棋手的分析有何不同，這真是令人著迷，」女棋手娜塔莎·裡根說。 「AlphaZero可以成為整個西洋棋圈強大的教學工具。」

AlphaZero的教育意義，早在2016年AlphaGo對戰李世石時就已經看到。

在比賽期間，AlphaGo發揮出了許多極具創造性的勝利步法，包括在第二場比賽中的37步，這推翻了之前數百年的思考。這種下法以及其他許多下法，已經被包括李世石本人在內的所有級別的棋手研究過。

他對第37步這樣評價：「我曾認為AlphaGo是基於概率計算的，它只是一臺機器。但當我看到這一舉動時，我改變了想法。當然AlphaGo是有創造性的。「

不僅僅是棋手

DeepMind在博客中說AlphaZero不僅僅是西洋棋、將棋或圍棋。它是為了創建能夠解決各種現實問題的智能系統，它需要靈活適應新的狀況。

這正是AI研究中的一項重大挑戰：系統能夠以非常高的標準掌握特定技能，但在略微修改任務後往往會失敗。

AlphaZero現在能夠掌握三種不同的複雜遊戲，並可能掌握任何完美信息遊戲，解決了以上問題中重要的一步。

他們認為，AlphaZero的創造性見解，加上DeepMind在AlphaFold等其他項目中看到的令人鼓舞的結果，帶來了創建通用學習系統的信心，有助於找到一些新的解決方案，去解決最重要和最複雜的科學問題。

DeepMind的Alpha家族從最初的圍棋算法AlphaGo，幾經進化，形成了一個家族。

剛剛提到的AlphaFold，最近可以說關注度爆表。

它能根據基因序列來預測蛋白質的3D結構，還在有「蛋白質結構預測奧運會」之稱的CASP比賽中奪冠，力壓其他97個參賽者。這是「證明人工智慧研究驅動、加速科學進展重要裡程碑」，DeepMInd CEO哈薩比斯形容為「燈塔」。

從2016年AlphaGo論文發表在《自然》上，到今天AlphaZero登上《科學》，Alpha家族除了最新出爐的AlphaFold之外，AlphaGo、AlphaGo Zero和AlphaZero已經全部在頂級期刊Nature和Science上亮相。

期待轟動科研界的AlphaFold論文早日露面。

特別聲明：本文為合作媒體授權DoNews專欄轉載，文章版權歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉載請聯繫原作者及原出處獲取授權。