阿尔法狗柯洁 为什么说柯洁与阿尔法狗的第二局棋特别精彩?
今天的比赛很精彩,柯洁的发挥非常出色。这次比赛说是比赛,其实更像是以比赛的形式进行测试,一方面是人类测试机器的算法,另一方面是人类借助机器测试自己的下法。
今天柯洁的思路是将棋局导向乱战,然后看看AlphaGo在复杂的全盘性战斗中会不会出现什么bug。事实上柯洁成功将棋局导向混乱了,并且在各种局部保留变化,以增加程序的计算量。我们知道以AlphaGo为代表的第三代计算机围棋程序,为了减少计算量,特别不喜欢保留,喜欢把各种局部都尽早的定型,好减少后续分支,加强搜索的准确性。
柯洁要让局面复杂,就反其道而行之。最终柯洁在乱战中首先失误,而AlphaGo在乱战中表现稳健。
现在很多人有个误区,认为计算机的计算力强大,所以人类不应该像今天这样和程序硬拼计算力。这种看法其实是不对的。
首先,围棋的本质就是计算,围棋的规律理论上来说归根结底是可以以强逻辑总结的,只不过因为计算空间过大,我们不得不以各种虚路棋,总结我们眼中的棋理,形成我们自己的常识,用我们的棋感寻找正确的方向。不拼计算,就不能下围棋了。
然后,第三代计算机围棋程序的基本框架思路,是深度神经网络 蒙特卡洛算法,深度神经网络进行学习积累,其实掌握的是自己的常识库,蒙特卡洛算法按照自己的思路对后续变化进行剪枝,然后对缩减后的计算空间进行大量搜索,跑出大量棋局后统计胜率,得出胜率最高的选点。
按照大量数据进行统计得到最高概率,用这种思路得出的不同棋步间的关系只能是相关关系,而不能得到因果关系,对统计或计量学稍微优点常识的都清楚。所以第三代程序显示出了强大的棋感和大局观,但在过于复杂的强逻辑长分支中,有可能出现失误,注意只是有可能,毕竟大多数时候大量棋局跑出来的下法,也是能得到强逻辑的后续答案的。
最后,AlphaGo是新科技的产物,也是人类的新工具。工具是拿来用的,对人工智能领域来说,这个工具可以用来检验模型和算法;对围棋领域来说,这个工具可以用来帮助人类更好的探索围棋,并提升自我。就算将来的更新一代程序,真的在强逻辑上也无懈可击了,人类仍然可以和其硬拼计算力。胜过工具不是目的,用工具自我砥砺才是目的。这么说大家能理解了吧?
这次的人机对弈,大家完全可以看成是一次测试,花样的测试可以让我们更了解围棋,也能让我们更了解算法,无论那一项都是不菲的收获。
