机器之心原创

记者：杜夏德

参与：李泽南、吴攀

　　5 月 23 日，乌镇围棋峰会第一场人机大战以柯洁落败而结束，DeepMind 和谷歌在今天的人工智能高峰论坛中详细回顾了昨天的比赛，并解读了 AlphaGo 背后的强大实力。

第一天比赛结束，DeepMind 创始人 Hassabis 表示，比赛进入了数子阶段，AlphaGo 的优势很小，柯洁完成了一场伟大的比赛。竭尽全力的柯洁表示，此次大赛之后不但不会再与机器交战，也不会利用机器来练习，他「更喜欢与人类棋手下棋，这样自己还有赢的可能。」

比赛之后，DeepMind 在官方网站上发布了一篇对这场比赛的分析解读，机器之心对这篇文章的内容进行了编译介绍。同时，我们还整合了机器之心前方记者发回的一线报道，让我们可以一窥 AlphaGo「让天下三子」的棋力及其背后的技术。

第一局比赛官方回顾

柯洁与 AlphaGo 在围棋峰会上的第一场比赛跌宕起伏，黑棋和白棋都展现了细致入微的精细布局。经过多次局部交锋与创新的变化，AlphaGo 执白坚持到了最后，以 0.5 点（1/4 子）的微小优势获胜。

在开局阶段，柯洁使用了大胆的策略率先发起了攻势，他采用了以往 AlphaGo 最喜欢的举动——点三三。这种策略在 20 世纪 30 年代由围棋界的传奇吴清源与木谷实引入棋坛，并在棋坛流行多年，但在当代棋坛销声匿迹。然而，随着 AlphaGo 的出现，最近柯洁等顶级棋手已经开始尝试在正式比赛中将这一方法复兴了。在柯洁走出点三三后，AlphaGo 以它最喜欢的二间拆应对，柯洁向前延伸，完成了侵入。此前，随着 AlphaGo 在以 Master 名义进行 60 盘网上对局的比赛中，这样的变化正逐渐流行起来。

　　柯洁和 Demis Hassabis 在比赛之前握手

跟着就是一个罕见的三三打入定式，然后 AlphaGo 落下了非常新颖的一子：它没有直接以扭的方式打吃或使用常见的飞，而是在第 24 手使用了大飞扩展了范围。樊麾相信 AlphaGo 此举体现了它自己的哲学：「AlphaGo 的方式并不是在这里那里争夺棋盘局部的空间，而是把每颗棋子都放在对大局最有意义的位置上。这是真正的围棋理论：并不是『我想要得到什么』，而是『我该怎样让每颗棋子都发挥出其最大的潜力』。」

之后，两位棋手在左上角进行了一场激动人心的交换，柯洁在这个过程中表现出色。放弃托角而取得边，黑棋在一场交换中吃掉了四颗白子，而 AlphaGo 评估认为这对双方来说都是理想的结果。柯洁真不愧是世界第一！通过在第 49 手使用的方法，黑棋在下盘威胁到了白棋的厚势，但白棋在第 50 手和 54 手时通过刺和断转变了方向。这些走法的目标并不是直接的跟随，而是在精妙地最大化其在这一区域的实力和未来的主动权。尽管 AlphaGo 更偏爱单关跳来强化其中心实力，柯洁在第 51 手对四颗白子进行了包围，维持了对局部的控制。在第 55 手，一着聪明的试应手让黑棋通过左底部边角来交换更下面的边，柯洁的这一步选择为棋局的未来进展设定了方向。在黑棋在边角存活下来之后，却给了白棋一道外围的铜墙铁壁，柯洁果断地放弃了他在更下面边的棋子，以在上部分获得更强的优势和主动权。

随后，在所占的实地落后的情况下，柯洁被迫充分利用上边，从而在第 97 手下出了雄心勃勃的大跳（这或许是胜负手）。AlphaGo 在第 98 手的反应又迫使柯洁在第 99 手截断这单颗白棋，这一决定性的变化开启了这局比赛的最后一次大范围交换。在收官阶段，柯洁奋力追赶，而 AlphaGo 则保持适当但安全的领先，最终以四分之一子的优势获胜。

DeepMind 希望我们在这场比赛中看到的创新能够成为围棋更多创新的开始，并期待全世界的棋手们都能分析这些下法，并在未来的对弈中尝试它们。

「让天下三子」的棋力和技术

比赛之后，David Silver、谷歌大脑负责人 Jeff Dean 等人在乌镇围棋峰会现场对 AlphaGo 背后的技术进行了解读，以下是机器之心对相关内容的整理解读。

机器之心已经多次报道过了 AlphaGo 的基础技术，可参阅机器之心昨天的报道《柯洁 1/4 子惜败，机器之心独家对话 AlphaGo 开发者导师 Martin Müller》。AlphaGo 结合了监督学习与强化学习的优势。通过训练形成一个策略网络，将棋盘上的局势作为输入信息，并对有所可行的落子位置形成一个概率分布。然后，训练一个价值网络对自我对弈进行预测，以-1（对手的绝对胜利）到 1（AlphaGo 的绝对胜利）的标准，预测所有可行落子位置的结果。

围棋的分支系数非常大：每一颗棋子可能的走法数量超过了整个宇宙的原子数量，而且不像国际象棋，它无法用穷举搜索的方法来得到结果。

为了减少搜索的宽度，AlphaGo 会根据策略网络（policy network）探索哪个位置同时具备高潜在价值和高可能性，进而决定最佳落子位置。

而为了减少搜索的深度，AlphaGo 使用了价值网络来进行评估。虽然 AlphaGo 的价值网络不能准确地计算出影响的数值，但它的价值网络能够在一定深度上一次性考虑棋盘上的所有棋子，以微妙和精确的方式做出判断。正是这样的能力让 AlphaGo 把自己在局部的优势转化为整个比赛的胜势。

AlphaGo 将这两种网络整合进基于概率的蒙特卡罗树搜索（MCTS）中，实现了它真正的优势。

转载请注明出处。