人生的博弈，输赢不是最重要的，但狗生的博弈就是要赢！

　　今天将进行柯洁和AlphaGo对弈三番棋的最后一局，下午对局结果出来后，恐怕再鲜有这样的人机对弈了。

　　在这之前，AlphaGo已经和柯洁对弈过两局，和古力、连笑配对赛一局、和五大高手团队赛一局。四局比赛均是AlphaGo胜，棋下到这，AlphaGo开始展现出了更多让人疑惑不解的下棋风格。

　　比如官子退让。

　　AlphaGo在中盘走棋的风格都是很强势的，但是到了官子阶段，表现往往大跌眼镜。

　　到底是Bug还是“故意放水”，我们先了解一下这个让狗非常纠结“官子”到底是什么。

　　所谓官子，也就是收官的意思，“收官”这个词也是这么来的，跟一场球、一个大会、甚至一个自然年一样，一场围棋进入官子阶段的时候，就是快要结束的时候，这个时候，大局基本已定，只需要处理一些零碎的事物。对于一盘棋来说，就是处理一些零碎的空地。专业点的说法也叫“详细点目”。

　　下围棋就是一个占地盘的过程，每走一步棋的目的，都是希望能拥有更大的地盘。等到棋越下越多，大的空地已经被抢完，双方就要从小的空地入手，这时候就是在收官子。

　　虽然中盘被认为是确立胜负的关键，但高手对弈的时候，即便在官子阶段也不会掉以轻心，因为棋没有下到最后一步，谁也不知道会发生什么，对手随时有可能在官子翻盘。

　　在23日和柯洁对弈的第一局比赛的官子阶段，面对柯洁的强硬招数，AlphaGo反而一改之前的凶悍，变得非常保守，能让的子都让了。

　　在26日的团队赛中，面对五位围棋高手，AlphaGo依然取胜，但是仍在官子阶段给了对手机会，并且规避一切复杂变化。甚至在小官子阶段走出了看起来完全没用的棋，被团灭的五大棋手哭笑不得，甚至代为执棋的黄博士都忍不住要笑了。

　　

　　这不是AlphaGo第一次出现这种“事故”。

　　今年一月AlphaGo化身Master键盘侠在网上横扫各大高手的时候，就常在官子阶段退让，芈昱廷和朴廷桓都曾仅以半目惜败。这造成人类棋手在官子阶段比AlphaGo强的印象：失了中盘，也总能在官子追回一二吧。

　　

　　此前日本围棋老将赵治勋和日版阿法狗DeepZenGo进行对局的时候，柯洁就在微博上给赵治勋提建议：

　　“和AlphaGo拥有同样技术的ZenGo，私底下我有一定的了解。我其实一直在研究、与别人探讨，深度学习技术的计算机到底有何弱点，也亲自实战过。如果赵老能看的见我的微博，请留心我的建议：无论局面如何都不要认输，拖到官子，刮爆它。”

　　

　　在Zen的身上，柯洁认为官子阶段是弱点。

　　但也有很多人认为，在官子阶段，人类棋手虽然还在对棋盘上剩下的领地焦灼，但是狗已经认准了自己能赢。所以才一再退让，狗其实就是故意在让子。

　　

　　至于狗为什么会在官子处处退让，大家此前有很多猜测，不过大致集中在两个方向上：

　　猜想一：你们都以为围棋下到官子就简单了，但实际官子才是对AI来说最难的。

　　人的“棋感”是多年的走棋的经验判断，AlphaGo的“棋感”则是神经网络训练的结果。首先通过策略网络缩小落子的选择范围，然后通过穷举搜索模拟走棋到一定程度，这时候会生出许多可能性的分支。

　　但是这些分支太多，即便对于能力再强大的计算机来说也是过重的负担，所以要进行“剪枝”，通过价值网络评分，权衡比较，剪掉没用的支，选择一个最能赢的点。

　　

　　在布局和中盘阶段，棋子落在不同的地方，导致的后果是很不一样的，长枝和短枝差得多，剪起枝来非常方便，同时计算的负担也会小很多。

　　但是官子带来的困惑就多了，官子阶段，棋盘上到处都是棋子，到处都是子力（每一个棋子给外界带来的影响）。对于算法来说，可以选择的点越来越多，并且这些点之间的差距越来越小。

　　所以，看似棋局接近尾声，对于人类棋手来说，可能棋局是越来越明朗，但是对于对于算法来说是越来越困惑。

　　在这个时候如果盲目剪枝，就可能会遗漏有价值的落子点。但是如果扩大选择范围，又会带来大量搜索和计算的负担。

　　最后导致AlphaGo在官子阶段漏洞百出。

　　猜想二：狗的策略是“赢不贪多”。

　　AlphaGo寻求的是简明处理，也就是说，在模拟出来的众多胜利之路中，找到第一条胜率更大的路一直走到黑。

　　可以假设，AlphaGo在棋盘上找到了1000种赢的可能，但是有990种都是只赢半目，只有10种可以赢十目。

　　按照既定的策略，也就是价值网络评分的标准，狗会选择最保守但能确保获胜的那990种棋。赢的多少，并没有作为AlphaGo价值判断和打分的目标。

　　如果一个点收官可能赢50目但有50%的几率崩盘，另一个点可以赢5目但100%取胜，胜率优先原则永远是后者，不是故意退让。

　　到底AlphaGo如何能保持精准的只赢半目，在25日第二局比赛结束的发布会上，DeepMind创始人Demis Hassabis给出了标准答案：

　　“第一盘棋的官子阶段，AlphaGo在做的只是让自己的胜率最大化，因此在比赛的最后阶段，可能会在某些局部的点做一些放弃，AlphaGo只是专注于胜率，其它并不重要。 ”

　　所以正确答案是猜想二，包含一些猜想一的猜测，整个狗在下整盘棋的时候，是一个很复杂的计算过程，但是它的目标是很简单的，就是保证能赢，为此可以放弃一些局部。

　　甚至可以反过来应用这个规律，只要在官子阶段狗开始步步退让，就说明它已经赢了。

　　所以为什么不在AlphaGo的程序中写入一个“赢越多越好”的目标呢？

　　被当做故意放水，狗也很委屈，如果想要保证每盘即能赢，又能赢得多，还要看工程师是否能加上一个“赢几目”的补丁了。

　　等等，这样的补丁原来也是有的！

　　有一种叫做Dynamic Komi的东西，翻译过来叫做动态贴目。这个补丁的用途，简单来说就是防止电脑在被让子时下出太保守的棋，AlphaGo的团队曾在一篇论文《Mastering the game of Go with deep neural networks and tree search》中明确指出Alpha Go没有使用动态贴目。

　　论文没有指明原因，但是试用过动态贴目的人表示，动态贴目很容易下出漂亮的棋，但是会导致胜率降低。

　　所以，和人类棋手想要下手漂亮棋不同，狗被设定的目标是赢就行了，随便赢成什么样。

　　

　　但是AlphaGo也不总是能赢的，26日上午，它就下了一场必输的棋，但不是故意输的。

　　昨天上午进行了一场配对赛：对弈双方分别为古力九段和连笑九段，并会各自配一个AlphaGo外挂，和自己轮流执棋。这就是说，不管输的是哪方，都有AlphaGo的份。

转载请注明出处。