人工智能之父：AlphaGo赢不赢都缺乏用处

    人机对战无疑是4月10日的新闻焦点之一。一边在海南澄迈，德州扑克人工智能“冷扑大师”（Libratus）经过5日激战，在33000手一对一无限注德扑比赛中完胜中国“龙之队”的6名高手，斩获200万人民币奖金；另一边在北京的中国棋院，谷歌宣布被中国网民称为“阿尔法狗”的围棋人工智能AlphaGo将在5月下旬的乌镇对阵柯洁领衔的中国顶尖棋手，上演终极一战。
    一南一北，一牌一棋，两则人机对战重磅消息在同一天出炉，虽然未必是有意针锋相对，但也足够令无心的观众相互比较。有些读者认为，连围棋这样高深的智力运动都早已被阿尔法狗拿下，扑克这样门槛低、上手简单的大众娱乐又何足挂齿呢？但反方则指出，扑克不是单纯靠计算的游戏，牵扯到很多心理上的博弈，有时甚至需要“飙演技”，AI能掌握这类游戏有些匪夷所思。
    那么，德扑和围棋这两种智力游戏，对AI来说到底有什么区别？哪个难度更大一些？针对这些问题，就冷扑大师和阿尔法狗的相关资料进行了梳理与比较。
    托马斯 桑德霍姆（Tuomas Sandholm） 资料图
    不过，冷扑大师的开发者、美国卡内基梅隆大学（CMU）计算机系教授托马斯 桑德霍姆（Tuomas Sandholm）在听到阿尔法狗将来华挑战的消息后，评价非常的简单：问题的关键并不在于中国顶尖棋手能不能赢，而在于生活中几乎不存在像围棋这样的“完美信息游戏”，因而阿尔法狗也缺乏实用场景。
    围棋和德扑对于AI来说，性质是不是一样的？
    自1988年CMU开发的“奥赛罗”程序击败世界黑白棋冠军以来，人类就在棋类游戏上节节败退。1997年，IBM的计算机“深蓝”击败了国际象棋棋坛神话卡斯帕罗夫，使人机对战在当时达到了舆论高峰，其影响力绝不亚于去年阿尔法狗击败韩国棋手李世石。
    计算机程序攻克这些棋类游戏的方法在本质上是一样的：搜索。下每一步棋都是一个决策点，在决策点上分化出不同的可能性，而整盘棋也就形成了一棵不停分叉的决策树。而计算机所做的，就是在每一个决策点上搜索胜率最大的那条路径。
    因而难度主要取决于决策点的数量。决策点越多，搜索难度自然越大。黑白棋的搜索量只有10的十几次方，国际象棋是10的四十几次方，而围棋的搜索量达到了惊人的10的170次方。
    不过，也正因为围棋的搜索量太大，完全精确的结果是不可能得到的。因而，阿尔法狗在蒙特卡洛树搜索算法（Monte Carlo Tree Search）的基础上，结合走棋网络（Policy Network）、快速走子（Fast rollout）和价值网络（Value Network）进行预测和评估，得到尽可能接近最优的解。虽然阿尔法狗这个过程中做出了巨大突破，但它本质上还是在搜索。
    
    
    1  2  下一页>