写在李世石人机大战一个月后( 二 )


【写在李世石人机大战一个月后】对一步棋做出决策 , 人和“阿尔法围棋”同样是使用了剪枝+计算这样的形式 。 但是 , 在具体剪枝和计算的方法上 , 人与“阿尔法围棋”又非常不同 。 具体到每一手棋 , 人的直觉来自对类似局面的印象和知识 。 现代竞技围棋所强调的“熟练度” , 在很大程度上因为熟练程度与印象的准确性有很强的关联 。 知识则主要是如“定式”“棋形”“套路”等等人类经验的抽象 。 “阿尔法围棋”的“直觉”是由神经网络给出的选点 , 其本质是大数据和图像 。
剪枝之后 , 还需要对这些选点进行计算和决策 。 棋手的决策由多环节构成 , 主要部分是概念的抽象和逻辑演绎 , 有时在局部近似地使用穷举 , 有时辅以综合了经验和数学的全局判断 , 最终做出选点决策 。 “阿尔法围棋”的搜索计算使用了蒙特卡洛方法 , 对全局进行随机模拟 , 最后与神经网络结合 , 给出选点的胜率预估 。
“阿尔法围棋”基于全局胜率的算法导致了一个结果 , 即它的“大局观”强于“局部计算” , 这是很多人没有想到的 。 计算机确实应该强于计算 , 但对于“阿尔法围棋”来说本来就没有“局部”的概念 。 这是它的弱点 , 也是长处 。 蒙特卡洛的随机性使得“阿尔法围棋”不追求最优 , 最优的判定依赖于逻辑 , “阿尔法围棋”的决策则依赖概率 , 概率的准确性不如逻辑 。 因此我们常常会看到“阿尔法围棋”下出一些急于“定型”甚至稍亏的棋 , 这是由于它认为对方虽然大概率会正确应对 , 但每步棋都有犯错的概率 。 “定型”的下法用稍亏换取这个概率 , 对于它的胜率而言是有利的 。 当然 , 从逻辑的角度 , 这类定型对方犯错的概率可以忽略不计 , 因此棋手通常会选择“保留变化” 。
棋手常常无法对全局有十分清晰的把握 , 因此希望在局部通过计算和逻辑找到最优下法 , 对全局的判断也常常是根据局部优劣的叠加 。 “阿尔法围棋”“不拘小节” , 却总是对全局有更为清晰的认识 。 这让我们反思 , 对局部最优的追求是否遮蔽了我们对全局的把握?
大局观 , 整体性 , “阿尔法围棋”给人类上了一课——虽然它“自己”并不知道 。
3 “阿尔法围棋”的“创造力”分析
春信香深雪 , 冰肌瘦骨绝 。
梅花不可知 , 何处东风约 。
这是一首咏梅绝句 , 作者名叫“薇薇” 。
薇薇是个人工智能 。
三月十日下午 , “阿尔法围棋”对阵李世石第二局 , 落下第三十七手 。 这是围棋中少见的惊艳一手 , 吴清源大师的风采跃然盘上 。
写在李世石人机大战一个月后
本文插图

(如今 , 五路肩冲司空见惯 , 但当时 , 屏幕上出现AlphaGo这手棋时 , 不少人质疑黑方不会下棋)
“阿尔法围棋”是个人工智能 。
读者若以为薇薇是一女子 , 或许会由此诗而产生与作者的情感共通 。 那么 , 诗中传递的情感与美 , 究竟是作者所赋予 , 还是读者所赋予?“阿尔法围棋”的“创造性”着法 , 究竟意味着什么?
机器本身没有情感 , 但当我们把机器的作品误认为人的作品时 , 便很可能从作品里体会到作者的“情感” 。 这是艺术学里一个值得探讨的重要问题 。 克莱夫·贝尔将艺术的本质属性定义为“有意味的形式” , 那么 , 机器是否也能“创造”出这种“有意味的形式”?
在这次人机对弈之前 , 我们认为围棋软件没有创造力 , 它只是会单纯地模仿人类棋谱而已 。 但在这五局棋中 , 我们看到“阿尔法围棋”下出了很多超出定式范围的、棋谱中没有的精彩招法 。 其“创新频率”远高于任何一名职业棋手 。
这是一件值得深思的事情:“阿尔法围棋”到底有没有创造力?
如果“阿尔法围棋”这五盘棋是一个人类棋手下出来的 , 我们不仅会赞叹他的实力 , 还会评价他“极富创造力” 。 围棋盘上的“创造力” , 正是体现在超出寻常经验的有效选点和构思 。 这样的创新 , 是许多追求棋道的棋士穷其一生去追寻的东西 , 它标志着对固有思维的突破、对平庸的超越 , 以及对真理的趋近 。


推荐阅读