AI的进步：模仿人类行为转变为自我学习

　　大约20年前，深蓝系统打败世界国际象棋冠军，但是当时的系统并没有做出多少真正的创造性贡献，现在不一样了。本文编译自medium原题为“How Computers Are Reinventing Chess”的文章。

　　这是一款标准的休闲游戏，供玩家在卧室玩，从开局到将死，大约只需要9分钟。一边是国际象棋世界冠军马格努斯?卡尔森 （Magnus Carlsen），他是当之无愧的神童，13岁就成为了国际象棋特级大师。另一边是iPhone程序Play Magnus App，程序能模仿卡尔森的下棋习惯。卡尔森将机器的年龄下调到18岁，然后与程序对决，但卡尔森还是遭遇了挑战。最开始几分钟，卡尔森被出乎意料的攻击打得十分狼狈，然后他继续奋战，想与App打平，但最终还是投降。我们似乎看到App居高临下说：“你需要好好磨练一下棋艺，让我们再试一次吧！”卡尔森只能用微笑回应。

　　事件没有什么特殊的。事实上，卡尔森已经发布多段视频，讲述自己与不同年龄虚拟棋手对决的故事。这些视频清楚告诉我们：不论是输是赢，电脑都是卡尔森最不喜欢的对手。

　　国际象棋可能是一项很优雅的游戏，但是深蓝的游戏策略瞄准的却是丑陋的蛮力。当时深蓝还没有用上神经网络、机器学习策略。相反，深蓝用强大的原始力量推测潜在举动，速度达到每秒2亿步。

　　深蓝系统根据各种不同的参数评估每一步，然后为每一项参数赋值。研究人员对将近100万局大师下的棋局进行分析，站长资源平台然后给参数确定权重，接下来再让国际象棋大师优化。深蓝系统的下棋方法等于是将无数大师棋局拼凑在一起的，因为系统拥有足够大的原始计算力，所以它可以预测未来，避免发生大错误。

　　到了今天，全球已经有十多个计算机国际象棋引擎，所有引擎都在标准硬件之上运行，它们还高度依赖过去200年积累的国际象棋历史。在竞赛中，国际象棋引擎可以搜索海量数据库，在比赛开始之前找到开局。到了盘中时，系统可以确保自己站在有利位置。在棋局结束之前，系统可以使用各种策略，它不断搜索数据库，让每一步接近完美。

　　至于国际象棋引擎评估权重的规则，它们是由一大群国际象棋精通者协助制定的。贡献者提出算法修改建议，然后再制作测试版本，接下来新老版本对决，直到研究人员确定哪个版本更优秀。

　　国际象棋使用的是Elo评级系统，就是说系统会根据打败对手的可能性判断权重。不过要将计算机与人的表现对比是一件难事，因为能与计算机抗衡的人很少，有兴趣这样做的人也很少。

　　机器可以轻轻松松连续比赛1000局，所以将计算机与人做比较只能估计。尽管如此，只要你看一眼当今顶尖人类与顶尖国际象棋引擎的数据，就能看到一幅“人类绝望图”。

　　从数据看，计算机是统治者，但它并不完美。它们无法预测棋局的结尾，因为结果的可能性比宇宙中的原子还要多。想打败人类世界冠军，引擎没有必要完美。计算机只要保持一致、不知疲倦、不犯明显错误就行了。

　　国际象棋实际上很重视积累，这点可能是外行人忽视的。有许多国际象棋冠军说，新一代最终会击败老一代，之所以这样并不是因为他们更年轻、更有精力，而是因为他们可以获得更多知识。如果用创造棋步的标准来衡量，计算机本来比不上人类，但最近出现了变化。

　　2017年，谷歌资助的公司DeepMind展示第一代深度学习系统AlphaZero。最开始时AlphaZero并没有内置国际象棋知识，里面没有开局步法目录，也没有几百万局大师下的棋，它只知道下棋的规则，除此再无其它。

　　不过AlphaZero会学习，而且学习的速度很快。它自己与自己下棋，下几个小时就能达到大师水平。一天结束时，AlphaZero已经拥有精湛的技艺，可以打败有限版Stockfish国际象棋引擎。去年，Stockfish又打败了完整版Stockfish。

　　当AlphaZero学习时，人类可以观察到它的进步，看着它从初步者进化为大师，然后继续时化。

　　AlphaZero和Stockfish使用的硬件基本一样，但是AlphaZero每秒分析的步数只有Stockfish的千分之一，AlphaZero的优势不在分析速度，而是学习。卡斯帕罗夫分析棋步之后感叹说，AlphaZero就像他自己一样拥有动态风格。马修?萨德勒（Matthew Sadler）则说：“AlphaZero找到了过往最佳棋手的秘密笔记本。”它如同一个会下国际象棋的外星人降临在人类的头顶。

　　AlphaZero和之前的计算机国际象棋程序有一个很大的不同：AlphaZero不需要模拟人类，它装备神经网络，可以自己理解棋局。AlphaZero不只打败了人类，它也许还能帮助人类理解国际象棋，之前没有计算机系统能做到，AlphaZero算是第一个。相比当年深蓝系统击败卡斯帕罗夫，AlphaZero的意义似乎更重大。