知己知彼，才有胜利的机会。

对AlphaGO不了解，说输赢都是比较盲目的。越多了解AlphaGO的设计和实现，就越能解释8盘对局中AlphaGO的表现，才可能发现与AlphaGO对战的机会。

 

首先，人们普遍被AlphaGO对樊辉的5：0对局误导。认为它不过2段水平。其实，这是个错误的认识。与李世石的第一局比赛后，AlphaGO的工程师说，AlphaGO始终认为第一局优势，遭到围棋界人士的一致耻笑。AlphaGO的工程师说，AlphaGO采用的是最优化赢棋的概率策略。就是说，如果A选择赢20目概率70%，而B选择赢2目概率95%，那么AlphaGO选择B。这就导致AlphaGO遇弱则弱，遇强则强的特点。换句话说，与樊辉下，AlphaGO以95%的概率赢下比赛，下的招数不一定是KO对手。与小李下的这三局，AlphaGO以70%的概率赢下了比赛。事实上，应该说是樊辉和小李都没有能力或者运气走到那10%和30%的路径。

 

这也解释了AlphaGO可以下出小亏的招数。AlphaGO局部可以下出小亏的招数。其实它不过是选择了更高概率赢棋的招数而已。用棋界专业人士的话来说，它简化了局面。它是用小亏，堵掉了更低概率赢棋的路径。所以，棋手认为的小亏，只是局部的小亏。全局来看，AlphaGO肯定认为不亏，而且是定量地认为不亏。而人类棋手全局判断能力，则是一种定性的直觉的经验的判断。所以不要认为AlphaGO的小亏招数而小瞧它，反而是一种警惕的信号。

 

那么，什么是赢棋的概率呢？我们简化一下2*2的棋盘，假定黑1后白2有三种选择，之后黑3有2种选择，白4就只有1种选择。就可构造一个完整的搜索树，树的叶子节点就是可以判胜负的结局。如果有2个叶子是输，4个叶子是赢，那么黑1的胜率就是2/3.

 

很显然，对于19路的围棋来说，不可能枚举到叶子节点，所以，alphaGO就用value of network（VoN）来判定胜率。简单来说，就是通过已知结果的棋局特征来评估而无需遍历到叶子节点。从机器学习技术来说，就是一个三值图像的二分类问题。只要训练样本足够多，这个问题不难解决。

 

由此我们可以知道，棋局越空旷，VoN越不可靠。所以，在开局阶段，棋手是一个机会。

 

alphaGO的第二个技术是用policy ofnetwork(PoN)来剪枝减小MCTS。这不象A*算法或者alphabeta剪枝算法那样，即使缩小的搜索空间也可以保证搜到全局最优解。PoN也是用机器学习方法训练出来的。但是，这更加减弱了VoN的准确性。例如，如果在上面那个2*2的例子中，PoN剪掉了白2的一个枝的2个结果，那么，黑1的估算概率就要打折1/3了。由此，可以得到战胜alphaGO的第二个机会，就是走到被PoN剪枝的路径中。可惜，只有alphaGO自己知道剪掉了哪些枝。估计，alphaGO的自学习就是让alphaGO的伙伴尽量走被剪枝的路径。

 

第三个认知，一旦能够让alphaGO枚举变化（例如局部的死活），棋手是没有机会的。这导致棋手的这条策略:避免接触战。这从目前已知的8盘人机大战的结果可以知道，棋手都是在接触战中没有淘到便宜。

 

综上，可以给小李的建议是：

 

1、  开局抓紧，避免过早的接触战。

2、  即使迫不得已接触战，尽量采用弃子转身的策略，特别是在中盘过后。因为弃子局部的利益和全局的利益对VoN来说，要困难得多。

3、  尽量提子。因为一旦提子，alphaGO累计的局面判断就会不得不实时动态刷新计算，既消耗了alphaGO的时间，又废除了alphaGO记录的有效评估。

4、  有可能的话，采用大龙定生死的策略。因为只要大龙死活不能够由枚举完成，VoN的评估还是可以让棋手有机会的。

5、  如果alphaGO下出很容易判别为小亏的招数，就要警惕全局的配置了。我认为目前alphaGO还没有到故意卖个破绽的阶段。它还是靠硬实力拼计算的。

 

顺便回答在第三局新浪转播时主持人提的一个问题：如果小李的一手棋已经在alphaGO的考虑中，那alphaGO为什么还要用时间思考，而不是立刻出招? 其实，它可以用时间评估被上一次PoN剪掉的路径或者增加搜索的高度来找到更高胜率的路径。

 

另外，说不可以和alphaGO复盘，其实也是错的。alphaGO可以把每一招所考虑的路径和评估都提供出来的。只是太多了，对人类棋手未必有用。

 

最后，说一下棋手的一个借口：人对冰冷的机器下，吃亏了。这也是借口而已。试想，如果网络上对弈，你不是也看不到对手的表情的啊。只要alphaGO想第一局那样没有“天外飞仙”的招数，你会认为这样的对局对棋手不公？

 

我个人认为，alphaGO本质上还是通过强大的计算能力而胜过人类的，而没有学到所谓规律。因为我们知道，“棋高一着，束手缚脚”。如果人类只能够演算20步，alphaGO能够演算30步，当然alphaGO胜出。

 

 

相关专题：世纪人机大战：李世石 VS AlphaGo
转载本文请联系原作者获取授权，同时请注明本文来自吕强科学网博客。
链接地址：https://blog.sciencenet.cn/blog-404372-962248.html

上一篇：曼联应该如何重构王朝
下一篇：人机大战四局后变成了一个娱乐事件了