王小川斷言AlphaGo將完勝李世石 他會被打臉嗎？

上周，谷歌AI在圍棋上以5比0戰勝了歐洲冠軍樊麾的消息引起極大關注。而更為大家津津樂道的，是谷歌還向韓國圍棋九段高手李世石公開發起挑戰，要在下個月進行AI與圍棋高手的較量。作為圍棋界最高水平的代表，如果李世石輸了，代表的是人類輸了。

谷歌使用的人工智能軟件是AlphaGo，由谷歌去年收購的人工智能公司DeepMind研發。關于AlphaGo與李世石之間的這場較量，外界有著不同的看法，但總體而言，覺得贏得可能性低的人會更多些，因為樊麾僅為二段棋手，二段棋手與九段棋手之間，差得可不是一星半點。

雖然AlphaGo與李世石的對弈還有差不多兩個月時間，但關于其輸贏的討論在持續發酵中，有專業棋手從下棋手法上進行分析，有人工智能專業者從科技角度，也有像搜狗CEO王小川這樣的技術大咖忍不住參與討論。

作為技術熱衷者，王小川對于人工智能的發展一直都比較關注，不過，前不久還在極客公園論壇上發表演講表示人工智能在今天與人腦有很大距離，甚至不如一個1歲小孩兒，這次在面對人工智能與專業棋手對弈的時候，卻直接斷言贏得一方一定會是人工智能。這，又是為什么？

王小川知乎全文：

AlphaGo的發布，是一個偉大的里程碑，又一次讓我興奮地需要說一說。

先說我的斷言一：AlphaGo在兩個月后，將會完勝李世石。

留個關子，本文最后再說斷言二。

從中學開始，我就著迷用算法來解決游戲的博弈問題，用搜索方法創新性完成過一些題目。這幾年深度學習出現后，就感覺有機會能夠突破圍棋，和清華的聯合實驗室做過幾次探討，都認為這個方向可行，可惜限于氣場和能力不足，沒能組織進行這方面的投入。

而此次出手的，是Google旗下的DeepMind團隊，在深度學習方面是最頂尖的，資源、能力、氣場都沒有問題，突破性的技術是基于深度學習進行估值和走棋。

看知乎里好多討論，是從之前AlphaGo完成的棋局來判斷其下棋風格，倒推這個算法的威力，有點刻舟求劍的感覺。我們核心還是要回到對這次AlphaGo用到的技術的深刻理解。為了便于討論，我們對比以搜索剪枝為核心的深藍下國際象棋，和以搜索剪枝+深度學習為核心的AlphaGo的三個區別：

1. 圍棋相對象棋，最大的區別是棋局的評價函數極難定義。象棋可以找到各種“特征”來計分，比如丟一個馬扣多少分，兵往前拱到離底線近了加多少分，而圍棋做不到，密密麻麻的黑白子挨著，互相之前又有關聯，變化多，規律難以總結。這也是傳統算法相對人最弱的幾個問題之一。就像是我們人做人臉識別，看一眼就知道是張三李四，而機器算法難以下手。這個問題恰恰是最近幾年深度學習最大的突破之處，深度學習不需要人來設計算法“找特征”，通過大量原始數據和標簽的對于，機器就能夠自動找特征，并且并不比人差。在幾年前還有很多人認為機器在圖像處理方面舉步維艱，怎么定義和抽象鼻子？耳朵？眼睛？可就在這一兩年深度學習突飛猛進，一舉超過了人類。就在2015年，人臉識別方面，機器的識別能力已經超過了人了，這可是人進化了數千萬年的核心能力之一呀。一個圍棋棋局，可以理解為一張19*19的圖片，其他的走棋規則和非常簡單（很容易翻譯成計算機規則），正好落入了深度學習擅長的事情。搜索+深度學習，這個算法完全可以覆蓋圍棋的規則，人下棋的思維過程和模式，只是AlphaGo的一個子集。這就決定了這個算法沒有天花板，有機會在圍棋領域“打通關”。

2. 深藍相對AlphaGo，AlphaGo最大的優勢是“學習能力”。深藍的開局更多依靠數據庫棋譜的建立，但沒有泛化能力（不懂得舉一反三），對于沒有見過的走棋方法就可能犯傻。而之后的核心能力是計算力，通過暴力的搜索（當然也有最優秀的剪枝，但還是暴力），力圖走出10-20步棋來選擇最優的路徑。這個復雜度是指數級的，變成一個NP問題，受限于計算力。這個系統的算法是寫死的，固定的參數下，就會有固定的表現。而調整參數和改變算法，都是工程師的事情。這個系統的天花板是計算機有多強，以及工程師有多聰明。而AlphaGo更多是數據驅動的，喂給他更多的棋局數據，他就能夠優化“神經元網絡”，同樣的運算資源下變得更聰明，并且具有舉一反三的能力，這一點非常接近于人（或者說本身就是模擬人的方式來設計的）。而且我們知道，機器處理數據的能力足夠地快，以及沒有情緒不會出錯，這就決定了這個系統如果把今天互聯網上能收集到的棋局都學一遍，就成為頂尖高手了。

3. 最最最可怕的還不只是前面這兩點，對于下棋博弈問題，AlphaGo還不只是從互聯網上去收集數據進行學習，更可以自己和自己下，實現“自學習”?？催^電影“超驗駭客”沒有？人工智能可以做到隨著時間的推移就能更加聰明。金庸小說中老頑童讓自己左手和右手打架“左右互搏”，成為天下無敵的武功，那個只是故事，在下棋這個領域，而AlphaGo有這樣的設計，讓這種武功成真了！往下還有兩個月的時間，AlphaGo這樣一臺算法上沒有天花板的機器，很有機會在“左右互搏”下登峰造極，成為不可超越的圍棋高手。

AlphaGo的技術問題講完了。怎么來看Google背后的完整動作呢？有人覺得是過度解讀了，實際系統挺糙的 -- 選的都是“歐洲冠軍” -- 說明系統并不行，這是一種錯誤的理解。更有可能的原因是Google和Facebook在競爭下圍棋，Facebook的員工缺心眼提前放了好多消息出來泄密了，結果Google就趕緊把Nature的文章發了搶了個先，然后賣個期貨兩個月后和人類對決，那會兒系統就足夠好了，這是在競爭環境下合適的做法。

事實上Google和Facebook兩家都認識到了AI的重要性，以及就在最近幾年會有大的突破。Google 4億美金收購了DeepMind，當時只有20人，現在已經突破200人了，并且是不計代價的瘋狂投入。下圍棋只是體現人工智能進步絕佳的宣傳點和切入點，從公開的文獻可以看到，DeepMind做圍棋研發是基于通用的技術進行，領域無關的（Domain independent）。這樣的技術未來可以用到合適的其他領域里去。深度學習的魅力在于，只要一個領域里能夠建模，能夠有充足的數據，就能夠在這個領域里做到超越人、取代人，短時間能從0分做到99分。如果我們依然是老觀念，用漸進的方式來理解機器智能，比如之前某位大佬宣傳他家的XX大腦做到了X歲的智力，這是很誤(che)導(dan)的。我們同樣也會錯誤地估計下圍棋方面機器的能力，按照人類的理解1D-9D來評價它。一句話，不要用評價人的方法來評價機器的人工智能的能力，完全是不同的模式。

老羅曾經評價過人工智能的一句話：“人工智能就像一列火車，它臨近時你聽到了轟隆隆的聲音，你在不斷期待著它的到來。他終于到了，一閃而過，隨后便遠遠地把你拋在身后”。

如果給這句話打上一個補丁，把人工智能的應用局限到一個一個的具體的封閉領域，這是一個很貼切的描述。我們不要過度自大，例如我們容易在自我優越感的驅使下，說動物不如人，比如人會直立行走、會說話、會實用工具，以區別于其他動物。事實證明，動物也會。面對機器也一樣，就在幾個月前還有人叫囂機器十年內不能夠玩轉圍棋，理由也都是人一眼就能看明白，機器只會計算。這些自大會讓我們誤判。也不用過于自卑，覺得圍棋上機器上勝利了人類整個智力就被碾壓了，到今天機器還是有很多領域完全無能，只能在局部領域。

到結尾，再說斷言二：除了圍棋，人工智能在其他博弈類的封閉游戲里，也會橫掃一切，完勝人類。

雖然王小川的論點過于武斷，不過AlphaGo贏的可能性其實也并不低，它的真實圍棋水平可能遠遠不止現在所呈現的。首先，AlphaGo與樊麾的對弈其實發生在去年10月，只不過最近才被曝光，在這之后的幾個月中，AlphaGo有多大的提高，我們不得而知。其次，此事被報道后，在高手云集的弈城圍棋網上，出現了疑似AlphaGo的身影，而且從它的對戰數量和戰績上看，它已經和人類進行了大量的交手。甚至，最好的成績達到過9D（段）。由此可見，AlphaGo一直在掩蓋其鋒芒，就像王小川所言，谷歌選擇在這個時候讓AlphaGo挑戰李世石，一定是建立在足夠的自信上的。

當然，AlphaGo是否能在下個月底的比賽中贏得勝利，現在來說都為時過早。不過，這絕對不會是一場壓倒性的比賽，而是高手與高手之間的巔峰對決。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。