5月24日，在新版本alphago首戰以1/4子微弱優勢戰勝中國圍棋職業九段棋手柯潔之後，“alphago之父”deepmind創始人兼ceo demis hassabis、alphago團隊負責人david silver在人工智能高峰論壇上詳解了alphago的研發并就“alphago意味着什麼？”的問題進行了詳細解答。
“alphago已經展示出了創造力，也已經可以模仿人類直覺了。在過去一年，我們繼續打造alphago，我們想打造完美的alphago，彌補它知識方面的空白。因為在與李世石的比賽中，它是有缺陷的。”demis hassabis說：“在未來我們能看到人機合作的巨大力量，人類智慧将通過人工智能進一步放大。強人工智能是人類研究和探尋宇宙的終極工具。”
為什麼計算機下圍棋非常困難？
demis hassabis坦言圍棋非常困難，因為其複雜程度讓窮舉搜尋都難以解決。對于計算機來說，圍棋有兩項難題：“不可能”寫出評估程式以決定誰赢，搜尋空間太過龐大。
圍棋不像象棋等遊戲靠計算，而是靠直覺。圍棋中沒有等級概念，所有棋子都一樣。圍棋是築防遊戲，是以需要盤算未來。小小一子可撼全局，“妙手”如受天啟。
alphago如何進行訓練？
david silver從技術角度詳細解釋了alphago如何進行訓練。
圍棋對于機器的難點之一是評估程式的撰寫。而alphago團隊用兩種卷積神經網絡去完成：政策網絡和估值網絡。政策網絡的卷積神經網絡用于決定下一步落子可能的位置，價值網絡用于評估目前棋局獲勝的機率。
為了應對圍棋的巨大複雜性，alphago 采用機器學習技術，結合了監督學習和強化學習的優勢。通過訓練形成一個政策網絡（policy network），将棋盤上的局勢作為輸入資訊，并對所有可行的落子位置生成一個機率分布。
然後，訓練出一個價值網絡（value network）對自我對弈進行預測，以 -1（對手的絕對勝利）到1（alphago的絕對勝利）的标準，預測所有可行落子位置的結果。這兩個網絡自身都十分強大，而 alphago将這兩種網絡整合進基于機率的蒙特卡羅樹搜尋（mcts）中，實作了它真正的優勢。
最後，新版的alphago 産生大量自我對弈棋局，為下一代版本提供了訓練資料，此過程循環往複。
alphago 如何決定落子？
在擷取棋局資訊後，alphago會根據政策網絡探索哪個位置同時具備高潛在價值和高可能性，進而決定最佳落子位置。在配置設定的搜尋時間結束時，模拟過程中被系統最頻繁考察的位置将成為 alphago的最終選擇。在經過先期的全盤探索和過程中對最佳落子的不斷揣摩後，alphago的搜尋算法就能在其計算能力之上加入近似人類的直覺判斷。
david silver總結：政策網絡減少寬度，價值網絡減少深度。alphago做出多種模拟，不斷反複，最終形成判斷哪種方案是獲勝機率最高的。
今年的alphago和去年的alphago有什麼差別？
david silver透露，去年的alphago lee在雲上有50tpus在運作，搜尋50個棋步為10000個位置／秒。而今年的alphago master是在單個tpu機器上進行遊戲，它已經成為了自己的老師，從自己的搜尋裡學習，擁有更強大的政策網絡和價值網絡。
alphago如何進行自我學習？
demis hassabis将alphago歸類為強人工智能，強人工智能和弱人工智能的差別在于弱人工智能是預設定的，例如ibm的“深藍”就不能自我學習。
他提到強化學習架構的概念：智能體有一個特定目标要完成，它有兩種方式和環境打交道，一是觀察，智能體通過觀察進行見面，這有可能不全面。二是行動。
david silver稱，alphago先自己與自己對弈，政策網絡以p預測alphago的移動。
人工智能的元解決方案
demis hassabis表示，目前資訊過載和系統冗雜是人類面臨的巨大挑戰。開發人工智能技術可能是這些問題的元解決方案。元解決方案的目标是實作“人工智能科學家”或“人工智能輔助科學”。“人工智能和所有強大的新技術一樣，在倫理和責任的限制中造福人類。
原文釋出時間為：2017年5月24日
本文來自雲栖社群合作夥伴至頂網，了解相關資訊可以關注至頂網。