打敗李世乭的AlphaGo，被弟弟AlphaGo Zero打敗了，成績是0-100
去年，有個小孩讀遍人世所有的棋譜，辛勤打譜，苦思冥想，棋藝精進(jìn)，4-1打敗世界冠軍李世石，從此人間無敵手。他的名字叫 AlphaGo（阿法狗）。
今年，他的弟弟只靠一副棋盤和黑白兩子，沒看過一個棋譜，也沒有一個人指點，從零開始，自娛自樂，自己參悟，100-0打敗哥哥 AlphaGo 。他的名字叫 AlphaGo Zero（阿法元） 。
DeepMind 這項偉大的突破，今天以 Mastering the game of Go without human knowledge 為題，發(fā)表于 Nature，引起轟動。知社特邀國內(nèi)外幾位人工智能專家，給予深度解析和點評。
自學(xué)三天，100-0擊潰阿法狗
Nature今天上線的這篇重磅論文，詳細(xì)介紹了谷歌DeepMind團(tuán)隊最新的研究成果。
人工智能的一項重要目標(biāo)，是在沒有任何先驗知識的前提下，通過完全的自學(xué)，在極具挑戰(zhàn)的領(lǐng)域，達(dá)到超人的境地。
去年，阿法狗（AlphaGo）代表人工智能在圍棋領(lǐng)域首次戰(zhàn)勝了人類的世界冠軍，但其棋藝的精進(jìn)，是建立在計算機(jī)通過海量的歷史棋譜學(xué)習(xí)參悟人類棋藝的基礎(chǔ)之上，進(jìn)而自我訓(xùn)練，實現(xiàn)超越。
可是今天，我們發(fā)現(xiàn)，人類其實把阿法狗教壞了！
新一代的阿法元(AlphaGo Zero), 完全從零開始，不需要任何歷史棋譜的指引，更不需要參考人類任何的先驗知識，完全靠自己一個人強(qiáng)化學(xué)習(xí)（reinforcement learning）和參悟, 棋藝增長遠(yuǎn)超阿法狗，百戰(zhàn)百勝，擊潰阿法狗100-0。
達(dá)到這樣一個水準(zhǔn)，阿法元只需要在4個TPU上，花三天時間，自己左右互搏490萬棋局。而它的哥哥阿法狗，需要在48個TPU上，花幾個月的時間，學(xué)習(xí)三千萬棋局，才打敗人類。
David Silver博士，AlphaGo項目負(fù)責(zé)人
這篇論文的第一和通訊作者是DeepMind的David Silver博士, 阿法狗項目負(fù)責(zé)人。他介紹說阿法元遠(yuǎn)比阿法狗強(qiáng)大，因為它不再被人類認(rèn)知所局限，而能夠發(fā)現(xiàn)新知識，發(fā)展新策略：
This technique is more powerful than previous versions of AlphaGo because it is no longer constrained by the limits of human knowledge. Instead, it is able to learn tabula rasa from the strongest player in the world: AlphaGo itself. AlphaGo Zero also discovered new knowledge, developing unconventional strategies and creative new moves that echoed and surpassed the novel techniques it played in the games against Lee Sedol and Ke Jie.
DeepMind聯(lián)合創(chuàng)始人和CEO則說這一新技術(shù)能夠用于解決諸如蛋白質(zhì)折疊和新材料開發(fā)這樣的重要問題：
AlphaGo Zero is now the strongest version of our program and shows how much progress we can make even with less computing power and zero use of human data. Ultimately we want to harness algorithmic breakthroughs like this to help solve all sorts of pressing real world problems like protein folding or designing new materials.
美國的兩位棋手在Nature對阿法元的棋局做了點評：
它的開局和收官和專業(yè)棋手的下法并無區(qū)別，人類幾千年的智慧結(jié)晶，看起來并非全錯。但是中盤看起來則非常詭異：
the AI’s open?ing choices and end-game methods have converged on ours — seeing it arrive at our sequences from first principles suggests that we haven’t been on entirely the wrong track. By contrast, some of its middle-game judgements are truly mysterious.
無師自通，關(guān)鍵技術(shù)是哪些？
為更深入了解阿法元的技術(shù)細(xì)節(jié)，知社采訪了美國杜克大學(xué)人工智能專家陳怡然教授。他向知社介紹說：
DeepMind最新推出的AlphaGo Zero降低了訓(xùn)練復(fù)雜度，擺脫了對人類標(biāo)注樣本(人類歷史棋局)的依賴，讓深度學(xué)習(xí)用于復(fù)雜決策更加方便可行。我個人覺得最有趣的是證明了人類經(jīng)驗由于樣本空間大小的限制，往往都收斂于局部最優(yōu)而不自知（或無法發(fā)現(xiàn)），而機(jī)器學(xué)習(xí)可以突破這個限制。之前大家隱隱約約覺得應(yīng)該如此，而現(xiàn)在是鐵的量化事實擺在面前！
他進(jìn)一步解釋道：
這篇論文數(shù)據(jù)顯示學(xué)習(xí)人類選手的下法雖然能在訓(xùn)練之初獲得較好的棋力，但在訓(xùn)練后期所能達(dá)到的棋力卻只能與原版的AlphaGo相近，而不學(xué)習(xí)人類下法的AlphaGo Zero最終卻能表現(xiàn)得更好。這或許說明人類的下棋數(shù)據(jù)將算法導(dǎo)向了局部最優(yōu)(local optima)，而實際更優(yōu)或者最優(yōu)的下法與人類的下法存在一些本質(zhì)的不同，人類實際’誤導(dǎo)’了AlphaGo。有趣的是如果AlphaGo Zero放棄學(xué)習(xí)人類而使用完全隨機(jī)的初始下法，訓(xùn)練過程也一直朝著收斂的方向進(jìn)行，而沒有產(chǎn)生難以收斂的現(xiàn)象。
阿法元是如何實現(xiàn)無師自通的呢？ 杜克大學(xué)博士研究生吳春鵬向知社介紹了技術(shù)細(xì)節(jié)：
之前戰(zhàn)勝李世石的AlphaGo基本采用了傳統(tǒng)增強(qiáng)學(xué)習(xí)技術(shù)再加上深度神經(jīng)網(wǎng)絡(luò)DNN完成搭建，而AlphaGo Zero吸取了最新成果做出了重大改進(jìn)。
首先，在AlphaGo Zero出現(xiàn)之前，基于深度學(xué)習(xí)的增強(qiáng)學(xué)習(xí)方法按照使用的網(wǎng)絡(luò)模型數(shù)量可以分為兩類: 一類使用一個DNN"端到端"地完成全部決策過程(比如DQN)，這類方法比較輕便，對于離散動作決策更適用; 另一類使用多個DNN分別學(xué)習(xí)policy和value等(比如之前戰(zhàn)勝李世石的AlphaGoGo)，這類方法比較復(fù)雜，對于各種決策更通用。此次的AlphaGo Zero綜合了二者長處，采用類似DQN的一個DNN網(wǎng)絡(luò)實現(xiàn)決策過程，并利用這個DNN得到兩種輸出policy和value，然后利用一個蒙特卡羅搜索樹完成當(dāng)前步驟選擇。
其次，AlphaGo Zero沒有再利用人類歷史棋局，訓(xùn)練過程從完全隨機(jī)開始。隨著近幾年深度學(xué)習(xí)研究和應(yīng)用的深入，DNN的一個缺點日益明顯: 訓(xùn)練過程需要消耗大量人類標(biāo)注樣本，而這對于小樣本應(yīng)用領(lǐng)域(比如醫(yī)療圖像處理)是不可能辦到的。所以Few-shot learning和Transfer learning等減少樣本和人類標(biāo)注的方法得到普遍重視。AlphaGo Zero是在雙方博弈訓(xùn)練過程中嘗試解決對人類標(biāo)注樣本的依賴，這是以往沒有的。
第三，AlphaGo Zero在DNN網(wǎng)絡(luò)結(jié)構(gòu)上吸收了最新進(jìn)展，采用了ResNet網(wǎng)絡(luò)中的Residual結(jié)構(gòu)作為基礎(chǔ)模塊。近幾年流行的ResNet加大了網(wǎng)絡(luò)深度，而GoogLeNet加大了網(wǎng)絡(luò)寬度。之前大量論文表明，ResNet使用的Residual結(jié)構(gòu)比GoogLeNet使用的Inception結(jié)構(gòu)在達(dá)到相同預(yù)測精度條件下的運行速度更快。AlphaGo Zero采用了Residual應(yīng)該有速度方面的考慮。
杜克大學(xué)博士研究生謝知遙對此做了進(jìn)一步闡述：
DeepMind的新算法AlphaGo Zero開始擺脫對人類知識的依賴：在學(xué)習(xí)開始階段無需先學(xué)習(xí)人類選手的走法，另外輸入中沒有了人工提取的特征 。
在網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計上，新的算法與之前的AlphaGo有兩個大的區(qū)別。首先，與之前將走子策略(policy)網(wǎng)絡(luò)和勝率值(value)網(wǎng)絡(luò)分開訓(xùn)練不同，新的網(wǎng)絡(luò)結(jié)構(gòu)可以同時輸出該步的走子策略(policy)和當(dāng)前情形下的勝率值(value)。實際上 policy與value網(wǎng)絡(luò)相當(dāng)于共用了之前大部分的特征提取層，輸出階段的最后幾層結(jié)構(gòu)仍然是相互獨立的。訓(xùn)練的損失函數(shù)也同時包含了policy和value兩部分。這樣的顯然能夠節(jié)省訓(xùn)練時間，更重要的是混合的policy與value網(wǎng)絡(luò)也許能適應(yīng)更多種不同情況。
另外一個大的區(qū)別在于特征提取層采用了20或40個殘差模塊，每個模塊包含2個卷積層。與之前采用的12層左右的卷積層相比，殘差模塊的運用使網(wǎng)絡(luò)深度獲得了很大的提升。AlphaGo Zero不再需要人工提取的特征應(yīng)該也是由于更深的網(wǎng)絡(luò)能更有效地直接從棋盤上提取特征。根據(jù)文章提供的數(shù)據(jù)，這兩點結(jié)構(gòu)上的改進(jìn)對棋力的提升貢獻(xiàn)大致相等。
因為這些改進(jìn)，AlphaGo Zero的表現(xiàn)和訓(xùn)練效率都有了很大的提升，僅通過4塊TPU和72小時的訓(xùn)練就能夠勝過之前訓(xùn)練用時幾個月的原版AlphaGo。在放棄學(xué)習(xí)人類棋手的走法以及人工提取特征之后，算法能夠取得更優(yōu)秀的表現(xiàn)，這體現(xiàn)出深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力以及尋找更優(yōu)解的能力。更重要的是，通過擺脫對人類經(jīng)驗和輔助的依賴，類似的深度強(qiáng)化學(xué)習(xí)算法或許能更容易地被廣泛應(yīng)用到其他人類缺乏了解或是缺乏大量標(biāo)注數(shù)據(jù)的領(lǐng)域。
AlphaGo優(yōu)化意義何在？人工智能的將來又在哪里？
這個工作意義何在呢？人工智能專家、美國北卡羅萊納大學(xué)夏洛特分校洪韜教授也對知社發(fā)表了看法：
我非常仔細(xì)從頭到尾讀了這篇論文。首先要肯定工作本身的價值。從用棋譜(supervised learning)到扔棋譜，是重大貢獻(xiàn)(contribution)！干掉了當(dāng)前最牛的棋手（變身前的阿法狗），是advancing state-of-the-art 。神經(jīng)網(wǎng)絡(luò)的設(shè)計和訓(xùn)練方法都有改進(jìn)，是創(chuàng)新（novelty）。從應(yīng)用角度，以后可能不再需要耗費人工去為AI的產(chǎn)品做大量的前期準(zhǔn)備工作，這是其意義(significance)所在！
接著，洪教授也簡單回顧了人工神經(jīng)網(wǎng)絡(luò)的歷史：
人工神經(jīng)網(wǎng)絡(luò)在上世紀(jì)四十年代就出來了，小火了一下就撐不下去了，其中一個原因是大家發(fā)現(xiàn)這東西解決不了“異或問題”，而且訓(xùn)練起來太麻煩。到了上世紀(jì)七十年代，Paul Werbos讀博時候拿backpropagation的算法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，提高了效率，用多層神經(jīng)網(wǎng)絡(luò)把異或問題解決了，也把神經(jīng)網(wǎng)絡(luò)帶入一個新紀(jì)元。上世紀(jì)八九十年代，人工神經(jīng)網(wǎng)絡(luò)的研究迎來了一場大火，學(xué)術(shù)圈發(fā)了成千上萬篇關(guān)于神經(jīng)網(wǎng)絡(luò)的論文，從設(shè)計到訓(xùn)練到優(yōu)化再到各行各業(yè)的應(yīng)用。
Jim Burke教授，一個五年前退休的IEEE Life Fellow，曾經(jīng)講過那個年代的故事：去開電力系統(tǒng)的學(xué)術(shù)會議，每討論一個工程問題，不管是啥，總會有一幫人說這可以用神經(jīng)網(wǎng)絡(luò)解決，當(dāng)然最后也就不了了之了。簡單的說是大家挖坑灌水吹泡泡，最后沒啥可忽悠的了，就找個別的地兒再繼續(xù)挖坑灌水吹泡泡。上世紀(jì)末的學(xué)術(shù)圈，如果出門不說自己搞神經(jīng)網(wǎng)絡(luò)的都不好意思跟人打招呼，就和如今的深度學(xué)習(xí)、大數(shù)據(jù)分析一樣。
然后，洪教授對人工智能做了并不十分樂觀的展望：
回到阿法狗下棋這個事兒，伴隨著大數(shù)據(jù)的浪潮，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和人工智能突然間又火了起來。這次火的有沒有料呢？我認(rèn)為是有的，有海量的數(shù)據(jù)、有計算能力的提升、有算法的改進(jìn)。這就好比當(dāng)年把backpropagation用在神經(jīng)網(wǎng)絡(luò)上，的確是個突破。
最終這個火能燒多久，還得看神經(jīng)網(wǎng)絡(luò)能解決多少實際問題。二十年前的大火之后，被神經(jīng)網(wǎng)絡(luò)“解決”的實際問題寥寥無幾，其中一個比較知名的是電力負(fù)荷預(yù)測問題，就是用電量預(yù)測，剛好是我的專業(yè)。由于當(dāng)年神經(jīng)網(wǎng)絡(luò)過于火爆，導(dǎo)致科研重心幾乎完全離開了傳統(tǒng)的統(tǒng)計方法。等我剛進(jìn)入這個領(lǐng)域做博士論文的時候，就拿傳統(tǒng)的多元回歸模型秒殺了市面上的各種神經(jīng)網(wǎng)絡(luò)遺傳算法的。我一貫的看法，對于眼前流行的東西，不要盲目追逐，要先審時度勢，看看自己擅長啥、有啥積累，看準(zhǔn)了坑再跳。
美國密歇根大學(xué)人工智能實驗室主任Satinder Singh也表達(dá)了和洪教授類似的觀點：這并非任何結(jié)束的開始，因為人工智能和人甚至動物相比，所知所能依然極端有限：
This is not the beginning of any end because AlphaGo Zero, like all other successful AI so far, is extremely limited in what it knows and in what it can do compared with humans and even other animals.
不過，Singh教授仍然對阿法元大加贊賞：這是一項重大成就, 顯示強(qiáng)化學(xué)習(xí)而不依賴人的經(jīng)驗，可以做的更好：
The improvement in training time and computational complex?ity of AlphaGo Zero relative to AlphaGo, achieved in about a year, is a major achieve?ment… the results suggest that AIs based on reinforcement learning can perform much better than those that rely on human expertise.
陳怡然教授則對人工智能的未來做了進(jìn)一步的思考：
AlphaGo Zero沒有使用人類標(biāo)注，只靠人類給定的圍棋規(guī)則，就可以推演出高明的走法。有趣的是，我們還在論文中看到了AlphaGo Zero掌握圍棋的過程。比如如何逐漸學(xué)會一些常見的定式與開局方法 ，如第一手點三三。相信這也能對圍棋愛好者理解AlphaGo的下棋風(fēng)格有所啟發(fā)。
除了技術(shù)創(chuàng)新之外，AlphaGo Zero又一次引發(fā)了一個值得所有人工智能研究者思考的問題: 在未來發(fā)展中，我們究竟應(yīng)該如何看待人類經(jīng)驗的作用。在AlphaGo Zero自主學(xué)會的走法中，有一些與人類走法一致，區(qū)別主要在中間相持階段。AlphaGo Zero已經(jīng)可以給人類當(dāng)圍棋老師，指導(dǎo)人類思考之前沒見過的走法，而不用完全拘泥于圍棋大師的經(jīng)驗。也就是說AlphaGo Zero再次打破了人類經(jīng)驗的神秘感，讓人腦中形成的經(jīng)驗也是可以被探測和學(xué)習(xí)的。
陳教授最后也提出一個有趣的命題：
未來我們要面對的一個挑戰(zhàn)可能就是: 在一些與日常生活有關(guān)的決策問題上，人類經(jīng)驗和機(jī)器經(jīng)驗同時存在，而機(jī)器經(jīng)驗與人類經(jīng)驗有很大差別，我們又該如何去選擇和利用呢？
不過David Silver對此并不擔(dān)心，而對未來充滿信心。他指出：
If similar techniques can be applied to other structured problems, such as protein folding, reducing energy consumption or searching for revolutionary new materials, the resulting breakthroughs have the potential to positively impact society.
不深思則不能造于道。不深思而得者，其得易失。
名人名言- 曾國藩
- By 知社學(xué)術(shù)圈
- 2017-10-19
- 13320
- 公司新聞，網(wǎng)站開發(fā)，網(wǎng)站設(shè)計，UI