到底是誰擊敗了柯潔？

　　答案似乎顯而易見。但量子位之所以問這個問題，是因為如今擊敗柯潔的AlphaGo，與去年擊敗李世乭的AlphaGo，有著本質的區別。

　　DeepMind把AlphaGo粗略分成幾個版本：

• 第一代，是擊敗樊麾的AlphaGo Fan。與Zen/Crazy Stone等之前的圍棋軟體相比，棋力要高出4子。

• 第二代，是擊敗李世乭的AlphaGo Lee。與上一代相比，棋力高出3子。

• 第三代，是柯潔如今的對手，也是年初60連勝的：AlphaGo Master。相比於擊敗李世乭的版本，棋力又再次提升3子。

　　需要強調的是，AlphaGo Lee和AlphaGo Master有著根本不同。不同在哪裡，今天DeepMind創始人兼CEO哈薩比斯(Demis Hassabis)，AlphaGo團隊負責人席爾瓦(Dave Silver)聯手首度揭開新版AlphaGo的祕密。

　　量子位這一篇推送的內容，整理自哈薩比斯、席爾瓦今日上午的主題演講，還有今日午間量子位對這兩位DeepMind核心人物的專訪。

　　單TPU運算，更強的策略/價值網路

　　首先用資料說話。

　　AlphaGo Lee

• 運行於谷歌雲，耗用50個TPU進行計算

• 每次搜尋計算後續50步，計算速度為10000個位置/秒

• 2016年在首爾擊敗李世乭

　　作為對比，20年前擊敗卡斯帕羅夫的IBM深藍，可以搜尋計算一億個位置。席爾瓦表示，AlphaGo並不需要搜尋那麼多位置。

　　AlphaGo Master

• 運行於谷歌雲，但只用一個TPU機器

• 自學成才，AlphaGo自我對弈提高棋力

• 擁有更強大的策略/價值網路

　　由於應用了更高效的演算法，這次和柯潔對戰的AlphaGo Master，運算量只有上一代AlphaGo Lee的十分之一。所以單個TPU機器足以支撐。

　　AlphaGo團隊的黃士傑博士也在朋友圈表示，最新的AlphaGo可以被稱為單機版。而上一代AlphaGo使用了分散式計算。

　　在會後接受量子位採訪時，席爾瓦證實此次AlphaGo仍然使用了第一代TPU，而不是前不久公佈的第二代。

　　另外席爾瓦澄清說：“今年升級版的AlphaGo是在單機上執行的，它的物理伺服器上部署了4個TPU”。

　　顯然PPT有個小小的誤導。

　　如果你想更進一步瞭解TPU，這裡有幾篇量子位的報道推薦：

　　回到AlphaGo，可能你也注意到了，這個新版本的圍棋AI有了更強大的策略/價值網路。下面圍繞這一點繼續解密。

　　△席爾瓦 AlphaGo的演算法

　　為了講清楚新的策略/價值網路強在哪裡，還是應該首先介紹一下AlphaGo的演算法如何構成。席爾瓦介紹，量子位搬運如下。

　　當初DeepMind團隊，之所以選擇圍棋方向進行研究，一個重要的原因在於圍棋是構建和理解運算的最佳試驗檯，而且圍棋的複雜性遠超國際象棋，這讓電腦無法通過深藍一樣的暴力窮舉方式破解圍棋的奧祕。

　　擊敗李世乭的AlphaGo，核心是一個卷積神經網路。DeepMind團隊希望AlphaGo最終能夠理解圍棋，形成全域性觀。席爾瓦表示，AlphaGo Lee由12層神經網路構成，而AlphaGo Master有40層神經網路。

　　這些神經網路進一步細分為兩個功能網路：

• 策略網路（policy network）

• 價值網路（value network）

　　在這兩個網路的訓練中，使用了監督學習和強化學習兩種方式。

　　首先基於人類的專家庫資料，對策略網路的上百萬引數進行調整。調整的目標，是讓策略網路在相同的情況下，能夠達到人類圍棋高手的水平：下出同樣的一步棋。

　　然後是強化學習，讓人工智慧進行自我博弈，這一訓練結束後，就形成了價值網路，這被用於對未來的棋局輸贏進行預測，在不同的下法中作出優劣判斷。

　　通過策略網路，可以降低搜尋的寬度，減少候選項，收縮複雜性。而且不會讓AlphaGo下出瘋狂不靠譜的步驟。

　　另一方面，通過價值網路減少深度，當AlphaGo計算到一定的深度，就會停止。AlphaGo不需要一直窮盡到最後。

　　把這個兩個結合起來，就是AlphaGo的樹搜尋。通過策略網路選出幾個可能的路徑，然後對這些路徑進行評估，最後把結果提交給樹頂。這個過程重複幾百上千次，最後AlphaGo得出贏棋概率最高的一步。

　　新策略/價值網路如何煉成

　　那麼新的新策略/價值網路，到底強在哪裡？

　　AlphaGo Master這次成了自己的老師，用席爾瓦的話說，這位圍棋AI是自學成才。它從自我對弈的棋局裡進行學習，積累了最好的訓練資料。“上一代AlphaGo成為下一代的老師”席爾瓦形容道。

　　通過AlphaGo的自我博弈，不斷吸取經驗、提高棋力，這一次AlphaGo用自我對弈訓練出的策略網路，可以做到不需要更多運算，直接給出下一步的決策。

　　這種改變明顯減少了對計算力的需求。

　　另一個價值網路，也是基於AlphaGo的自我對弈進行訓練，通過對弈後的覆盤，價值網路能夠學到哪一步是關鍵所在。通過高質量的自我對弈，訓練價值網路預測哪一步更重要。

　　席爾瓦表示：“在任何一步，AlphaGo都會準確預測如何能贏”。

　　這個過程不斷反覆迭代，最終打造了一個更強大的AlphaGo。自我博弈，帶來資料質量的提高，從而推動了AlphaGo的快速提升。

　　如此前一樣，DeepMind證實也會公佈這一代AlphaGo的相關論文。更多的細節，我們可以期待Deepm稍後的釋出。

　　攻克智慧，解決問題

　　AlphaGo來自DeepMind。2010年DeepMind在倫敦成立，目前有500名員工，其中一半是科學家。哈薩比斯說，DeepMind要把人工智慧科學家、資料和計算力結合在一起，推動人工智慧的發展。

　　△哈薩比斯

　　這家公司的願景：第一是攻克智慧。第二是用智慧解決所有問題。

　　換句話說，DeepMind的目標是構建通用人工智慧。所謂通用人工智慧，首先AI具備學習的能力，其次能舉一反三，執行各種不同的任務。如何抵達這個目標？哈薩比斯說有兩個工具：深度學習、強化學習。

　　AlphaGo就是深度學習和強化學習的結合。AlphaGo也是DeepMind邁向通用人工智慧目標的一步，儘管現在它更多的專注於圍棋領域。

　　哈薩比斯表示，希望通過AlphaGo的研究，讓機器獲得直覺和創造力。

　　這裡所謂的直覺，是通過體驗直接獲得的初步感知。無法表達出來，可通過行為確認其存在和正誤。

　　而創造力，是通過組合已有知識產生新穎或獨特想法的能力。AlphaGo顯然已展示出了這些能力，儘管領域有限。

　　“未來能夠看到人機結合的巨大力量，人類智慧將被人工智慧放大。”哈薩比斯說。目前AlphaGo的技術已經被用於資料中心，能節約15%的電能；另外也能被用於材料、醫療、智慧手機和教育等領域。

　　儘管已經連戰連捷，AlphaGo仍然有繼續探索的空間。哈薩比斯和DeepMind仍然想在圍棋領域繼續追問：我們離最優解還有多遠？怎樣才是完美棋局？

　　當今社會已有越來越多的資料產生，然而人類往往無法通過這些資料瞭解全域性的變化，在這種情況下人工智慧有可能推動科研繼續進步。

　　一切正如國際象棋棋王卡斯帕羅夫所說：

　　“深藍已經結束，AlphaGo才剛開始。”

　　專訪全文

△哈薩比斯、席爾瓦接受量子位等專訪

　　提問：在Master已經對包括柯潔在內的人類棋手60連勝之後，舉辦這場比賽的意義在哪裡？

　　哈薩比斯：Master在網上下的都是快棋，人類棋手在下棋時時間控制得可能不會太精準，人類棋手在網上的注意力也不一定完全集中，因此我們仍然需要跟柯潔進行對弈來對AlphaGo進行測試。

　　同時，通過這些網上的對弈，第一，是希望測試一下AlphaGo的系統；第二，也是希望為圍棋界提供一些新的想法和思路，給柯潔一定備戰的時間，也為他提供一些分析AlphaGo打法的素材。

　　提問：關於AlphaGo的行業應用，有哪些您比較看好？今後Deepmind會不會在中國開展一些行業應用？

　　哈薩比斯：首先，AlphaGo背後的支撐技術相當多，目前在其他領域的應用還在早期探索階段。我上午談到的一些應用，只是AlphaGo圍棋可能應用中的一小部分。在未來，我們肯定會將AlphaGo的技術在Google領域的應用，也許在中國也會有相應的業務。

　　提問：AlphaGo是否已經實現了無監督學習？它是否在向著強人工智慧邁進？

　　席爾瓦：首先，AlphaGo使用的是增強學習的方法。我們只能說，AlphaGo在某一特定領域實現了自己的直覺和意識——這和我們所說的人類通過直接訓練產生的意識可能有很大不同。因為它並非這種人類意識，因此有機會被應用到其他領域，不僅限於圍棋。

　　提問：Hassabis先生上午提到，人工智慧必須要被正確應用。那麼這種“正確”包括哪些原則？

　　哈薩比斯：兩個層面。第一，AI必須造福人類，應該用於類似科學、製藥這類幫助人類的領域，而不能用於一些不好的事情，比如研發武器；第二，AI不能只為少數公司或個人所使用、，它應該是全人類共享的。

　　提問：上午的演講中兩位提到，這一代AlphaGo只需要一個TPU進行運算，而上一代和李世石對戰時的AlphaGo則部署了50個TPU；但這代系統所需的計算量只是上一代的十分之一。為什麼會出現這種比例上的差距？

　　席爾瓦：我來澄清一下。今年升級版的AlphaGo是在單機上執行的，它的物理伺服器上部署了4個TPU。

　　提問：為什麼AlphaGo下棋是勻速的？

　　席爾瓦：我們在對AlphaGo訓練時就已經發現，它在對弈時進行的計算是持續的、穩定的，在總共的比賽過程中，它的計算量是恆定的。我們為AlphaGo制定了一種求穩的時間控制策略，也就是最大限度地利用自己的比賽時間，如果要將比賽時間的利用率最大化，勻速當然是最好的。

△穆斯塔法等接受量子位等專訪

　　提問：圍棋相對簡單，AI在現實中應用，有哪些阻礙？

　　穆斯塔法：我們對此有過深入思考，DeepMind創立的使命中指出，我們要打造通用型的人工智慧技術，並接受相應的監督監管。此前我們和眾多的機構共同成立AI聯盟，以遵循倫理和安全的方式，進行演算法的開發。

　　提問：技術落地過程中，如何避免侵犯隱私？

　　穆斯塔法：新技術的部署應用過程中，確實出現了跟監督監管機制不匹配的情況，現在科技的力量已經非常強大，在這種情況下，技術快速發展。所謂的數字化技術或裝置進行平衡，是我們不斷推進的事情。

　　我們希望加強醫生患者對技術的信任，第一是展示臨床使用的效果，第二我們一開始就公開表示，系統處理的資料，完全在監管範圍之內，不會應用到其他業務之中。

　　提問：DeepMind目前是什麼結構？

　　穆斯塔法：DeepMind分為兩個結構，哈薩比斯負責研發，我負責商業應用。應用又分成三個組：1、Google組 2、醫療組，和英國NHS合作 3、馬上要成立的能源組。我們希望與專家合作，獲取必要的資料。

　　我們和Google不同部門合作，有不同的形式。

　　提問：為什麼先把AI應用在醫療領域？而不是金融等

　　穆斯塔法：商業利潤不是我們最重要的驅動力。我們選擇行業從兩點出發：首先，是否有助於技術研究；其次，是否有助於完成社會使命。

　　醫療行業季度的低效，技術停滯不前已經很久。

　　提問：一手研發，一手商業化，有沒有隱藏的技術細節？

　　穆斯塔法：我們儘量多在開源的時候，提供有助於別人的資料。當然，我們不是100%都公佈技術細節。當然我們會盡量多的做開源。

　　提問：驅動AI應用的資料是否足夠，以及是所需要的資料？

　　穆斯塔法：我們做過一個統計。世界上，最優秀的放射科專家，一生也就看三萬張X光照片，我們的演算法可以看幾百萬張，能夠開發出疑難雜症的意識和本能。我們能夠對演算法增強準確率，表現非常穩定。

　　人類專家看X光片，可能只有三分之二的共識達成。所以我們的想法是，用演算法做X光片，然後配上不同的疾病專家，這樣效果更好。