北京時間2月22日消息，繼宣布AlphaGo實現(xiàn)突破性研究-計算機程序首次擊敗專業(yè)棋手之后， Google
DeepMind今日公布了即將與過去十年最佳圍棋手李世石之間的終極挑戰(zhàn)的詳細情況。
3月9日至3月15日，AlphaGo將在韓國首爾與李世石進行5場挑戰(zhàn)賽。比賽完全平等，獲勝者將得到一百萬美元獎金。如果AlphaGo獲勝，獎金將捐贈給聯(lián)合國兒童基金會(UNICEF)，STEM教育，以及圍棋慈善機構(gòu)(Go
Charity)。
因圍棋步驟的絕對數(shù)量比宇宙的原子數(shù)還多，它一直被視為最復雜的電腦游戲之一，也是人工智能始終未解的挑戰(zhàn)。DeepMind在上月的科學雜志Nature，以一篇論文公布了這一突破性進展的詳細情況。
比賽采用中國圍棋規(guī)則
比賽將于北京時間中午12點在首爾四季酒店舉行，具體日程如下：
1. 3月9日 (星期三)：首場比賽
2. 3月10日(星期四)：第二場比賽
3. 3月12日(星期六)：第三場比賽
4. 3月13日(星期日)：第四場比賽
5. 3月15日(星期二)：第五場比賽
比賽將采用貼7.5目的中國規(guī)則(比賽結(jié)束時，后走棋的棋手貼目)。每位棋手各有兩個小時布局時間，3次60秒的讀秒，每場比賽預計需要大約4-5個小時。
總規(guī)則
1、比賽分先進行，共下5盤，五盤對局取三勝以上為優(yōu)勝，獲得獎金100萬美元(固定匯率：11億韓元)。
2、若Alpha GO獲勝，獎金捐獻給聯(lián)合國兒童基金和STEM教育(科學、技術(shù)、工程、藝術(shù)以及數(shù)學)及圍棋相關公益團體。
3、比賽即使3：0、3比1分出勝負，與比分無關將下滿五盤棋，以便Alpha GO擁有更多學習機會。
4、以下滿五盤為條件，李世石可獲得15萬美元(約1億6500萬韓元)出場費，同時每勝一局獲得2萬美元勝局獎金。如果五盤全勝，勝局獎金為10萬美元(1億1000萬韓元)。即李世石五戰(zhàn)全勝獲得優(yōu)勝，最多可以獲得125萬美元(13億7500萬韓元)。
5、比賽用時每方2小時，1分鐘讀秒三次。比賽采用中國規(guī)則，黑貼3又3/4子(黑貼7目半)。采用中國規(guī)則的原因，是因Alpha
GO以中國規(guī)則為基礎開發(fā)。
6、比賽開局時間為韓國當?shù)貢r間下午1點(北京時間中午12點)，比賽不設中間休息。
7、比賽時李世石在棋盤上落子，助手將手數(shù)輸入電腦傳送給Alpha GO。Alpha GO的手數(shù)由助手擺到李世石落子的棋盤上。
8、所有對局通過Deep Mind公司youtube頻道向全世界實況直播，此外通過韓國棋院圍棋TV和因特網(wǎng)圍棋網(wǎng)站直播。
人工智能挑戰(zhàn)圍棋有多難?
計算機和人類競賽在棋類比賽中已不罕見，在三子棋、跳棋和國際象棋等棋類上，計算機都先后完成了對人類的挑戰(zhàn)。但對擁有2500多年歷史的圍棋
而言，計算機在此之前從未戰(zhàn)勝過人類。圍棋看起來棋盤簡單、規(guī)則不難，縱橫各19九條等距離、垂直交叉的平行線，共構(gòu)成19×19(361)個交叉點。比
賽雙方交替落子，目的是在棋盤上占據(jù)盡可能大的空間。
在極簡主義的游戲表象之下，圍棋具有令人難以置信的深度和微妙之處。當棋盤為空時，先手擁有361個可選方案。在游戲進行當中，它擁有遠比國際象棋更多的選擇空間，這也是為什么人工智能、機器學習的研發(fā)者們始終希望在此取得突破的原因。
就機器學習的角度而言，圍棋的計算最大有3361種局面，大致的體量是10170，而已經(jīng)觀測到的宇宙中，原子的數(shù)量才1080。國際象棋最大只有2155種局面，稱為香農(nóng)數(shù)，大致是1047。
“機器學習”預測人類行為
傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹
，但這種方法對圍棋并不適用。此次谷歌推出的AlphaGo，將高級搜索樹與深度神經(jīng)網(wǎng)絡結(jié)合在一起。這些神經(jīng)網(wǎng)絡通過12個處理層傳遞對棋盤的描述，處理層則包含數(shù)百萬個類似于神經(jīng)的連接點。
其中一個神經(jīng)網(wǎng)絡“決策網(wǎng)絡”(policy network)負責選擇下一步走法，另一個神經(jīng)網(wǎng)絡“值網(wǎng)絡”(“value
network)則預測比賽勝利方。谷歌方面用人類圍棋高手的三千萬步圍棋走法訓練神經(jīng)網(wǎng)絡，與此同時，AlphaGo也自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡
之間運行了數(shù)千局圍棋，利用反復試驗調(diào)整連接點，這個流程也稱為鞏固學習(reinforcement
learning)。通過廣泛使用Google云平臺，完成了大量研究工作。
AlphaGo所使用的神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖
征服圍棋對于谷歌來說有重要意義。AlphaGo不僅是遵循人工規(guī)則的“專家”系統(tǒng)，它還通過“機器學習”自行掌握如何贏得圍棋比賽。谷歌方面希望運用這些技術(shù)解決現(xiàn)實社會最嚴峻、最緊迫的問題——從氣候建模到復雜的災難分析。
在具體的機器訓練上，決策網(wǎng)絡的方式是輸入人類圍棋專家的比賽，到系統(tǒng)可以預測57%人類行動為止，此前最好成績是44%。此后AlphaGo通過在神
經(jīng)網(wǎng)絡內(nèi)部進行比賽的方式(可以簡單理解成和自己下棋)，開始學習自主探索新的圍棋策略。目前AlphaGo的決策網(wǎng)絡可以擊敗大多數(shù)具有龐大搜尋樹的最
先進的圍棋程序。
Google DeepMind首席執(zhí)行官、聯(lián)合創(chuàng)始人Demis
Hassabis表示：“圍棋是深刻而復雜的游戲。為了擊敗一名職業(yè)棋手，我們不能只靠模仿，而是自主發(fā)現(xiàn)新的戰(zhàn)略規(guī)則。因為方法是通用的，我們希望有一天可以將其運用于解決社會最棘手和最緊迫的問題上。不論我們在三月份能否贏李世石，這場比賽都一定能夠激發(fā)世界各地對圍棋的興趣。”
AlphaGo戰(zhàn)績驚人
Park Chimoon, 韓國棋院副主席表示
“全世界都在關注這場人類與電腦在智能領域的首次交鋒。這一歷史時刻將由圍棋來傳達，我為此感到驕傲。我希望李世石能獲得勝利，去證明人類卓越的智商以及維護圍棋的神秘特性。”
實際上，目前AlphaGo已經(jīng)成為最優(yōu)秀的人工智能圍棋程序。在與其他程序的對弈中，AlphaGo用一臺機器就取得了500場的勝利，甚至有過
讓對手4手后獲勝的紀錄。去年10月5日-10月9日，谷歌安排AlphaGo與歐洲圍棋冠軍Fan
Hui(樊麾：法國國家圍棋隊總教練)閉門比賽，谷歌以5-0取勝。
此次比賽的李世石是近10年來獲得世界第一頭銜最多的棋手，谷歌為此提供了100萬美元作為獎金。李世石談到此次比賽時表示：”這是電腦首次在公平比賽中挑戰(zhàn)人類專家選手，我很榮幸能參與進來。無論結(jié)果如何，這都是圍棋史上的重要時刻。我聽說Google
DeepMind的人工智能出乎意料的強大，并且一直在優(yōu)化，但至少這次我還是很自信能夠取得勝利。”
AlphaGo與歐洲圍棋冠軍樊麾的5局較量
人機對弈誰將勝?
值得一提的是，上一次著名的人機對弈要追溯到1997年。當時IBM公司研發(fā)的超級計算機“深藍”戰(zhàn)勝了國際象棋冠軍卡斯巴羅夫。不過國際象棋
的算法要比圍棋簡單得多。國際象棋中取勝只需“殺死”國王，而圍棋中則用數(shù)子或比目的方法計算勝負，并不是簡單地殺死對方棋子。此前，“深藍”計算機的設
計人2007年發(fā)表文章指出，他相信十年內(nèi)能有超級電腦在圍棋上戰(zhàn)勝人類。
該項目并未給IBM帶來可以銷售的產(chǎn)品，但卻讓我們意識到：基礎科學研究所面臨的巨大挑戰(zhàn)是值得我們?nèi)ビ拥模m然企業(yè)在這方面的收益還無法量化。
隨著頂級科技公司爭相在產(chǎn)品中融入智能技術(shù)，谷歌并不是唯一一家研究圍棋AI的公司，F(xiàn)acebook對圍棋人工智能的研究整合此前也亮相最新
的計算技術(shù)：深卷積神經(jīng)網(wǎng)絡(deep convolutional neural networks)和蒙特卡洛樹搜索(Monte Carlo tree
search)，前者利用類似于大腦的算法來學習和識別棋盤上各種模式的重要性，而后者相當于一種超前思維，用于計算詳細的戰(zhàn)略步驟。
Facebook和谷歌在圍棋人工智能方面的研究具有極大的代表意義。與國際象棋相比，圍棋更具深度。要讓計算機掌握相關技巧，需要更多類似于人類的模式
識別和直覺判斷技巧，計算機象棋軟件越來越優(yōu)秀，已將揭開了這項游戲的神秘面紗;相比之下，圍棋目前更加神秘。但將來，圍棋的神秘色彩也可能不復存在。
