陳經：感謝李世石生命般的抗爭 現在我敢説AlphaGo的命門其實很簡單
2016年3月13日，人機大戰第四局李世石執白180手中盤勝AlphaGo。説這一勝是人類歷史上最重要的一勝也不為過，就不多説了。從圍棋技術與算法上來説，最重要的意義是，我們終於看到了一張AlphaGo的敗局譜，明確知道AlphaGo有重大bug，前三局過後看似威力無比的機器，發起瘋狗症竟然會走出那麼可笑的招法。
現在終於知道，為什麼谷歌只公佈了與樊麾的五盤正式對局的棋譜，卻不公佈非正式對局裏二盤敗局的棋譜。哪怕一盤敗局的全譜泄露出來，人類稍作調查就會知道如何對付它。李世石接到谷歌的邀請，只考慮3分鐘沒提什麼條件就應戰了。從人類與機器鬥爭的角度看，這真不折不扣是《三體》中描述的有礙於人類生存的“傲慢”。不誇張地説，只要李世石要求谷歌公佈一張AlphaGo的敗局譜，這次人機大戰的勝利者就非常可能改寫。但也不能怪李世石，估計所有職業棋手都想不到，這是人類的共性。我們要感謝李世石，終於用生命一般的抗爭在第四局逼出了真相。
1996年國際象棋第一次人機大戰，卡斯帕羅夫就謹慎得多。他提出先由助手和IBM的機器下測試棋，正式比賽時卡斯帕羅夫以4：2獲勝。這是因為國際象棋程序當時已經發展多年，顯示了不低的實力。而圍棋程序也是發展了多年，雖然取得了幾次重大進步，人的感覺仍然是職業棋手讓五六子的水平。樊麾的失利是一個重要信 號，但從人類情緒來看，越是不懂圍棋技術的人越敢預測機器的勝利。棋迷與職業棋手更瞭解自己這邊的“強大實力”，更瞭解圍棋作為一個算法問題的複雜度，傲慢沒有減少。
第四局李世石獲勝的關鍵，賽前我就在上一篇文章中作出了非常接近實戰進程的預測：開放式接觸戰，利用機器“不喜歡打劫”的特性，讓機器犯昏。
李世石這第78手在人類看來，其實還是有漏洞的，仔細拆解會發現這並不是最佳着手，黑棋應對了白不行。但是這招非常神奇地引發了機器的bug。為什麼會有bug，難有定論，我認為最可能是AlphaGo的價值網絡出問題了。（觀察者注：關於AlphaGo的價值網絡，田淵棟的這篇《AlphaGo的分析》做了很好的科普，作者為前谷歌工程師，Facebook智能圍棋 darkforest 的負責人和第一作者）
如圖至第82手。80和82都是必然的，所以叫78為神之一手。其實AlphaGo這時走B位，據職業棋手分析，空裏沒有什麼棋。如果白M13撲，黑可以 提掉78一子，白L13再打吃，黑粘在78位。下面白吃不掉63這個子。對人來説變化並不複雜。觀戰棋手猜測李世石預想的變化圖是這樣的：
如果AlphaGo走1位，那白只好2位先手接回一子，再4位先手切斷，在外面做出一片形勢，局勢還能維持。
而AlphaGo卻走了實戰的83手，後面一連串招法都特別糊塗的樣。所以犯錯是從83手開始的。Deepmind負責人哈薩比斯説從79到85手，機器都以為自己勝率高達70%，到第87手才發現不對勁，一步棋評分就急劇下降了。降到多少沒有説，但肯定是個很低的分，所以才後面一連串搞笑的棋。這些搞笑的棋本身到是不難解釋，為了偷得可憐的一點勝率，它覺得別的招都不如你打吃看不見。Zen之類的MCTS程序落後了亂下很常見。我們要解釋，為什麼AlphaGo下了錯誤的83。
這個局面特別複雜，把整個棋盤中間都捲進去了，可以説根本不是地塊劃分的問題。決定性因素就是怎麼出棋，出多大的棋，出劫的話怎麼造對自己有利的劫。從AlphaGo的算法來看，它會從當前這個局面進行搜索展開，對葉子節點給出判斷。一半是靠價值網絡，一半是靠“快速走子策略”走到終局。
價值網絡的意思是，它靜態地看整個盤面，用一個多層的神經網絡直接算，就報告這個局面誰會勝。雖然它能“深度學習”到很多隱藏的概念，我們很難想象，在一個火藥桶一樣的盤面上，一個靜態的不搜索的神經網絡居然可以判斷清楚最終的勝負。這種複雜局面，我斷定價值網絡的判斷誤差是極大的。也許價值網絡在各種葉子節點粗粗地一看，黑棋在中間以多打少似乎應該是形勢一片大好。這應該不難理解，無論谷歌怎麼拿幾億個局面訓練價值網絡，我也不相信它能判斷清楚。
那麼AlphaGo在葉子節點還有一半的機會，就是“快速走子”你一招我一招不停直到終局。這個快速走子策略的實力還不錯，速度比策略網絡快1000倍的情況下，單隻靠這個策略就有KGS的3D實力，做得其實很好了。但我們再想想，這麼複雜的盤面，兩個KGS的3D在那下到終局，你信得過它們的模擬質量？黑死還是白死估計就是隨機的了。如果讓兩個真實的人類3D在這個局面下，黑好白好確實可能等於扔硬幣。
如果“快速走子終局”給的結果是隨機，基本就是價值網絡在那主導判斷了。它要是有系統性的錯誤偏向，誤以為黑形勢一片大好，那可能一大堆葉子節點都有類似錯誤，因為盤面很相似。所以綜合起來，AlphaGo的MCTS模塊，讓價值網絡在那高興，下了83和85還是繼續高興，勝率還是70%。終於在白下了86，黑87後，價值網絡發生了“跳變”，這裏出現了棋塊特徵的本質變化，一大片類似葉子節點的價值網絡判斷都倒轉過來，於是只一手，勝率就從70%跳到30%之類的悲慘數字了。
這是我的猜測，只能儘量地往合理上靠，最終如何希望Deepmind能給出分析。但是顯然，複雜的對殺盤面會對價值網絡造成嚴重困擾，這應該是AlphaGo體系架構中一個不太好消除的命門。同時複雜的對殺盤面，又讓“快速走子策略”模仿精度下降。要是兩個3D在那下和平棋終局，你佔10目我佔9目，錯進錯出最後一平均是可能把局面好壞概率性模擬清楚。但要是50-50%機會的大對殺，就和其它地方無關了，模擬到最後也提供不了什麼有效信息。
AlphaGo搜索中的兩個武器都失靈了，就只有依靠“策略網絡”提供的各個候選點的概率了。同樣的原因，這個策略網絡只是一個靜態評估，複雜盤面各處頭緒很多，各種要點多得是，看上去的好點到處都是。我不相信策略網絡就那麼湊巧對真正的好點給出高的概率。
可以非常合理的認為，對於複雜的、頭緒很多的對殺盤面，AlphaGo所有的搜索武器都會失靈，容易做出錯誤選擇！三大搜索武器“策略網絡”、“價值網絡”、“快速走子終局數子”，全都失靈！（觀察者注：關於AlphaGo三大利器，田淵棟的這篇《AlphaGo的分析》做了很好的科普，作者為前谷歌工程師，Facebook智能圍棋 darkforest 的負責人和第一作者）
都失靈了，不管你怎麼調參數拼湊一個MCTS架構，最後也還是失靈。這就是AlphaGo的命門！
讓我們人類開心的是，這並不是很難實現的！我和Zen下過，水平不夠怎麼也下不過它。要麼局部被它殺死，要麼圈地大局觀搞不過。但是下多了，慢慢也琢磨出來了辦法。就不要怕它，這裏開一片頭緒，那裏開一片，留着不動。然後各種頭緒慢慢湊一起，這裏的選擇會影響那裏。這種情況下Zen就昏了，它的搜索武器其實比AlphaGo更差，更是全都失靈了。我雖然也昏，但就死盯着某一個“陰謀”，設計一條路線圖就夠了，不去搜索那麼多亂七八糟的。最後哈哈，Zen上當了，我陰謀得逞，吃了一大片終於贏了。其實我的水平真的遠不如Zen，各個局面手段和大局明顯不如。
那麼對李世石這樣的職業高手來説，複雜盤面更不是個事了。職業高手能理清楚複雜盤面的推理邏輯，用清楚的變化圖給出殺招。這正是體現大高手水平的地方。
因此我大膽推測，AlphaGo其實沒有那麼可怕。所有MCTS為基礎的程序都有的大漏洞，它一樣有，而且從算法角度沒有什麼好辦法解決！這是算法原理決定的，不是寫程序代碼錯了幾行的小bug。
如果職業高手們瞭解了AlphaGo的漏洞，就不要客氣搞什麼棋理圈地，直接就上去跟它殺！但不要在局部亂殺，不是説“在此決一勝負”，如李世石第一局開始的殺法，不對。要這裏留點味道，那裏留些頭緒，最後這些亂子湊到一起去，一定把AlphaGo弄昏頭。（觀察者小編：這裏一點，那裏一絲，留有餘味。人類的曖昧啊，阿爾法狗暫時還學不會）
因此，除了“不喜歡打劫”以外，AlphaGo還不喜歡複雜的盤面。所以前三局中它表現得特別喜歡定型，有手段就使出來，減少頭緒。這是它的搜索特性決定的。
分析清楚以後就可以肯定，AlphaGo的漏洞不小。開始人類不瞭解它，看它下得象模象樣，還時不時有好招，被它嚇到了，沒有找到它的命門。它是有幾招絕活玩得不錯，封閉局面算得不錯，圈地運動搞得不錯，幾百萬次算到終局去人不可能玩得過。選點也很靠譜，算得快算得準。在它擅長的領域和它打，當然就不是對手，哪怕是人類最高水平的也不行。但複雜盤面是人類的天生優勢，這不是MCTS那幾招搞得定的，需要人類高手製造頭緒歸納頭緒的邏輯能力。
AlphaGo的缺陷被測試出來以後，人類高手將可能對機器取得壓倒性的勝利。當然人類高手需要改變下法，不要和自己人下那樣講棋理數着目下。碰到機器就要攪，越複雜越好。不是一處變化多手數多那種複雜，而是攪出的頭緒越多越好。
這還沒有提到打劫的能力，這更是人類高手勝過機器的地方。機器可以用控制流避開劫爭，但這終究不是辦法。如果人想通了，自己不要虛，大膽引入劫爭分支，機器總是避劫原理上就不合於棋道。當然這個分析起來更復雜。
綜上所述，如果高水平圍棋程序還是基於MCTS架構的，都會有難以解決的大缺陷。我對人類高手一段時間內壓制機器充滿信心！
【本文系觀察者網獨家稿件，文章內容純屬作者個人觀點，不代表平台觀點，未經授權，不得轉載，否則將追究法律責任。關注觀察者網微信guanchacn，每日閲讀趣味文章。】