陳經：感謝AlphaGo對圍棋的貢獻，人機纏鬥剛剛開始

2016年3月15日人機大戰第五盤，AlphaGo執白280手中盤勝李世石，總比分4:1結束了這場持續一週的圍棋盛事。

我在廣州愛範兒公司和吳肇毅九段一起直播了這場比賽，感覺對機器的招法比較能夠理解。這使得我在這場特殊的比賽中，有時對局勢的判斷比吳九段更為準確，雖然我的圍棋水平不高。下面用幾個圖來解釋一下機器開盤的失誤和技術特色。

在右邊的常見套路中，AlphaGo選擇了16位擋而不是Q10拆，放黑17位打入，接着繼續18位打，放黑19位衝21位斷，很簡單地就棄掉了三子。粗粗一看黑吃下三子實空不小，但這是AlphaGo的招法創新，黑布局感覺已經落後了。因為白有A位靠下的手段，會在上面形成一道厚勢，白棋把棋走在外面，對於厚味外勢的價值估計得比人類棋手更準，而且它的整體行棋方式也能與之配合。人類高手出於實戰考慮選擇實地的更多，通常認為虛虛的外勢不太好掌控。從大局觀來看，AlphaGo的理解更合乎棋道。

這個局面的看點是AlphaGo第48手斷入，然後被黑51全部吃下，虧了不小的目數。這是確定無疑的損失，機器犯了錯。這個錯誤非常象AlphaGo和樊麾的第三局，它也是在黑右下大空裏走了幾手，沒有棋卻損了空。為什麼它這麼下？

48手這個斷是很明顯的直覺要點，在AlphaGo的策略網絡裏估計會是排名很前的選擇。後續搗亂可以連續多招，黑要小心應對，下錯了就立刻完蛋。黑應對了，白可以繼續“考驗”黑。AlphaGo也會用策略網絡模擬黑的應對，正確應對的招數肯定有，但也有錯誤的建議給出來。這樣，連續搜索展開後，在不少葉子節點AlphaGo高興地發現黑應錯了被白一舉擊潰。就算黑一直應對正確，最後白損失也不大，能夠完封右邊中，大局上還是自己好。所以，蒙特卡洛模擬（MCTS）對48這手給出的勝率評分會比較高。這應該算是AlphaGo算法框架的一個bug。AlphaGo願意下這種“局部變化複雜，對手應對錯誤自己立刻勝利，應對正確自己稍虧但大局還好”的辣招。對人類高手來説，這種計算應該不難，所以就佔了便宜。48手算是虧目較多的一次小bug，但是局面還早。這時AlphaGo對自己的勝率估計應該比下出48手時低一些了，它終於知道吃了虧，但當初就是願意去這麼試。因為手數較多，它下48的時候並不知道會虧。只有定型的差不多了，才覺得算清了，沒有東西。

同樣原理的着手在收官階段出現多次，AlphaGo幾次在一路撲吃被提。它不虧，不會減少自己的勝率，萬一對手不應還提高了勝率，損了劫材但反正它不想打劫。我估計這類着法是它的策略網絡向人學習的，人經常在後半盤打劫、讀秒打將的時候下這種一路撲。AlphaGo不理解人的意圖，但把招學了過去。學過去發現能提高勝率，就這麼用起來了。

象48手虧空這樣的小bug是人可以利用的。如果人類高手完美髮揮，各個環節都頂住，可能下和平的收空棋也能贏它了。但難度會很高，AlphaGo在劃分地盤這個環節實在太厲害了。這種棋要做的選擇非常多，哪步能佔更多的空人沒有特別好的精確測算方式，只有靠感覺為主。而AlphaGo用幾百萬次模擬來統計性地判斷，比人要準得多。這是AlphaGo的核心能力，大局觀碾壓人類。

不少職業棋手認為李世石69過於靠上，被70鎮頭攻擊局勢很不利。具體應該在哪吊，説法很多。不管黑下哪，這種局面是AlphaGo擅長的。它不一定要成哪一塊空，黑進來它各種方法都會模擬試一下。如果模擬發現退縮不行，它就會進行鎮頭分斷攻擊，最後往往會將成空潛力轉移到另一片地方去。最後人下來下去，總是被它在某個區域圍出很大的一片空。這種以厚勢為基礎的浮動攻擊，靠吃棋威脅最後把虛空做實的下法，真的是很賞心悦目。

人類棋手評棋時往往會覺得，是不是破空手法不對啊，是不是該往這個方向跑，是不是打入深一些才好，是不是進得太深了。我認為這很可能是根據結果來看的馬後炮。在這種局面下，擁有厚勢的一方可能已經有了局面的主動權，AlphaGo根據自己的評分還是判斷得比較準的，你怎麼進來它都有應對的辦法。

李世石如果選擇正確，可能情況會好些。可是實戰幾乎所有人都發現黑大虧了，自己兩眼苦活，白左上角已經活了，中間又瞬間出現大空。這時白下出了100這手棋，人們應該立刻意識到這等於是“勝利宣言”。這手很有味道，它並不是試圖在左下圍更多的空，而是準備讓黑打入做活，但白也消除所有不安定因素收官穩穩獲勝。下C5之類的點是可能圍空更多，但黑仍然可以進來搗亂，黑右下的厚勢就有用了。還不如用100這手消除任何變數。這種思維是人很難有的，它不去在裏面守，反而在外面用堅實的拆一來守。

後半盤黑的掙扎都沒有用，AlphaGo展現了高超的局面控制能力。最後認輸時李世石盤面領先5目，是因為電腦想穩勝，讓了一些回去。

這局李世石算是成功地測試出了AlphaGo開局虧目的一個小bug，但由於自身發揮有問題，還是被AlphaGo控制了，基本沒有機會。李世石的大局觀和局面判斷比AlphaGo要差很多，右下意料之外的收益可能反而害了他，讓他以為領先優勢不小，後面沒有果斷出手製造第四局賴以獲勝的複雜局面。這局也沒有製造出劫爭，AlphaGo避劫照樣控制大局。

在總共五局高水平對局中，AlphaGo確實表現出了令人歎為觀止的技術水平。可以非常有把握地預測，以AlphaGo為代表的新一代圍棋AI將有超過職業棋手的技術實力。而人類的圍棋水平在人工智能程序的幫助下，會取得突飛猛進，特別是在大局觀上的認識。機器即使在圍棋上完全戰勝了人，也不是災難。可以看看國際象棋領域已經發生過的事，有助於圍棋界正確認識機器的作用。國際象棋程序的等級分比人類最高水平還高四五百分，對人類可以讓一個兵或者二先，平下人最好結局只是和。人們已經完全承認AI水平遠高於人，用它們來更新佈局理論，研究新手，在人與人對下時應用。這樣人的水平也取得了飛速進步，國際象棋大師越來越多。這次人機大戰圍棋的關注度空前提高，這對圍棋發展是非常有益的。所有熱愛圍棋的人，都要感謝AlphaGo的貢獻。

但另一方面，圍棋也將通過人類高手與機器的反覆纏鬥，以一種前所未有的方式展示其自身的魅力。AlphaGo與李世石的五盤人機大戰，只是一個開始。不少新聞分析説，圍棋人工智能將很快全面戰勝人類，我認為這是不正確的。

理論上來説，因為劫的存在，圍棋是一種“上下文有關文法”，同樣一個局面，前一招是不是提劫，後續邏輯就會完全不一樣（按中國規則禁止全局同形再現，有更多形式的“上下文有關”，但最常見的是劫）。而國際象棋、中國象棋等棋種是“上下文無關文法”，當前局面如何形成的不影響後面結果。圍棋的複雜性，廣為人知的是狀態空間數比國際象棋多100多個0。但是從圍棋藝術和計算機算法角度來看，這種“上下文有關”造成的複雜性，遠遠超乎人的想象。下棋的人都知道，劫是讓圍棋的境界與藝術性大大昇華的一個東西。基於MCTS的國際象棋程序，因為“上下文無關”，可以用多次模擬完美逼近看似很大的搜索空間。但是在圍棋上，“上下文有關”的劫，因為可以在全盤任何一處找劫，MCTS算法的分枝數量瞬間爆炸，對搜索質量造成毀滅性的打擊。這還只是一些簡單的劫爭。如果再考慮緩氣劫、兩手劫、連環劫、多劫循環，可以説圍棋搜索算法僅僅只摸到打劫的邊，根本沒有深入劫爭問題的核心。

可以想象將圍棋盤擴大到21路，狀態空間數又多幾十個0，AlphaGo訓練之後在劃分地盤這個核心能力上還是可以超過人類，並不怕狀態空間增多。但是就算棋盤縮小到17路，AlphaGo也還是不喜歡打劫。只要還是MCTS算法框架，面對劫爭程序開發者想過各種處理辦法，都沒能很好應對複雜的劫爭。谷歌團隊也不太可能在這個問題上取得突破性進展。

可以非常有把握地説，打劫的能力將是人類遠遠強於圍棋程序的地方。但是這個問題上機器也不是沒有出路，AlphaGo就向我們展示瞭如何通過避開劫爭分枝來控制局面。人類如何通過行棋，將機器逼得不得不打劫，會是一個很有意思的技術問題。從圍棋理論上來説，一方不怕打劫，一方拼命避劫，總是善於打劫的一方有利一些，高手善打劫。人類最高水平的棋手打劫能力是9段，機器的打劫能力可能只有業餘3段。按AlphaGo把劫材走光的風格，它不可能是一個劫爭高手。但是人類高手也沒有這樣的經驗，如果將一個不配合的卻棋藝高超的對手逼入劫爭。

在對於非確定地域的價值估計上，AlphaGo可以通過幾百萬次收完算子的統計模擬，對人類有着壓倒性的技術優勢。表現出來就是大局觀非常好，人類最高水平是9段，AlphaGo可能有13段。

在封閉式局部的戰鬥中，AlphaGo對人類最高水平也仍然有優勢。因為人類存在算不清、得失判斷不清的問題。這方面的能力對比AlphaGo是10段，人類是9段。

在多個頭緒關聯的開放式接觸戰中，不需要引入劫爭的複雜，AlphaGo的搜索模塊也會碰到不小的麻煩。因為頭緒多，對殺結果決定勝敗，只有人類高手能理清邏輯，找到正確的行棋路線圖。在這種複雜盤面，AlphaGo的三大搜索武器，價值網絡、快速走子策略、策略網絡全都失靈，就會忽然出現怪異的行棋選擇。這是人類戰勝機器最有希望的領域，人類是9段，機器只有業餘5段。

在局部區域的定型手法中，AlphaGo出現了不保留變化早早定型的傾向。有些局面還會過早把手段使出來，以目數絕對虧損收場。這都是小問題。而人類心理狀態不穩定，很難做到持續穩定地發揮出最高水平，是一個大問題。

總體來説，AlphaGo和人類高手風格迥然不同。事先分析，AlphaGo和人類高手各有所長，交鋒起來看點十足。AlphaGo會的，是在實戰中最經常使用的。以大局觀為基礎的行棋方向選擇，是行棋中最常用最實用的本事，AlphaGo遠超人類。在局部接觸戰中，AlphaGo擁有類似於窮舉的戰鬥力，人類佔不到便宜（虧目是AlphaGo為了提升勝率的小bug行為，明知殺不過也下。真正對它有利的戰鬥，它不會放過）。這兩項本事都是最常用的，所以AlphaGo平時行棋就帶有一種獨特的魅力，時不時讓人類驚歎它的判斷力與創造力。人類如果在這兩項技術上和AlphaGo鬥爭，將毫無勝算，甚至差距會越拉越大。

而人類需要有意地將局面引入對自己這方有利的格局中。通過劫爭，複雜盤面多處頭緒關聯分析，在適合於自己的戰場將AlphaGo擊潰。人類互相之間針鋒相對，很容易到達這種局面。然而AlphaGo會有意繞過劫爭分枝，搶先定型簡化局勢。

雙方這樣各有所長，又特點鮮明，持續纏鬥起來會非常火爆，看點十足。我非常期待，職業棋手們能夠普遍瞭解AlphaGo的特性，制定正確的迎戰策略。而雙方又無疑會互相學習，試圖減輕自己的弱點，學習對方的長處。如谷歌可能會通過持續訓練與研發，將AlphaGo的弱點隱藏得更深。而人類一方面加強自己的大局觀與局部手段，另一方面又動腦筋去使出手段將局面引導入劫爭、複雜盤面。從圍棋藝術發展來看，這會是一個非常激動人心的歷史機遇。

因此，要非常感謝谷歌研發出了AlphaGo這麼一個威力強大又十分有趣的好東西。人類與機器激動人心的纏鬥不會很快結束，雙方的優勢與弱點都會長期存在。圍棋作為計算機算法“完全信息博弈”問題中當之無愧的皇冠，會進一步展示出它真正的魅力，不會一下子被突破，很長時間內還會是核心難題。人類也會不斷向機器學習它擅長的領域，提高自己的技藝。圍棋歷史上又一次意義巨大的革命已經在發生。

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。