陳經：Deepmind這次搞定國際象棋，只用了四個小時

【文/ 觀察者網專欄作者 陳經】

2017年12月6號，Deepmind扔出了一篇論文《Mastering Chess and Shogi by Self-Play with a General Reinenforcement Learning Algorithm》，聲稱從AlphaGo Zero發展來的新程序AlphaZero又零基礎自學，只用4個小時和2個小時就勝過了國際象棋和日本將棋的最強程序。加上之前在圍棋上的進展，這其實等於是説，世界上所有知名棋類都可以用一個架構輕鬆碾壓過去的高手，不管是人還是程序。

這篇文章正在被審核，按Deepmind過去的風格有可能還是投到《自然》去。但這回Deepmind不保密了，直接在arxiv.org公佈了全文。前兩篇圍棋AI的文章由於投出來之後有人機大戰，是需要保密。

這篇文章在圍棋上，用訓練34小時的AlphaZero和訓練72小時的AlphaGo Zero相比，100盤60:40。這個結果並不令人吃驚，就是訓練速度快了，説明新的方法有提升，其實網絡架構訓練方法和AlphaGo Zero的差不太多，是一些小改進。圍棋界對這篇文章應該反應不大，新東西不多，早就被震驚好幾次了。

AlphaZero在日本將棋上訓練2小時就超過最強程序Elmo。日本將棋和中國象棋、國際象棋差不多，也是各兵種吃對方的王。但是最大的不同是吃掉對方的棋子可以變成本方的棋子，放回棋盤任意位置，這使得對局攻殺極為激烈，和局很少，變化比國際象棋要多不少。中國象棋的理論局面數量超過國際象棋，但由於大量局面類似，高手們一般認為實際變化複雜程度比國象要少。

由於日本將棋更為複雜（以及研究人員關注的少），直到2017年冠軍程序Elmo才戰勝了人類高手。這個Elmo應該實力還比較弱，所以最終被AlphaZero以90勝2和8負戰勝了。AlphaZero還會輸幾局，但這是因為訓練時間不長，已經能夠説明問題就行了。

真正影響重大的是國際象棋。這次倒不是説AlphaZero怎麼碾壓了人，人類高手早就被國際象棋AI整得服氣了。但是AlphaZero訓練4小時就反超了，最終以28勝72和戰勝了Stockfish（鱈魚），其中先行戰績是25勝25和。這個Stockfish在國際象棋界可不是隨便搞搞研發的程序，也不僅是2016年國象AI冠軍這麼簡單，它對職業棋手和愛好者們就像是親人朋友一樣，天天在為棋界服務。在chessbomb等網站上，職業棋賽每一步Stockfish都在實時地給出各種變化，愛好者們看棋的方式和以前完全不一樣了。高手們訓練也非常依賴頂級AI給出的各種提示，有時就像終極答案一樣。高手們通過親身感受，對於Stockfish的實力非常認可。

由於國際象棋最優解極有可能是和棋，所以高手和愛好者一般認為，Stockfish和國際象棋上帝也差不了太多，反正就是和棋。以前兩個頂級AI對打（通常是大戰100盤），總有90%的是和棋。排名世界前五的美國特級大師中村光就説：就算是上帝先手和Stockfish下，也得75%是和棋。

現在AlphaZero忽然跑出來，先行能以50%的概率戰勝Stockfish，這讓一些國際象棋高手和愛好者們有些難以接受。我對圍棋很熟，AlphaGo對圍棋界的衝擊可以説是天翻地覆無以倫比。現在輪到國際象棋界來感受新型AI的衝擊了，看着一些國外愛好者對AlphaZero的討論，各種置疑或者不接受，不由得一陣暗爽。

Stockfish和AlphaZero都是機器，不管誰強誰弱，和人都沒啥關係，為什麼國際象棋界的人要着急？這裏有一些算法背景。

（圖片來源：chessbase）

上圖對弈者為國際象棋排名前兩位的卡爾森與卡魯亞納，圍觀者左為卡斯帕羅夫，右為哈薩比斯。哈薩比斯本人是國際象棋職業選手，青少年時排名僅次於天才少女小波爾加，他的“一個框架解決一切棋類問題”的思想這次實現了。

Stockfish是機器，但是裏面的算法是人們一步步看着發展過來的，程序員寫了很多代碼，每年都在不斷升級，還有國際象棋大師出主意。棋界和計算機學界一起努力，才達到了非常高的水平，那一行行代碼都開源在那，還有規模極大的開局庫、殘局庫放在那幫着簡化搜索。這都是業界的心血，那些精巧的alpha-beta搜索、剪枝算法、高效實現，各種知識庫，有多少人的聰明才智在裏面。業界其實對以Stockfish為代表的國際象棋AI比較滿意，開發出來的程序又幫助棋手們漲棋，促進了國際象棋界的繁榮，職業棋手數量和水平都大大增加。

各種AI們自己在那對戰，Stockfish前幾天就正在和Komodo大戰。但棋迷和高手們主要還是對人類對局有興趣。這個局面是不錯的，AI們自己玩，玩出東西來幫助人漲棋以及評化棋局，人不和AI較勁。

但是現在AlphaZero等於是説，人類之前開發AI的所謂“心血”都是沒意義的白忙活。弄好一個resnet神經網絡結構，把國際象棋基本規則做好了，來5000個一代TPU對局生成樣本，再來64個二代TPU訓練，過4小時就行了。

人類大師1000多年發掘的象棋精妙知識不需要，算法大師構造的精妙剪枝搜索不需要，也不要任何開局庫殘局庫。就這麼一個結構，還同時可以搞定圍棋、日本將棋、國際象棋，區別只是訓練出來的神經網絡係數不同。

這種機器暴力征服，圍棋AI界的人還是比較服氣和欣賞的，説算法優美簡單。可能是因為以前開發圍棋AI的人也沒寫出什麼好的搜索算法，各種搜索代碼寫得心煩意亂，明知一堆缺陷也勉強推出來被人類高手低手嘲笑。

老辦法搞不定圍棋，機器暴力搞定了，是很好的事。但國際象棋不一樣了，業界好不容易各種精巧的代碼折騰，精心添加維護開局庫殘局庫，感覺摸到國際象棋真理的邊了，忽然一下被機器暴力4小時否定了，難道過去的事真的是沒有意義的？

因此一些棋迷和高手質疑AlphaZero這個結果，對Stockfish更有感情，是可以理解的。一種質疑是，你AlphaZero背後財大氣粗，機器厲害，是不是讓Stockfish運行在弱機上，不公平啊？有棋迷就聲稱，我還能戰勝初代stockfish呢，Deepmind到底怎麼試的？為什麼每步只讓Stockfish思考一分鐘？但是按論文的數據，測試的Stockfish有64個線程，每秒能搜索7000萬個局面，這機器並不弱。

另一種質疑就專業一些，如中村光説，Stockfish並不是一個簡單的程序，需要配上合適的開局庫殘局庫。Deepmind是不是配錯了開局庫，讓Stockfish沒有發揮最佳實力？怪不得AlphaZero先行能25勝，Stockfish沒有好的開局庫吃這麼大虧才輸成這樣的。這種質疑比較專業，因為國際象棋開局變化要比中盤、後期複雜得多，AI也不可能搜索清楚。

業界的解決辦法是，搞一個龐大的開局庫，通過實戰對局或者測試中發現不對勁，就放到開局庫裏免得Stockfish掉到溝裏去。而且不同配置的機器對應的開局庫是不同的，強機能走的開局，弱機不一定抗得住。這個Deepmind論文裏説得是有些不清楚。

特級大師考夫曼是幫助Komodo開發的專家，對AI很瞭解，他也有類似意見。考夫曼認為，現在説“AlphaZero這種暴力訓練的引擎比基於min-max搜索的傳統算法強”還為時過早。AlphaZero這麼訓練，相當於自帶了最合適的開局庫，公平的比試應該讓Stockfish配上最合適的開局庫。

對國際象棋不熟的人可能會説，Stockfish這不是還不錯麼，AlphaZero等級分和它也差不多，而且好像高不上去了。等級分高不上去，主要是因為太多和棋弄的，等級分系統認為分差大獲勝概率就得很高，老和就説明你兩水平差不多。對人類高手確實如此，人類和stockfish下基本是輸，等級分差距很大。但是在極高的水平上，就不能看等級分了，要看輸棋。

有經驗的高手們認為，國際象棋特別容易和棋，正常走就是和棋，大比例的就應該和棋，就算走得稍不精確也能和，容錯犯圍比較大。只有説走多了，才偶爾掉進坑裏算不清楚輸掉。

卡斯帕羅夫和卡爾波夫爭霸時曾經連和26局，兩人都快折騰死了，卡爾波夫雖然勝局2:0領先，但是已經下崩潰了。

現在Stockfish在後走的50局裏輸掉一半，不太正常，掉坑概率過高，感覺像是開局庫吃大虧。下到中後盤，Stockfish那每秒7000萬步的搜索不是開玩笑的，如果有和棋的路線，不太可能輸。

一些國象高手們對Deepmind應用Stockfish細節的質疑，似乎也有道理。但不管怎麼説，就算Stockfish真是因為沒有好開局庫輸大了，它總得依賴好幾個G的寵大開局庫，而且還得不停更新維護達到高水平，這看上去不是正路。這等於是説，吃了虧，就把吃虧算不清的地方用開局庫補足。

這看上去很像騰訊的圍棋AI絕藝之前掙扎的開發階段，老是出死活bug，就去人工修，修來修去似乎是出錯概率小了，但總修不乾淨。棋下得也不太自然，解説人類對局的時候也經常給出不靠譜結論。後來騰訊參考AlphaGo Zero的新版本“符合預期”就很好了，行棋自然，不出死活Bug，對人類高手也是60連勝，還讓二子勝了絕藝。

符合預期這個版本2017年12月9日10日參加了在日本舉辦的龍星杯世界圍棋AI賽，預賽決賽兩次戰勝最強對手DeepZenGo奪冠。但是絕藝預賽中對一個弱程序Maru輸了一局，終局已經大勝了，但因為是用中國規則開發的，對日本規則沒有準備，對手不斷Pass，絕藝卻自填了很多目填輸了。比賽中多箇中韓程序都因為日本規則中招了，自填負、自填超時負、終局死機負，狀況不斷。

從開發思想看，其實很清楚。Stockfish等之前的“頂級”國際象棋AI，是用精確搜索的思想開發的，各種細節都做到極致，人工編寫的局面估值函數極盡精巧，算法剪枝操作研究極深，代碼量不小。如果搜索不行，就加開局庫、殘局庫補足弱點。這是傳統的人工代碼開發的思想，其實搜索本身是暴力傾向的，開發目標就是儘可能多搜增強實力，標誌性指標之一就是一秒能搜多少個局面。

而AlphaZero的開發思想特別簡單。人簡直是太輕鬆了，給出網絡結構，實現下棋規則，搞出強化學習方法，配上足夠的學習和訓練的機器就行了。一切都是機器自己學出來的，人沒有什麼事。而且學完後下棋，一些棋迷評論説AlphaZero下得混然天成，非常自然，人容易理解，沒有什麼開局庫的生搬硬套，一切都在神經網絡係數裏。Stockfish倒是下得像機器，有些招法不知道怎麼蹦出來的，人理解不了。

AlphaZero下國際象棋的時候，每秒只要搜索8萬個局面就夠了，個個變化圖都很有意義。這反過來説明Stockfish每秒7000萬個局面，雙方對局時一分鐘一步，那幾十億的局面絕大多數都沒啥意義浪費了，還有漏算。

國際象棋AI超級決賽（TCEC Season 10 SuperFinal ），第97場Komodo執白負於Houdini

從算法意義來説，AlphaZero下得更像人。AlphaZero是用MCTS來搜索的，不是精確的，有概率隨機因素，是隨機選擇一些高概率的分枝進行搜索，低概率的分枝根本不浪費算力去碰。之前人們評論説，這不象人，人不可能這麼下棋。這主要指的是MCTS用在圍棋上，有一個下完數子的rollout用來代替代碼寫不好的局面估值，這確實不象人。

但是AlphaGo Zero已經把rollout取消了，直接用深度神經網絡來進行估值。這樣AlphaZero下棋其實更像人的思路，找直覺最想下的點往下推，再找其它也看着靠譜的點也試試。只不過AlphaZero比起人來還是特別能算，一秒能算8萬個局面（人類高手每步一般考慮10個局面）。但是與Stockfish相比，AlphaZero這還是人的思考方式，Stockfish等於在那一秒7000萬個局面瘋狂分枝擴展，各種不靠譜的分枝佔據了大量算力，真正有效的搜索沒有太多，藉着機器的暴力才搞定了人。

這就是機器學習算法界之前爭議的，博弈算法“MCTS+神經網絡”是更先進的框架。之前Deepmind有人簡單地把“MCTS+神經網絡”用在國際象棋上，只是大師的水平，達不到頂級AI的水平。有不少人認為，也許“MCTS+神經網絡”這個套路只是對圍棋這種簡單規則的管用。國際象棋規則複雜，MCTS不夠“精確”，還是人類程序員精心編制的確定性算法更管用。這次Deepmind新論文應該給出結論了，“MCTS+神經網絡”就是先進生產力的代表。

哈薩比斯評論説，AlphaZero下國際象棋的時候，最革命性的一點是，它沒有棋子的概念。在AlphaZero看來，只有整體局勢才是它關心的，這相當於國際象棋理論對“position”的重視。但無論是人類高手還是過於的頂級AI，再怎麼也是以棋子實力評估為基礎的，被吃了大子會心疼，在這個基礎上再去進行“重視中央”之類的局面評估理論。

而AlphaZero卻完全對棋子沒有概念，只要它認為未來整體局勢好，棄子根本不叫事。所以哈薩比斯説，從棋藝理論來説，AlphaZero既不是人的下法，也不是機器的下法，它是自己創新了一個下法。

這次Deepmind公佈了AlphaZero對Stockfish的十局勝局棋譜，可以這個鏈接中動態查看。

從棋譜中看，AlphaZero很善於棄子。人類或者機器也棄子，但多半有明確目的，棄了子立刻能吃回或者做殺入局。但AlphaZero經常早早放棄子力，在多步以後才建立優勢，這個能力是令人震驚的。

如第十局AlphaZero執白對Stockfish，到36步這個局勢黑多兵，而且還多一個馬，粗看上去應該是黑大優。但實際上白棋進入了必勝局勢，黑為了救命，只能用車後換白的後，白方車對馬優勢很大可以把黑的兵掃光。而AlphaZero第18步就把馬棄了，這麼多步以後人們才明白它在幹什麼。

AlphaZero剛出來，國際象棋高手們還在接受中，但方向應該是明確的。機器學習代表了一大類問題的未來，人類精心設計的算法，不如機器暴力自學習。和之前的圍棋相比，這次的國際象棋和日本將棋進一步打開了想象力。也許以後，機器就自己學會編程了，因為編程其實就是實現一些明確的目標。

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。