亦苏围棋社区 - Powered by Discuz! Board

标题: 独家专访CGI吴教授-台湾围棋AI黑马击败腾讯绝艺，独家揭秘四大关键 [打印本页]

作者: 天马行空 时间: 2017-9-16 12:52 标题: 独家专访CGI吴教授-台湾围棋AI黑马击败腾讯绝艺，独家揭秘四大关键

2017年8月26日人物访谈

[attach]86510[/attach]

本文来源于微信号：DeepTech深科技

“赢腾讯绝艺，我自己都吓呆了”，这是台湾交通大学资讯工程系教授吴毅成，接受DT君采访时说的第一句话。

[attach]86511[/attach]

图丨台湾交通大学资讯工程系教授吴毅成。（图片：詹子娴）

AlphaGo 击败人类棋王的事实，使得全球都加大了对人工智能的投入。日前，在鄂尔多斯举办的中国围棋大会首届世界智能围棋公开赛上，AlphaGo 因宣布退休而没有参赛，本来不出意外，冠亚军在腾讯的绝艺和日本老牌围棋 AI 程序 DeepZenGo 之间产生。殊不知半路冲出一匹大黑马，击败了腾讯的绝艺，夺下亚军，这只黑马就是由吴毅成领军、台湾交大团队所开发的围棋人工智能“CGI”。

磨练两年以黑马姿态崛起

近期 CGI 在国际赛事屡创佳绩，包括六月中在福州举办的中韩人机配对赛获得冠军；七月份在意大利的国际 IEEE FUZZ 会议上，CGI 与台湾的红面棋王周俊勋对弈两场，CGI 先是执黑获得胜利，执白也以 2.5 目取胜，成为全球第一次“学界”围棋程序在正式比赛击败职业九段棋士，又在八月的中国围棋大会上又胜过腾讯绝艺。

[attach]86512[/attach]

图丨福州中韩人机配对赛上 CGI 团队在测试

能得到这样好的成绩，连 CGI 团队自己也没想过。CGI 全名是 Computer Games and Intelligence，是吴毅成带领的电脑游戏与智能实验室的缩写。围棋智能就是CGI开发的技术之一。CGI是个才出现了短短两年的围棋 AI 新手，相比于投入了庞大资源跟资金的绝艺，或是结合了产学之力、过去十年站在领先位置的日本 DeepZenGo，仍然显得稚嫩。

在 2015 年的初版里，CGI 的棋力大约仅相当于业余三段水平，因此不被外界看好，中国围棋世界冠军柯洁就认为绝艺是胜券在握。

[attach]86513[/attach]

就连 CGI 团队自己当时也认为，“如果能得到第三就很开心了。”因为在中国围棋大会比赛之前，团队对自己及对手进行了分析：尽管 CGI 经过两年的改进及实战，实力上已有提升，但始终觉得跟绝艺、DeepZenGo 仍有一段距离。“当时评估在ELO 等级分系统（Elo Rating）中，与 DeepZenGo 还差 100 左右。预估双方应该会是 45 对 55，而绝艺应该是远高于我们，”吴毅成诚实地说。

[attach]86514[/attach]

令人没有想到的，在第一天的赛事中，CGI 以全胜晋级，连团队自己都不敢相信。到了第二天，比赛还在进行中，同在观赛的红面棋王周俊勋认为CGI有极高的机率获得冠军，因此就先传了讯息向CGI团队说：恭喜，得冠军的機率很大。但“有点可惜，在比赛后期犯了一点错误”，无奈在 DeepZenGo 面前败下阵，与冠军擦身而过。

什么是吴毅成口中的失误？他解释，电脑的逻辑跟人脑不一样，电脑是只要赢就好，赢一目也是赢。但是，人类总是想攻城掠地，尽可能赢越多越好，人的逻辑没有错，赢越多就越能保障胜率，但风险也较大。

另外，进入比赛后期，如果电脑失误，很容易就开始乱下。围棋只要有一两个地方看错往往就会输了，当 CGI 对弈 DeepZenGo 时，电脑搜索没有那么深，看错了一个地方，但想要挽回时，才发现已经中了对手的陷阱，情势已难挽救，团队当场看胜率就往下掉了。

战胜腾讯绝艺四关键

对战绝艺的胜利，不仅让外界注意到了 CGI，更好奇胜出关键是什么。吴毅成笑说：“大家都在问这个问题，在会场时，就有很多人赶快拿我们的论文研究。”

目前，在围棋智能程序领域，吴毅成分析，AlphaGo已经是在天上的等级，CGI、DeepZenGo、绝艺三者的实力是伯仲之间。蒙特卡洛树搜索算法（MCTS）发展后，DeepZenGo 一直领先，深度学习发展之后，他们也追得上，着实厉害。另外，大陆过去在 Computer Go（电脑围棋）的投入不算多，但在 AlphaGo 兴起后，投入大量资源及资金研发，一年就快速赶上。

[attach]86515[/attach]

“能打败腾讯绝艺，主要是这次机器版本改善了许多小东西而累积起来的成果，使得胜率比之前版本多了 70～80％，我相信绝艺要改善是很快的。”不过他也对 DT 君透露了制胜的四个关键：

第一：机器过去只管输跟赢，但这次网络设计是包括输多少、赢多少，机率又是多少，例如比对手多五目的机率是多少、多六目又是多少。如果这一个 Net 可以判别可以输几目、赢几目的话，在某个角度来看精准度就会更高。有些人可能认为这个对胜率提升帮助不大，但对 CGI 来说，数据是有提升的。

第二是分布式系统的成功，让多台机器联合作战，也是此次加入的设计。

第三是改善了蒙特卡洛树搜索算法的一个项目。这个改善过去看不太出来，不过却在这次展现。

第四则是训练机器的棋谱，品质有所提高，包括有深层棋谱及高手棋谱。

另外，吴毅成也分享与腾讯绝艺、DeepZenGo 这些 AI 的观察，一致认为有一个问题程序不好解，就是“龙”很长的时候程序常会误判。这个对我们而言是个谜，我们也不确定 AlphaGo 是否已经解决，还是只是没有遇到这状况，因此让人期待 DeepMind 的下篇论文。

投入围棋前的练兵

吴毅成在 12 年前就开始将人工智能应用在游戏的领域，是因为当时他看到了一件事：电脑的运算能力已经够了，摩尔定律快到极限，让他敢于投入，而且订下一定要做围棋的目标。不过，围棋 AI 程序对他来说，就象是打怪游戏里的大魔王，要挑战它得先把基本功练好。

因此，实验室先从其他的益智类游戏做起。他在 2005 年发表了自创的六子棋游戏，在其它游戏也都取得很好的成绩，包括麻将、暗棋、象棋等的竞赛都取得冠军。另外，在2048 数学方块游戏领域，他们也是全世界第一个达到总分 65536 的纪录创始者。

[attach]86516[/attach]

把这些基础建设好后，2015 年开始进军围棋。吴毅成的学生吴迪融进一步发展蒙特卡洛树搜索算法中的MM技术（maximization最大化、minimization最小化），成为他们开发围棋AI程序的关键，“有了这个才敢发展 19 路”。

CGI 实验室全力投入深度学习四五个月后，他们就在台湾区的比赛拿下冠军。“当然，要到世界水准还有一段差距”。之后学界开始出现利用深度学习预测高手下法的技术。而且盛传 DeepMind 将在不久后展示相关突破。虽然当然有一派看法认为深度学习不一定能发挥很大的成效，但吴毅成非常笃定深度学习将刮起炫风。

[attach]86517[/attach]

尽管 CGI 的程度还不算好，但他跟学生说：“全力以赴，这是一个机会。我负责到处找资源，你们要做两件事情：找 CP 值最高的 GPU，同时改善演算方法，减少 GPU 的需求。”到了 2016 年 DeepMind 的 AlphaGo 击败世界大师级冠军李世乭，AI 从此在全世界流行起来。Android 之父 Andy Rubin 就认为，下一个操作系统会是 AI 平台，这无疑是新一波的技术转移。

深度学习让人为涉入减少

不过，也因为 AlphaGo 名气太大，技术高超，不少人看衰同样是发展智能围棋的机构或新创公司，甚至会告诫有意做 AI 的新创团队不要再想围棋这个项目了。例如，马云先前就大声疾呼：“中国很多公司别再去搞 AlphaGo 这样的东西了，没有多大意义。”另外，卸下微软小娜（Cortana）研发总监，回台湾创立台湾人工智能实验室的杜奕瑾也曾说，要找别人还没有做得很好的领域来做。

[attach]86518[/attach]

图丨前微软小娜（Cortana）研发总监杜奕瑾

对于这些评论，吴毅成认为是对也不对，当初 CGI 的目的就只是为了希望协助台湾棋手进一步提升实力。从学界的角度来看，“我们现在正是处于一个绝佳的时机”，有了深度学习之后，大家不是可以追得更快吗？

对学校、学生来说，就算没有赢过 AlphaGo，但过程就是一种学习，路走过了就会有收获。“我们百分之百确信， DeepMind 不会一辈子做围棋，就算他不玩了，后继有人做更多的改善，都是件令人开心的事。”

确实，DeepMind 创始人兼 CEO Demis Hassabis 表示，他们相信 AI 协助社会发现新知识并造福社会的潜力，AlphaGo 让人一窥此事的可能性，研发团队将把精力投入新的挑战，例如开发更高级的通用算法，协助科学家们掌握各种更复杂的问题。

[attach]86519[/attach]

图丨DeepMind 创始人兼 CEO Demis Hassabis

回顾 DeepMind 在去年做的几件大事，还包括改善医疗，例如与英国国家医疗服务体系 NHS 旗下的基金会 Royal Free London 签约合作，寻找疾病的治疗方式，以及协助 Google 减少数据中心的能耗、语音辨识，或是发明革命性的新材料等。

另外，从创业的角度来看，中日韩的围棋市场其实不小，但他也坦言，“这个东西只有第一名跟第二名可以活着”。不过，将这样的概念应用在其他产业上也同样是一种思路。

[attach]86520[/attach]

图丨卡斯帕罗夫对战深蓝

“AlphaGo 跟过去 IBM 深蓝不同，这次领域知识（domain knowledge）的人为涉入而减少了很多。”这是什么意思？

几年前，CGI 开发的象棋程序在大陆参加比赛，旁边有一个高手观赛到一半就直接告诉吴毅成：“你们输了！因为这里的卒距离对方的帅还不够近，如果你再进一步就会赢。”但这对于没有拥有像高手那样超凡专业的开发者来说，就是看不出来，所以当时开发象棋，需要找一个很强的高手来告诉程序，这个局面有什么特征，是好还是不好，如果是好就加分。

吴毅成表示，换到现今的 AlphaGo 下围棋，你会看到专业人士涉入的程度很少，一是因为围棋复杂，走法、例子多到没办法穷举。更重要的是，现在使用深度学习模拟人脑，是让电脑自己学，而不是靠高手输入指令。

“加上过去方式所要付出的成本很高，而且有些逻辑规则会互相矛盾抵触，但现在深度学习厉害之处就是不再需要这么多的领域知识（ domain knowledge），同一套程序加以调整后就比较容易应用到其他领域，不论是游戏、机器人、无人机都很有机会。”

或许也就因为如此，现在吴毅成的实验室有一半学生都在跟产业界合作，包括机器人、光学检测、制造应用等方面，未来都有发展成创业的可能。

（弈客编辑YK009）

欢迎光临亦苏围棋社区 (http://ysgo.91em.com/bbs/)