下周二柯洁和阿尔法狗狗的围棋对战就要开始啦。一定有不少好奇宝宝想知道这个已经横扫世界顶尖围棋手的 AlphaGo 背后究竟发生了什么，在这里小编就带大家简单了解一下狗狗的背后的故（yuan) 事 (li)。

AlphaGo 是谷歌公司的 DeepMind 小组开发的、用来玩围棋的窄域 AI（Narrow AI, 又称 Weak AI, 是相对于 Strong AI 而言的，只重点关注一个任务的人工智能）。AlphaGo 整体由（走子）策略网络，快速走子，估值网络和蒙特卡洛树搜索构成。

总的来说，狗的构成有以下几个部分：

（点击查看原图更清楚）

下载这张思维导图

策略网络（Policy network）

策略网络的目的，简单地说，就是用来预测下一步要怎么走的。一般狗会预测1-3 步盘面，而这个预测判断的来源是大量机器学习的训练。主要包含了两个阶段。

阶段一是监督学习（SL）。规则网络从 KGS Go 服务器的 3000 万个位点进行训练。这样可以把预测准确性提高到 57%。但这样做的缺点是估值会变得巨慢，于是在这里会引入「快速走子」策略（FR Policy)。FR 没有那么准确（27%），但快很多。所以这两者其实就是一个准确度与速度互补的关系。

阶段二是增强学习（RL）。如果说监督学习是为了预测下一步最可能的走子的话，那么增强学习就是预测下一步最优的走法。在这个阶段，狗狗与随机选取的自己之前迭代的 120 万局比赛再对弈（避免过度拟合）。

估值网络（Value network）

最后一个训练阶段目的是评估位点（也就是说，计算现在走的这一步导向胜利的可能性有多大）。为了避免过度拟合（总之就是为了得到更普遍的位点数据），新的数据集还是从狗狗自己训练过的棋局数据里面产生（3000 万个不同的位点，每个都来自不同的棋局）。

训练后的估值函数比蒙特卡洛树搜索的快速走子更准确。监督学习保证了走子训练的多样性，增强学习估算某个位点的胜负概率。

蒙特卡洛树搜索

一句话概括，蒙特卡洛树搜索是用来整合前几个部分形成体系的。其原理是在随机采样上计算得到近似结果。采样越多，得到结果接近最优解的概率越大。也就是狗在对弈的时候，随机在棋盘上下棋，快速下满棋盘，怎样得最高分就怎样走（当然在采用蒙特卡洛树搜索的时候，实际算法更复杂）。这种方式尤其适合解决对弈问题。

如果翻译成流程图，就是这样的

下载这张思维导图

山雨欲来风满楼

很多年以后，中学的历史书课本上会写着：

2017 年 5 月，柯洁与 AlphaGo 的围棋对弈是人类历史上与人工智能围棋单挑的最后一役。而 2016 年 AlphaGo 与李世石的那次对战，则是摧毁人类满满信心和不自量力的转折点。

回到现实。目前也只有世界围棋等级分排名第一的柯洁可以和（排名第二的） AlphaGo 对战了。狗的厉害大家都有目共睹。去年大胜李世石之后，又以 Master* 的身份在网络上以 60 胜 0 负的战绩横扫中日韩顶尖棋手。事实上，去年狗在世界围棋分榜排名一度超过柯洁登顶，随后又被柯洁赶超。不过，今年世界围棋等级分榜已将人工智能移出榜单，不再计入排名。

最新世界围棋分榜排名

考虑到柯洁的状态，以及狗的技术随时间呈指数级的增长，大家对于柯洁的低胜算基本没有什么争议（此前柯洁已连续两轮输给 AlphaGo 升级版 Master）。根据古力的看法，「柯洁赢一局的可能性不到10% 」。

或许，我们还可以把这次的希望寄托在团体赛上。五个人对战一个 AI，会不会有赢一局的胜算呢？

（当然，还是希望柯洁能像李世石去年第四局那样神赢一场，求打脸）。

*注：和 Master 对弈的网棋是 30 秒一手的快棋，让 AI 处于更有利的地位。

干货部分参考：Understanding AlphaGo

想每天第一时间收到 AI 相关高质量技术内容？

扫描二维码关注公众号：AI训练场