2017年10月19日，谷歌Deepmind團(tuán)隊在《自然》刊發(fā)論文《精通圍棋對弈無需借助人類知識》。一款新的人工智能AlphaGo Zero，從零開始學(xué)習(xí)，自己與自己對弈，不借助任何圍棋棋譜與人類經(jīng)驗，10小時左右發(fā)現(xiàn)簡單定式；15小時發(fā)現(xiàn)復(fù)雜定式；55小時左右發(fā)現(xiàn)人類頂尖高手從未用過的新定式；72小時出關(guān)。出關(guān)后以100∶0完敗AlphaGo Lee（曾戰(zhàn)勝李世石），以89∶11大勝棋力更強的AlphaGo Master。
在AlphaGo系列版本連敗人類頂尖高手之后，圍棋對弈的看頭已不在人類頂尖高手之間，也不在人工智能與人類頂尖高手之間，只在人工智能與人工智能之間了。AlphaGo Zero三天的自我學(xué)習(xí)，超越了人類幾千年對圍棋知識的積累，也超越了借助于人類經(jīng)驗與大數(shù)據(jù)訓(xùn)練的AlphaGo Lee及Master，讓人嘆為觀止，充分揭示了人類經(jīng)驗的局限性。
有人說，AlphaGo Zero橫空出世，說明“算法比大數(shù)據(jù)更重要”。這當(dāng)然是對的。棋力的本質(zhì)就是算法與算力。
首先，人工智能戰(zhàn)勝人類頂尖高手，是算法與算力的勝利。由于算力的限制，人類棋手采用的是局部最優(yōu)化算法，每一落子，主要考慮對周邊局面當(dāng)下與后續(xù)的影響。算力優(yōu)裕的人工智能，原則上可采用全局最優(yōu)化算法，每一落子，考慮對全局當(dāng)下與后續(xù)的全部影響。在絕大多數(shù)情況下，局部最優(yōu)與全局最優(yōu)的落子是一致的。但極少數(shù)情況下，局部最優(yōu)就不是全局最優(yōu)，人工智能就碾壓人類頂尖高手了。
其次，用一張神經(jīng)網(wǎng)絡(luò)自我學(xué)習(xí)與訓(xùn)練的人工智能，戰(zhàn)勝借助于人類經(jīng)驗與大數(shù)據(jù)訓(xùn)練的人工智能，也是算法的勝利。看來，前者才是真全局最優(yōu)化算法，因不看棋譜而免于被人類經(jīng)驗帶偏；后者只是準(zhǔn)全局最優(yōu)化算法，算法受到了人類棋譜中的局部最優(yōu)化算法的“污染”，也就是說，人類經(jīng)驗束縛了人工智能棋力的提升。這對人類來說真是一個尷尬的事實。
由此，“圍棋的終結(jié)”那一天似乎也不遠(yuǎn)了。圍棋對弈是在完全信息下進(jìn)行的，規(guī)則也很明確，理論上存在著一盤“終極棋局”：對弈雙方下的每一步，都是全局意義上的最優(yōu)落子，也就是說，任何一方的任何一步不這樣落子是不明智的，最后就形成了“終極棋局”。
AlphaGo Zero的最大意義，在于有助于我們反思人類經(jīng)驗的局限性，讓我們清醒認(rèn)識到經(jīng)驗有效性的邊界在哪里，不至于以為自己的經(jīng)驗是絕對真理。人類經(jīng)驗的本質(zhì)其實就是局部最優(yōu)解。你的個人經(jīng)驗就是你個人視角下的局部最優(yōu)解。
如果說在圍棋對弈中人類棋手不得不采用局部最優(yōu)化算法的原因是算力限制，那么在日常決策中人們采用局部最優(yōu)化算法的主要原因在于信息不充分、不準(zhǔn)確。人類社會中的博弈基本都是信息不對稱下的博弈。你在對自己掌握的有限信息去粗取精、去偽存真之后做出的決策，是局限條件下最優(yōu)的決策，但并不一定等于真正對你最優(yōu)、最有利的決策。不過，要是你占有的信息盡可能全面、盡可能精確，那你的決策就會更接近于上帝全知視角下的全局最優(yōu)解。
此外，人們在決策中常犯的錯誤是只考慮短期效應(yīng)，而忽視長期效應(yīng)；只看到“看得見的”，而忽視“看不見的”；只看到直接的“一階效應(yīng)”，而忽視“二階效應(yīng)”等高階效應(yīng)。這看起來也挺像“算力限制”導(dǎo)致的，但其實是一種“算法缺陷”，是智力上的懶惰。AlphaGo Zero就不會犯這樣的錯誤，一定會考慮落子對當(dāng)下與后續(xù)的全部影響。
是的，AlphaGo Zero就是一面鏡子，照見了人類經(jīng)驗的局限性。
