李开复：AlphaGo两年内打败人类

　　[摘要]AlphaGo打败李世乭比较悬，但是1-2年之内必然完胜人类。

　　腾讯科技讯 3月7日，李开复(微博)回复知乎上网友“AlphaGo能战胜李世乭吗?”的问题时称，AlphaGo打败李世乭比较悬，但是1-2年之内必然完胜人类。

　　李开复分析称，AlphaGo去年年底的围棋等级分是3168，而李世乭等级分大约是3532。按照这两个等级分的两个棋手对弈，李世乭每盘的胜算为89%，如果对弈一盘，AlphaGo尚有11%的获胜的可能性，而整个比赛五盘胜出三盘或更多，AlphaGo就只有1.1%的可能性了。

　　李开复称，从去年年底到现在，只有几个月的时间，AlphaGo的水平增长仍不足以击败世界冠军。但李开复也预言，1-2年内AlphaGo有希望打败李世乭。

　　AlphaGo去年底击败了欧洲冠军樊麾，但樊麾只是职业二段，而李世乭是职业九段。两者差别巨大，完全不能混为一谈。

　　以下为李开复在知乎上的回答：

　　我认为AlphaGo这次的比赛打败李世乭比较悬，但是1-2年之内必然完胜人类。

　　按照两者的Elo(围棋等级分)，可以算出去年年底的AlphaGo打败李世乭的概率相当低。如何算出的呢?AlphaGo去年年底的顶级分布式版本的Elo是3168(见下面第一张图)，而李世乭的Elo大约是3532(全球围棋手Elo: Go Ratings ，见下面第二张图)。

　　按照这两个等级分的两个棋手对弈，李世乭每盘的胜算为89%(公式见：How to Guide: Converting Elo Differences To Winning Probabilities : chess)。如果对弈一盘，AlphaGo尚有11%的获胜的可能性，而整个比赛五盘胜出三盘或更多，AlphaGo就只有1.1%的可能性了。(当然，这是几个月前的AlphaGo，也许今天已经超越了：见下面第三点)。

　　AlphaGo不是打败了欧洲冠军吗?有些人认为AlphaGo去年底击败了欧洲冠军樊麾，所以挑战(前)世界冠军应有希望。但是，樊麾只是职业二段(Elo 3000左右)，而李世乭是职业九段(ELO 3532)。这两位的差别是巨大的，完全不能混为一谈。就比如说一个人乒乓球打败了非洲冠军，并不代表他就可以成功挑战中国冠军。

　　AlphaGo有可能在这几个月突飞猛进，进而击败李世乭吗?AlphaGo的负责人说：”外界不知道我们这几个月进步了非常多“。(来自：Odds favor machine over human in big Go showdown )。这点确实有可能。AlphaGo进步的方法有两个：(1)增加硬件：我们从Nature的文章可以看到：从1202个CPU到1920个CPU，AlphaGo的ELO只增加了28，而且线性地增加CPU，不会看到线性的ELO成长。若要达到364 ELO积分的提升，需要的CPU将达到天文数字(有篇文章估计至少要10万个CPU：AlphaGo and AI Progress)。当然，谷歌(微博)有钱有机器，但是纯粹加机器将会碰到并行计算互相协调的瓶颈(就是说假设有十万万台机器，它们的总计算能力很强，但是彼此的协调将成为瓶颈)。在几个月之内增加两个数量级的CPU并调节算法，降低瓶颈，应该不容易。(2)增加学习功能：AlphaGo有两种学习功能，第一种是根据高手棋谱的学习，第二种是自我对弈，自我学习。前者已经使用了16万次高手比赛，而后者也在巨大机组上训练了8天。这方面肯定会有进步，但是要超越世界冠军可能不容易。最后，换一种分析方式：如果从过去深蓝击败世界冠军的“成长过程”来看，深蓝大约1993年达到职业大师水平，4年后才在一场六盘的比赛中击败世界冠军(大约500Elo积分点的提升)。今天的AlphaGo应该和1993年的深蓝相似，刚进入职业大师水平。若要击败世界冠军，虽然未必需要4年的时间，但是几个月似乎不够。

　　还有什么以上未考虑的因素，导致AlphaGo获胜吗?如果谷歌刻意未出全力和樊麾对抗，或者有其它学习或并行计算方面超越了Nature里面的描述，那AlphaGo完全有可能获胜。

　　既然写了这么多，就对这个题目再发表一些看法：

　　AlphaGo 是什么?在今年一月的Nature (http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html )有AlphaGo的详细介绍，AlphaGo是一套为了围棋优化的设计周密的深度学习引擎，使用了神经网路加上MCTS (Monte Carlo tree search)，并且用上了巨大的谷歌云计算资源，结合CPU+GPU，加上从高手棋谱和自我学习的功能。这套系统比以前的围棋系统提高了接近1000分的Elo，从业余5段提升到可以击败职业2段的水平，超越了前人对围棋领域的预测，更达到了人工智能领域的重大里程碑。

　　AlphaGo 是科学的创新突破吗?AlphaGo是一套设计精密的卓越工程，也达到了历史性的业界里程碑，不过Nature文章中并没有新的“发明”，AlphaGo的特点在于：不同机器学习技术的整合(例如：reinforcement learning, deep neural network, policy+value network, MCTS的整合可谓创新)、棋谱学习和自我学习的整合、相对非常可扩张的architecture(让其充分利用谷歌的计算资源)、CPU+GPU并行发挥优势的整合。这套“工程”不但有世界顶级的机器学习技术，也有非常高效的代码，并且充分发挥了谷歌世界最宏伟的计算资源(不仅仅是比赛使用，训练AlphaGo时也同样关键)。

　　AlphaGo的跳跃式成长来自几个因素：1)15-20名世界顶级的计算机科学家和机器学习专家(这是围棋领域从未有的豪华团队：也许你觉得这不算什么，但是要考虑到这类专家的稀缺性)，2)前面一点提到的技术、创新、整合和优化。3)全世界最浩大的谷歌后台计算平台，供给团队使用，4)整合CPU+GPU的计算能力。

　　AlphaGo是个通用的大脑，可以用在任何领域吗?AlphaGo里面的深度学习、神经网络、MCTS，和AlphaGo的扩张能力计算能力都是通用的技术。AlphaGo的成功也验证了这些技术的可扩展性。但是，AlphaGo其实做了相当多的围棋领域的优化;除了上述的系统调整整合之外，里面甚至还有人工设定和调节的一些参数。AlphaGo的团队在Nature上也说：AlphaGo不是完全自我对弈end-to-end的学习(如之前同一个团队做Atari AI，用end-to-end，没有任何人工干预学习打电动游戏)。如果AlphaGo今天要进入一个新的应用领域，用AlphaGo的底层技术和AlphaGo的团队，应该可以更快更有效地开发出解决方案。这也就是AlphaGo真正优于深蓝的地方。但是上述的开发也要相当的时间，并且要世界上非常稀缺的深度计算科学家(现在年待遇行情已达250万美金)。所以，AlphaGo还不能算是一个通用技术平台，不是一个工程师可以经过调动API可以使用的，而且还距离比较远。

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!