“围棋的希望在人文的一面”

人们曾经毫不怀疑围棋是不能够被机器攻破的。如今，随着谷歌旗下的AlphaGo人工智能围棋程序战胜韩国九段棋手李世石，这一信念被打破了。世界围棋冠军输了，那么，一度盛况现于街头巷尾棋摊上的围棋文化上哪儿去了？在日前由上海图书馆举办，北京邮电大学教授、计算机围棋研究所所长刘知青与高级记者、访谈录《黑白之道》和小说《名局》作者胡廷楣共同主讲的“从AlphaGo到Master——人工智能和文化”主题讲座中，胡廷楣表示，1980年代，国家体委大院里，不用工具训练运动员的竞技项目只有围棋，但是现在，情况发生了变化。将机器看成对手和看成工具是两个完全不同的视角，如果人们能将“人机大战”看作使用工具的科学家和不使用工具的棋手之间的一场以围棋为平台、互为标尺的关于认知的讨论，那么，棋手就获得了认知工具，过去上海体育俱乐部围棋办500个人训练出一个常昊的情况可以得到改观。人工智能的每个一进步，事实上都可能为人类提供新的认知工具，今天的围棋文化在本质上较以往更加丰富了。对于迅猛发展的科学正在改变传统文化和艺术的观念与生存状态而言，今天的围棋，是一个非常典型的样本。

人工智能围棋程序下棋难点及其攻克

据从事人工智能围棋理论和实践已有11年的刘知青教授介绍，围棋棋盘上共有361个点，大多数都是合法的落子点。如果落子在每一个点的后果都要试一试，将会面临一个非常大范围的选择。因此，人工智能围棋程序下棋的困难之一是如何选择落子点，之二是如何快速、准确地对盘面上黑棋和白棋的形势对比作出判断。过去的人工智能在这两个方面都非常薄弱。3年前，AlphaGo从零起步，开始尝试解决上述两个问题，到现在，计算机已经可以进行准确的落子选择，也可以作出准确的形势判断了。这使用了目前人工智能领域最先进的技术方法，就是神经网络。计算机使用的神经网络不是生物意义上的神经网络，而是一个仿照大脑的模拟神经网络，也即：人工神经网络。这个概念提出已有几十年了，直到近年才变成了一项非常重要的技术，原因是获得了两个新条件的支持：一个是数据，另一个是大规模超级计算。

AlphaGo其实是训练了人工神经网络来进行围棋图像的理解，具体说来就是落子的选择和盘面形势的判断。怎么做到这一点的呢？刘教授说，AlphaGo看了海量人类高水平的职业和业余选手是如何下棋的。过去，围棋口诀传授的经验未必是对的，而且无法覆盖每一场围棋比赛的场景。最近100年来，人类的棋谱可以通过电子的方式有效地保留下来了，这些棋谱直接反映了人对于围棋知识的理解。落子虽然没有描述为什么这么下，但它是人经过仔细的思考，从两三百个可能的落子点中选出来的一个最佳选点。这个选点反映了人的智慧。每盘棋的每一个盘面上，人都会找一个选点，一盘棋大约200步，所以大约有200个盘面上的选点。AlphaGo组织了近15万盘人类高手的棋谱， 15万*200步，大约就是3000个盘面，这3000个盘面对应的落子选点与人类的围棋知识是一个映射关系。AlphaGo使用了深度学习神经网络，把传统只能简单模拟的神经网络做到13层，每一层到另一层，是一个图像的变化。最后，该神经网络通过学习，能够得出在不同盘面的不同点，人落子的可能性有多大。只要有百分之八九十的概率分布，就已经可以给机器一个很好的指引——它不用满盘去找人可能落子的地方了。一般来说，前20步的落子概率分布，最高已经超过99%。关于黑棋好还是白棋好的形势判断，根据一个代表胜率的数值来作出。人工神经网络的第二个功能，就是给定一个盘面，即能得出它的胜率是多少，这样就能作出价值判断了。AlphaGo自我对弈了3000万盘棋，从每一盘棋随机抽出一个盘面，它可以通过增强型学习，把每一盘面的胜负关系对应到当前的盘面上，最后得出一个可作胜负判断的新的神经网络。

科学家发现，在人的五大感官中，视觉信息占据了信息来源的大约80%。中国古人荀子说：“不闻不若闻之，闻之不若见之，见之不若知之,知之不若行之。学至于行而止矣。”刘知青教授认为，如果说AlphaGo能把过去所学到的抽象出来，用于落子选择和形势判断，这是“知之”，它还有一个蒙特拉罗的模拟过程，实际地验证那些落子选点和价值判断，最后导向胜利的终极目标，这其实就是“行之”。与人不同，机器下棋不是按一整盘棋连续来下的，而是按每一个独立的盘面一盘盘下的，前面下得怎么样它无所谓，所以不会受前阶段下错棋的干扰。“AlphaGo有40个图像识别系统，而且是每下一子，将棋盘全部摄入一次。机器没有棋手的‘局部’概念，其‘大局观’，是一个迅速的必然的计算过程。”对此，胡廷楣补充说。

对经验的重新认识和围棋的希望

由于围棋盘面形状一个重要的特点是带有相当程度的模糊性，很难进行传统意义上的定性量化计算，棋手在思维上脱离不了形象思维。人工智能围棋前辈，中山大学化学教授、业余5段棋手陈志行教授在上世纪90年代曾经说过，下象棋依靠的是抽象思维，下围棋同时需要形象思维和抽象思维；下围棋的时候，可以依靠感觉，而下象棋需要计算。

2002年，中美两国科学家在实验中发现，下国际象棋和围棋时，都没有用到之前一些科学家认为的与通用智力关系密切的脑区——前额叶。对于这一违反“常识”的发现，美国斯坦福大学的一位教授认为，这可能是因为多数被认为反映“聪明”的智能活动，其实主要是基于经验。棋手一辈子都在积累和使用经验。“数千年围棋史写满了经验”是指由成千上万的棋手经过数千年的努力积累而成的棋界共同经验，现在，机器的算法，无意间已经加入了围棋经验，并成为其中最有活力的一部分。据悉，刘知青教授目前正带领一个团队研究人工智能围棋，其改进的算法可应用于物流规划中的路径、自动驾驶和医疗图像的识别等领域。

胡廷楣特别指出，围棋的每一次革命，都是因为客观环境发生了变化。二战诞生了一大批日本的围棋巨匠和超一流棋手，那是因为那些高端的棋手不得不去当兵，或者无奈之下在战后经济萧条的日本卖菜的卖菜，站柜台的站柜台，反而磨砺出了一大批人。其中吴清源的出现，正是因为他在战争期间遭受了人们所不能忍受的磨难，这改变了他的许多认识，当他把这些认识引入棋界，为围棋带来了一种新的生命。

无独有偶，国家围棋队领队华学明也曾表示：围棋的未来仍有希望，希望在情感的一面。胡廷楣认为，这句话如果换一种表达，可以说，未来围棋发展很大的希望在人文的一面，这人文的一面不排除今天全球巨大的人工智能研究团队对围棋的影响。

“由于围棋没有人际交往的边界、思想随棋而行，盲人、聋哑儿童、犯人都可以参与。你们看这张照片，过去邻居

交流的一种方式就是一起下围棋，这是我们曾经有过的精神生活……”当胡廷楣将PPT定格于一张一位老人和孙女趴在地上，用从附近小摊上要来的硬纸板做成的棋盘下围棋，一位老邻居在边上津津有味地边观棋边等着替换输者上场的照片时，报告厅里的时光仿佛流转回了20世纪80年代的诗意上海。正如胡廷楣所说，这种人与人面对面交流的快乐，机器无法取代。