探秘阿尔法围棋机器人

探秘阿尔法围棋机器人

作者：

来源：《科学导报》2016年第17期

3月10日，“阿尔法围棋”再次战胜李世石。无论执黑执白，李世石均无还手之力。有人欣

喜，有人哀叹，有人惊掉下巴。机器杀伐决断，只凭三种武器：神经网络、蒙特卡洛算法和评

估局面。

首先，“阿尔法围棋”是一团神经网络，不是一本大全棋谱。它下棋不是翻谱，而是跟人一

样靠计算和直觉，但它“少年老成”，直觉更准。

职业棋手有种“棋感”，那是下了上万盘棋后，大脑见多识广，感觉到某一手的优劣，尽管

说不出道理。画画、骑车、拿榔头敲钉子，都是凭感觉，“唯技熟耳”。有个极端的例子，中国

有种专业，可以辨认刚孵蛋出来的小鸡雄雌，他们说不出怎么辨认，凭感觉去选，基本没错。

临帖一万次，有了书法感觉；打谱一万遍就有了棋感。为什么？大脑=神经细胞+神经突

触，突触是大脑的电线，经常“过电”的突触会更强壮。小孩子的大脑正是如此学习：伴随成功

的快乐，刚用过的神经突触就会加强，习惯就养成了。

早在冯·诺依曼时代，科学家就想到用电脑模拟大脑：计算单元+通路，通路的强度可调

节。虚拟大脑一次次接受任务，每次调用不同的神经通路去做，如果任务成功，刚用过的通路

强度会被提高，反之强度降低。

“阿尔法围棋”复制了小孩子的学习过程，成功调高相关通路强度，失败了就调低，使神经

网络在自我对弈百万盘（用不同风格）后调整到最优。

“阿尔法围棋”的“肉身”是神经网络；在此基础上，它有两套心法：蒙特卡洛算法和评估局

面。

蒙特卡洛算法很好理解，很多棋类软件都这么干。你吩咐狗熊去玉米田里掰一个最大的棒

子，但玉米田太大，累死了也走不完。狗熊想了个主意：根据经验选十来个常出大棒子的地

方，仔细一遍。最后掰的大棒子，就算不是整块田里最大的，也差不离。这就是蒙特卡洛式

的狗熊。

围棋盘有19乘19个位置，以前大家认为天文数字的可能性，电脑算不过来的。但蒙特卡

洛算法只选取一小部分有希望的点来考虑。“阿尔法围棋”跟之前的“ZE”等围棋软件都是如

此，倒不出奇。