本文共 4887 字，大约阅读时间需要 16 分钟。
到底是谁击败了柯洁？
答案似乎显而易见。但量子位之所以问这个问题，是因为如今击败柯洁的AlphaGo，与去年击败李世乭的AlphaGo，有着本质的区别。
DeepMind把AlphaGo粗略分成几个版本：
- 第一代，是击败樊麾的AlphaGo Fan。与Zen/Crazy Stone等之前的围棋软件相比，棋力要高出4子。
- 第二代，是击败李世乭的AlphaGo Lee。与上一代相比，棋力高出3子。
- 第三代，是柯洁如今的对手，也是年初60连胜的：AlphaGo Master。相比于击败李世乭的版本，棋力又再次提升3子。
需要强调的是，AlphaGo Lee和AlphaGo Master有着根本不同。不同在哪里，今天DeepMind创始人兼CEO哈萨比斯(Demis Hassabis)，AlphaGo团队负责人席尔瓦(Dave Silver)联手首度揭开新版AlphaGo的秘密。
量子位这一篇推送的内容，整理自哈萨比斯、席尔瓦今日上午的主题演讲，还有今日午间量子位对这两位DeepMind核心人物的专访。
单TPU运算，更强的策略/价值网络
首先用数据说话。
AlphaGo Lee
- 运行于谷歌云，耗用50个TPU进行计算
- 每次搜索计算后续50步，计算速度为10000个位置/秒
- 2016年在首尔击败李世乭
作为对比，20年前击败卡斯帕罗夫的IBM深蓝，可以搜索计算一亿个位置。席尔瓦表示，AlphaGo并不需要搜索那么多位置。
AlphaGo Master
- 运行于谷歌云，但只用一个TPU机器
- 自学成才，AlphaGo自我对弈提高棋力
- 拥有更强大的策略/价值网络
由于应用了更高效的算法，这次和柯洁对战的AlphaGo Master，运算量只有上一代AlphaGo Lee的十分之一。所以单个TPU机器足以支撑。
AlphaGo团队的黄士杰博士也在朋友圈表示，最新的AlphaGo可以被称为单机版。而上一代AlphaGo使用了分布式计算。
在会后接受量子位采访时，席尔瓦证实此次AlphaGo仍然使用了第一代TPU，而不是前不久公布的第二代。
另外席尔瓦澄清说：“今年升级版的AlphaGo是在单机上运行的，它的物理服务器上部署了4个TPU”。
显然PPT有个小小的误导。
如果你想更进一步了解TPU，这里有几篇量子位的报道推荐：
- 《》
- 《》
- 《》
回到AlphaGo，可能你也注意到了，这个新版本的围棋AI有了更强大的策略/价值网络。下面围绕这一点继续解密。
△ 席尔瓦
AlphaGo的算法
为了讲清楚新的策略/价值网络强在哪里，还是应该首先介绍一下AlphaGo的算法如何构成。席尔瓦介绍，量子位搬运如下。
当初DeepMind团队，之所以选择围棋方向进行研究，一个重要的原因在于围棋是构建和理解运算的最佳试验台，而且围棋的复杂性远超国际象棋，这让电脑无法通过深蓝一样的暴力穷举方式破解围棋的奥秘。
击败李世乭的AlphaGo，核心是一个卷积神经网络。DeepMind团队希望AlphaGo最终能够理解围棋，形成全局观。席尔瓦表示，AlphaGo Lee由12层神经网络构成，而AlphaGo Master有40层神经网络。
这些神经网络进一步细分为两个功能网络：
- 策略网络（policy network）
- 价值网络（value network）
在这两个网络的训练中，使用了监督学习和强化学习两种方式。
首先基于人类的专家库数据，对策略网络的上百万参数进行调整。调整的目标，是让策略网络在相同的情况下，能够达到人类围棋高手的水平：下出同样的一步棋。
然后是强化学习，让人工智能进行自我博弈，这一训练结束后，就形成了价值网络，这被用于对未来的棋局输赢进行预测，在不同的下法中作出优劣判断。
通过策略网络，可以降低搜索的宽度，减少候选项，收缩复杂性。而且不会让AlphaGo下出疯狂不靠谱的步骤。
另一方面，通过价值网络减少深度，当AlphaGo计算到一定的深度，就会停止。AlphaGo不需要一直穷尽到最后。
把这个两个结合起来，就是AlphaGo的树搜索。通过策略网络选出几个可能的路径，然后对这些路径进行评估，最后把结果提交给树顶。这个过程重复几百上千次，最后AlphaGo得出赢棋概率最高的一步。
新策略/价值网络如何炼成
那么新的新策略/价值网络，到底强在哪里？
AlphaGo Master这次成了自己的老师，用席尔瓦的话说，这位围棋AI是自学成才。它从自我对弈的棋局里进行学习，积累了最好的训练数据。“上一代AlphaGo成为下一代的老师”席尔瓦形容道。
通过AlphaGo的自我博弈，不断吸取经验、提高棋力，这一次AlphaGo用自我对弈训练出的策略网络，可以做到不需要更多运算，直接给出下一步的决策。
这种改变明显减少了对计算力的需求。
另一个价值网络，也是基于AlphaGo的自我对弈进行训练，通过对弈后的复盘，价值网络能够学到哪一步是关键所在。通过高质量的自我对弈，训练价值网络预测哪一步更重要。
席尔瓦表示：“在任何一步，AlphaGo都会准确预测如何能赢”。
这个过程不断反复迭代，最终打造了一个更强大的AlphaGo。自我博弈，带来数据质量的提高，从而推动了AlphaGo的快速提升。
如此前一样，DeepMind证实也会公布这一代AlphaGo的相关论文。更多的细节，我们可以期待Deepm稍后的发布。
攻克智能，解决问题
AlphaGo来自DeepMind。2010年DeepMind在伦敦成立，目前有500名员工，其中一半是科学家。哈萨比斯说，DeepMind要把人工智能科学家、数据和计算力结合在一起，推动人工智能的发展。
△ 哈萨比斯
这家公司的愿景：第一是攻克智能。第二是用智能解决所有问题。
换句话说，DeepMind的目标是构建通用人工智能。所谓通用人工智能，首先AI具备学习的能力，其次能举一反三，执行各种不同的任务。如何抵达这个目标？哈萨比斯说有两个工具：深度学习、强化学习。
AlphaGo就是深度学习和强化学习的结合。AlphaGo也是DeepMind迈向通用人工智能目标的一步，尽管现在它更多的专注于围棋领域。
哈萨比斯表示，希望通过AlphaGo的研究，让机器获得直觉和创造力。
这里所谓的直觉，是通过体验直接获得的初步感知。无法表达出来，可通过行为确认其存在和正误。
而创造力，是通过组合已有知识产生新颖或独特想法的能力。AlphaGo显然已展示出了这些能力，尽管领域有限。
“未来能够看到人机结合的巨大力量，人类智慧将被人工智能放大。”哈萨比斯说。目前AlphaGo的技术已经被用于数据中心，能节约15%的电能；另外也能被用于材料、医疗、智能手机和教育等领域。
尽管已经连战连捷，AlphaGo仍然有继续探索的空间。哈萨比斯和DeepMind仍然想在围棋领域继续追问：我们离最优解还有多远？怎样才是完美棋局？
当今社会已有越来越多的数据产生，然而人类往往无法通过这些数据了解全局的变化，在这种情况下人工智能有可能推动科研继续进步。
一切正如国际象棋棋王卡斯帕罗夫所说：
“深蓝已经结束，AlphaGo才刚开始。”
专访全文
△ 哈萨比斯、席尔瓦接受量子位等专访
提问：在Master已经对包括柯洁在内的人类棋手60连胜之后，举办这场比赛的意义在哪里？
哈萨比斯：Master在网上下的都是快棋，人类棋手在下棋时时间控制得可能不会太精准，人类棋手在网上的注意力也不一定完全集中，因此我们仍然需要跟柯洁进行对弈来对AlphaGo进行测试。
同时，通过这些网上的对弈，第一，是希望测试一下AlphaGo的系统；第二，也是希望为围棋界提供一些新的想法和思路，给柯洁一定备战的时间，也为他提供一些分析AlphaGo打法的素材。
提问：关于AlphaGo的行业应用，有哪些您比较看好？今后Deepmind会不会在中国开展一些行业应用？
哈萨比斯：首先，AlphaGo背后的支撑技术相当多，目前在其他领域的应用还在早期探索阶段。我上午谈到的一些应用，只是AlphaGo围棋可能应用中的一小部分。在未来，我们肯定会将AlphaGo的技术在Google领域的应用，也许在中国也会有相应的业务。
提问：AlphaGo是否已经实现了无监督学习？它是否在向着强人工智能迈进？
席尔瓦：首先，AlphaGo使用的是增强学习的方法。我们只能说，AlphaGo在某一特定领域实现了自己的直觉和意识——这和我们所说的人类通过直接训练产生的意识可能有很大不同。因为它并非这种人类意识，因此有机会被应用到其他领域，不仅限于围棋。
提问：Hassabis先生上午提到，人工智能必须要被正确应用。那么这种“正确”包括哪些原则？
哈萨比斯：两个层面。第一，AI必须造福人类，应该用于类似科学、制药这类帮助人类的领域，而不能用于一些不好的事情，比如研发武器；第二，AI不能只为少数公司或个人所使用、，它应该是全人类共享的。
提问：上午的演讲中两位提到，这一代AlphaGo只需要一个TPU进行运算，而上一代和李世石对战时的AlphaGo则部署了50个TPU；但这代系统所需的计算量只是上一代的十分之一。为什么会出现这种比例上的差距？
席尔瓦：我来澄清一下。今年升级版的AlphaGo是在单机上运行的，它的物理服务器上部署了4个TPU。
提问：为什么AlphaGo下棋是匀速的？
席尔瓦：我们在对AlphaGo训练时就已经发现，它在对弈时进行的计算是持续的、稳定的，在总共的比赛过程中，它的计算量是恒定的。我们为AlphaGo制定了一种求稳的时间控制策略，也就是最大限度地利用自己的比赛时间，如果要将比赛时间的利用率最大化，匀速当然是最好的。
△ 穆斯塔法等接受量子位等专访
提问：围棋相对简单，AI在现实中应用，有哪些阻碍？
穆斯塔法：我们对此有过深入思考，DeepMind创立的使命中指出，我们要打造通用型的人工智能技术，并接受相应的监督监管。此前我们和众多的机构共同成立AI联盟，以遵循伦理和安全的方式，进行算法的开发。
提问：技术落地过程中，如何避免侵犯隐私？
穆斯塔法：新技术的部署应用过程中，确实出现了跟监督监管机制不匹配的情况，现在科技的力量已经非常强大，在这种情况下，技术快速发展。所谓的数字化技术或设备进行平衡，是我们不断推进的事情。
我们希望加强医生患者对技术的信任，第一是展示临床使用的效果，第二我们一开始就公开表示，系统处理的数据，完全在监管范围之内，不会应用到其他业务之中。
提问：DeepMind目前是什么结构？
穆斯塔法：DeepMind分为两个结构，哈萨比斯负责研发，我负责商业应用。应用又分成三个组：1、Google组 2、医疗组，和英国NHS合作 3、马上要成立的能源组。我们希望与专家合作，获取必要的数据。
我们和Google不同部门合作，有不同的形式。
提问：为什么先把AI应用在医疗领域？而不是金融等
穆斯塔法：商业利润不是我们最重要的驱动力。我们选择行业从两点出发：首先，是否有助于技术研究；其次，是否有助于完成社会使命。
医疗行业季度的低效，技术停滞不前已经很久。
提问：一手研发，一手商业化，有没有隐藏的技术细节？
穆斯塔法：我们尽量多在开源的时候，提供有助于别人的资料。当然，我们不是100%都公布技术细节。当然我们会尽量多的做开源。
提问：驱动AI应用的数据是否足够，以及是所需要的数据？
穆斯塔法：我们做过一个统计。世界上，最优秀的放射科专家，一生也就看三万张X光照片，我们的算法可以看几百万张，能够开发出疑难杂症的意识和本能。我们能够对算法增强准确率，表现非常稳定。
人类专家看X光片，可能只有三分之二的共识达成。所以我们的想法是，用算法做X光片，然后配上不同的疾病专家，这样效果更好。
【完】
转载地址：http://waqbx.baihongyu.com/