人机对战简史:从国象到德扑 机器是怎样进化的

2017-04-13 07:52:00

  来源:极客公园 原标题:人机对战简史:从国际象棋到德州扑克

  2017年4月6日到10日,由卡内基梅隆大学开发的人工智能Libratus(“冷扑大师”)将在海南与六位中国的德州扑克选手进行为期五天,累计长达45个小时的德州扑克人机对战。

  这是继AlphaGo在围棋领域大杀四方之后,AI对人类新的挑战。本文将为您梳理,在过去二十年的历史中,人机对战经历了哪些关键节点,AI又发生了怎样的进化?

  国际象棋人机对战

  关键词:计算力

  1996年2月,美国费城,一场在当时被称作“世纪大战”的较量。

  国际象棋世界棋王卡斯帕罗夫面对的挑战者,并不是人。

  卡斯帕罗夫的对手是IBM的超级国际象棋电脑“深蓝”,为了这次较量,后者早已做足了准备。

  在国际象棋每一个回合中,一个玩家可以有大约35种不同的行棋选择,这些选择推导结果是单线程的,从A到B到C的推导选择。随机不可控因素更小,也不存在局部的输赢影响整体战局的关系。对局双方的决策能够更直接地控制整个局面的走势。

  也就是说,国际象棋的比赛,很大程度上是棋手计算力的较量。

  为了能比对手——世界棋王卡斯帕罗夫——多算准一步,深蓝中,用C语言输入了一百多年来优秀棋手的两百多万场对局。这台电脑重1270公斤,有32个节点,每个节点有8块专门为进行国际象棋对弈设计的处理器,运行速度达一亿次每秒。

  1997年电脑深蓝首次战胜国象棋王卡斯帕罗夫

  然而在1996年的这场6局比赛中,深蓝最终以2:4落败。

  首次挑战失败后的一年里,IBM的工程师们将“深蓝”的运算速度又提高了一倍,达到两亿次每秒。但深蓝并非计算机的王者。事实上。深蓝的运算能力当时在全球超级计算机中居第259位。即便这样,深蓝仍然可以算出所有路数来选择最佳策略:新的深蓝靠硬算可以预判12步,而卡斯帕罗夫只能预判10步。

  1997年5月,深蓝再次挑战棋王卡斯帕罗夫。在前五局2.5对2.5打平的情况下,棋王第六盘决胜局中仅仅走了19步,就败给了深蓝。最终深蓝电脑以3.5:2.5(1胜2负3平)获胜,成为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统。

  比赛结束后,“深蓝”小组公布了一个秘密,每场对局结束后,小组都会根据卡斯帕罗夫的情况相应地修改特定的参数,“深蓝”虽不会思考,但这些工作实际上起到了强迫它“学习”的作用,这也是卡斯帕罗夫始终无法找到一个对付“深蓝”的有效办法的主要原因。

  电视问答节目对战

  关键词:自然语言理解,数据库,计算力

  2011年IBM的超级计算机Watson,宣布参加美国综合挑战节目《危险边缘》。这档电视问答节目自1964年开播,游戏里的问题包罗万象,几乎涵盖了人类文明的所有领域。

  节目《危险边缘》中Watson遥遥领先

  人类选手詹宁斯和鲁特都是这个领域的顶级高手。前者曾创下连续74场赢得比赛的纪录,后者在比赛中共拿到325万美元奖金,但仍然不是Watson的对手。比赛进行到第三天,Watson以41413美元的分数锁定胜局,而两位人类选手分别仅获得19200美元和11200美元。

  Watson的胜利背后,是一个挑战和两个优势。

  Watson面临的首要问题就是自然语言理解。能否与主持人互动,理解主持人自然语言的语义和语气,甚至区分问题里的双关,隐喻等信息,是Watson能够做出回答的前提。

  突破了这一关之后,Watson就如鱼得水了。首先,它拥有一个强大的信息来源。其中包括百科全书、字典、词典、新闻和文学作品,还包括数据库、分类学和本体论。虽然在比赛中没有连接互联网,4TB的磁盘上仍有2亿页结构化和非结构化的信息供其使用。

  其次,它还有强大的计算能力。

  Watson基于16TB内存、2880个Power7系列处理器——当前架构中最强的处理器。这就意味着Watson的快。第一是检索快,它能够在3秒内检索数百万条信息,并选择三个可能性最高的答案;第二是判断快,它能够迅速结合场上情况做出抢答与否的决策;第三是抢答快,当其中一个答案的可能性超过50%后,立即启动抢答。它超越人类的抢答速度主导了整场比赛。

  AlphaGo与围棋人机大战

  关键词:深度学习,神经网络

  围棋曾经是人工智能遥不可及的战场。

  国际象棋中,平均每回合有35种可能,一盘棋可以有80回合,而围棋每回合有250种可能,一盘棋可以长达150回合。同时,一场围棋比赛中出现的不同局面多达3的361次方种。

  李世石与AlphaGo对决以1:4告负

  此外,围棋博弈是多个局部战争合成的最终结果,同时局部之间相互影响,无法被算法穷举。更专业点说,围棋难的地方在于它的估值函数非常不平滑,差一个子盘面就可能天翻地覆。

  谷歌的AlphaGo程序突破了传统电脑的“固定”程序逻辑,融入了深度学习和神经网络的能力。这个深度神经网络由策略网络和值网络两部分组成,策略网络负责减少搜索的宽度——面对眼前的一盘棋,有些棋步是明显不该走的。这样AI就可以重点分析那些有戏的棋着。值网络负责减少搜索的深度——AI会一边推算一边判断局面,局面明显劣势的时候,就直接抛弃某些路线,不用一条道算到黑。

  AlphaGo利用这两个工具学习了人类所有的棋谱,经过了几千万次的自我对弈与学习,不仅能够模仿人类棋手的思考,甚至已能够超越。2016年3月,在与AlphaGo对决的人机大战中,来自韩国的世界围棋冠军李世石以1:4告负。

  除了计算能力外,这场比赛还暴露出机器的其他优势:赛场上,人会因为比赛环境和压力等外部或情绪因素影响判断,而机器不会;在数小时的鏖战中,人会因疲倦而分神,机器却能永远保持专注。赛场外,人每天可做的练习是有限的,AI则能以上万倍于人类的速度练习。

  李世石在比赛后接受采访时说道:“要适应与AlphaGo的比赛,首个挑战就是心理方面,需要非常专注。我继续和它下不一定能赢,因为无法比它更专注,这些方面是赢不了它的。”

  2017年3月,AlphaGo的升级版Master横空出世,通过下快棋连胜职业高手60盘,其中就包括了中国最强棋手柯洁。

  AlphaGo2.0发布于2017年年初,相比于1.0,这个版本能称得上真正的“自我学习”。1.0版本的AlphaGo以人类所有棋谱为蓝本,AlphaGo再怎么走也只是算出了人类棋手曾走过的某一步,顶多算是个完美的“人类棋手”。而2.0版本AlphaGo就利用这个“完美棋手”的估值函数自我对局和“深度学习”,超出了人类棋谱的范围,是真正机器算出来的棋法。

  2017年4月,AlphaGo还将有一场与柯洁的人机对战,这或许将会是人机在围棋领域的最后一战。

  德州扑克人机大战

  关键词:不完美信息的博弈

  2017年1月11日至1月30日,美国卡内基梅隆大学开发的人工智能Libratus(“冷扑大师”)与4名人类顶尖德州扑克选手之间的“人机大战”在美国匹兹堡进行,经过了为期20天,总计对战12万手牌的赛程,最终人工智能取得胜利。

  与之前和人类在棋类的竞赛中比拼智力不同,AI在德州扑克项目上挑战人类反映了AI更值得关注的进化方向。

  围棋、国际象棋比赛中双方所有信息一览无余,本质上是对称信息的博弈,而德州扑克是信息不对称的博弈,每个选手只能看到自己的手牌。这就决定了人工智能首先需要面对大量不完整的信息。

  因此,德扑背后是一个大型的AI谈判算法。“冷扑大师”并不基于大数据、深度学习、强搜索等传统AI方法;而是基于博弈论,直接在比赛同时动态优化胜率最高的数学模型。这其中不仅包含了概率统计和运筹策略,也包含了巨大的信息处理计算量。CMU计算机学院院长Andrew Moore在接受采访时说道:“冷扑大师的程序如果要让人类去计算,大概得花人类1000万个小时。”

  与此同时,冷扑大师也面临着挑战。德州扑克更接近人性,因为信息是有隐藏的,牌手可以诚实地表达,也可以欺骗地表达,即德州扑克中的诈唬(bluff)技术。而机器明显无法通过对手的动作表情判断对手牌的强弱,也无法通过肢体、神态表演来蒙蔽对手。

  在对赛中,冷扑大师无法使用德州扑克中的诈唬技术

  百度首席科学家吴恩达(Andrew Ng)就曾指出,“扑克(不完美信息博弈)是人工智能最难攻克的游戏之一。每一步没有所谓的最优解,人工智能要采取随机的策略,这样它诈唬的时候对方才会吃不准。”

  相比围棋AI,德州扑克AI应用空间更广泛。现实世界中,不完美信息博弈才是常态,例如在商业谈判、医疗方案制定等领域,这些过去被认为人类拥有独特优势的领域,未来都会面临机器的挑战。

  结语:

  从1996年到2017年,人工智能与人类的四次竞赛从侧面反映出了AI的进化:从计算能力超越人类到学会自然语言理解,再到深度学习直至掌握不完美信息博弈的能力。在这21年中,机器不仅智商越来越高,在情商上也越来越不输于人类。尤其是当AI在其最难攻克的游戏德州扑克上与人类叫板,这意味着什么,又将带来哪些机会和挑战?

  4月10日上午10点到12点,极客公园将携手创新工场,和德州扑克AI“冷扑大师”背后的主创团队卡内基梅隆大学计算机系教授Tuomas Sandholm,创新工场董事长李开复博士及五位国内科技公司创始人一起探讨“冷扑大师”背后的技术逻辑以及AI会在未来产生哪些更深层次的影响。

(责任编辑: 刘襄琳 )

我要评论 条评论,查看评论
  立即注册