介绍下AlphaGo的原理背景，兼论击败它的围棋战术

很多人把深蓝和阿尔法狗比较，其实这两个完全不是一回事，没什么可比性。深蓝是穷举法，也就是把所有可能的步子都算了一遍，找出最可能赢的。这方法其实挺笨的，但人却拿它无可奈何，就如同电脑排序一样，简单但人是做不了的。做围棋算法的从一开始，就没人想模仿深蓝，因为电脑根本没有那个资源，以后恐怕永远都没有。所以做围棋算法的人，一开始都用的是纯粹的AI，但效果很差，下不出什么棋，最后进入了死胡同，直到那个初出庐茅的法国人。法国人科隆对国际象棋研究有兴趣，但是他上大学的时候，深蓝出世了，一下让他“英雄无用武之地”，于是博士毕业当了教师后，他转向研究围棋。他其实不太懂围棋，倒是想着把自己擅长的，运算国际象棋那套，搬到围棋上来，但是电脑的资源远远不够。在和别人讨论时，同事跟他讲，既然你资源不够算所有的点，那你就随机抽样，算一部分好啦，比如你算不了360个点，随机抽取算40个点，还不行吗？科隆觉得这个建议有道理，于是就开始编软件写代码，那时已经是2005年，他用了不到一年，就把新的围棋软件写好了，取名叫狂石。

他的软件一出世，就轻松击败了当时世界上所有的围棋程序，一下子震动学术界。科隆又公开了自己的算法，这下子就开启了围棋的一场电脑革命，这连科隆自己都没料到。没过几年，世界上所有的围棋软件，都采用了他搞出的随机采样计算办法，就是蒙特卡洛搜索法，这个算法一下子就把电脑围棋的水平，提高到业余段级，对围棋它已经是突飞猛进了。以后各方开始不断改进算法，到2013年，它已经能在让子棋中击败石田芳夫，14年又击败了依田紀基（这个人我在学生时，还亲听过他讲棋）。这时候要插一句，围棋软件，历史上大部分都是由日本公司赞助，或者直接开发的。他们孜孜不倦，一做就是几十年，没想到临门一脚的时候，成了别人的孩子。和液晶电视一样，日本人研究了多少年，到最后普及时才发现，原来要自己命的就是它。可见，光创新也是不行，还要善于摘桃子。

谷歌是在两年前买下DeepMind这个神经元网络公司的，买下它的目的不是别的，就是做围棋软件。谷歌自己也擅长神经元，所以做这个决定，肯定也是有考虑的，那个时候正是各个围棋软件实力开始突破的时候，实用软件已经达到了段位水平，像Zen。为了不刺激对手，DeepMind的开发，完全是在秘密中进行，雇佣的开发人员也都签了保密协议。比如科隆手下博士生，来自台湾的黄士杰，就被谷歌偷偷挖了墙角，在开发AlphaGo起了很大作用。实际上用神经元网络进行深度加强学习，是下一步大家都要做的方向，只不过别人是在按步就班，量入为出地在做，而谷歌是全力以赴，不惜工本的搞，这里面到底是什么目的，很值得玩味。训练神经元网络，并不是技术上的难事，但要话费大量人力和金钱的，很费资源。

说到这里，就可以分析一下，击败电脑围棋软件，到底用什么策略最好？AlphaGo的算法，是神经元网络+抽样计算。光是随机的抽样计算，结果其实并不是太好，比如360个点了，你随机拿50个点来算，棋力会有多强？所以神经网络的作用，就是限制计算取点的范围，不要算没有意义的点，这样就提高了计算的效率，等于一个倍增器。实际AlphaGo使用的，是卷积神经元网络，这个系统传统上是被用来做图形识别的。比如我们往这个神经元网络，输入各种人的图形，让它自调参数学习，以后再给它一个没见过的人像，神经元网络依然可以判断出是人。围棋的各种棋型其实也是图像，所以用这种网络做落子预处理，应该是不错的。你把各种各样、成千上万个棋谱输入进去，网络就会对棋型做大概的辨认，再给出可能的落子概率来，AlphaGo再对这些可能的落子进行计算验证，选出最好的应子。所以，想要击败AlphaGo这样的电脑算法，要遵照下面的原则：

1. 不要指望开局能迅速占优，要把战线拉长，让棋盘各处都落子。开局时盘上的子不多，可下子的地方其实也不多（无非是星、小目、挂角...），棋型的特征明显，容易识别，这正适合神经元网络的发挥。指望它这时犯大错，不太现实，最好是耐心下，到处走子。

2. 不要开局急于挑起战斗，要耐心等到中盘才短兵相接。开局时各处都没多少子，你在此时挑起战斗，AlphaGo在其他地方没有太多要算的，可以集中计算战斗附近的应点，那样你就未必占便宜。如李的第三盘，跨断电脑的大跳，导致被反击、局势被动。所以，最好要等到棋盘到处都有子，到处存在未定型的时候开战。

3. 对角、其次是边上的厮杀要谨慎，不要轻敌。角的地方两边受限，外方受敌，腾挪地方有限。对AfghaGo这样的软件算法来说，这种地方可以计算得非常准确。其次是边，神经元网络，对这里2、3、4路的行棋可以非常熟悉，人想占便宜不容易。第一局里，李就是在局势还不错的情况下，于右下边角的作战，未仔细算而吃了大亏，导致被逆转。

4. 和AlphaGo的短兵交战，最好在中腹地带，进入中盘后进行。围棋向有“千古无同局”之说，这么大的变化，主要是中腹的变化带来的。这个地方，对神经元网络，绝对是最大的考验，因为这里棋型盘盘都差的很大，以什么做学习蓝本呢？如果双方同时有几块死活不定的棋子犬牙交错，那是什么神经元网都无法应付的，算法就只能回归到纯粹的蒙特卡洛计算，这时的棋力就会大降，甚至很可能会漏算胜负手，如李的第四局那样。

5. 充分使用弃子争先，打劫这样的缠斗战法。神经元网络对于弃子争先，弃子转换这样的作战方式，判断起来是很困难的。听说AlphaGo在遇到大块棋的生死时，会停用神经元选点网络，而落回到蒙特卡洛算法，因为神经元选点是比较模糊的，生死计算需要非常精确。但蒙特卡洛算法，在盘面相对空旷，但混沌不明、犬牙交错时，计算错误明显升高。其实这时候，AlphaGo并没有一个好的办法，也就是说这时它的棋力，很可能会一落千丈，正如第四局我们看到的那样。这个表现，和人类的高手，差别很大，也很容易被利用。



很多人把深蓝和阿尔法狗比较，其实这两个完全不是一回事，没什么可比性。深蓝是穷举法，也就是把所有可能的步子都算了一遍，找出最可能赢的。这方法其实挺笨的，但人却拿它无可奈何，就如同电脑排序一样，简单但人是做不了的。做围棋算法的从一开始，就没人想模仿深蓝，因为电脑根本没有那个资源，以后恐怕永远都没有。所以做围棋算法的人，一开始都用的是纯粹的AI，但效果很差，下不出什么棋，最后进入了死胡同，直到那个初出庐茅的法国人。法国人科隆对国际象棋研究有兴趣，但是他上大学的时候，深蓝出世了，一下让他“英雄无用武之地”，于是博士毕业当了教师后，他转向研究围棋。他其实不太懂围棋，倒是想着把自己擅长的，运算国际象棋那套，搬到围棋上来，但是电脑的资源远远不够。在和别人讨论时，同事跟他讲，既然你资源不够算所有的点，那你就随机抽样，算一部分好啦，比如你算不了360个点，随机抽取算40个点，还不行吗？科隆觉得这个建议有道理，于是就开始编软件写代码，那时已经是2005年，他用了不到一年，就把新的围棋软件写好了，取名叫狂石。

他的软件一出世，就轻松击败了当时世界上所有的围棋程序，一下子震动学术界。科隆又公开了自己的算法，这下子就开启了围棋的一场电脑革命，这连科隆自己都没料到。没过几年，世界上所有的围棋软件，都采用了他搞出的随机采样计算办法，就是蒙特卡洛搜索法，这个算法一下子就把电脑围棋的水平，提高到业余段级，对围棋它已经是突飞猛进了。以后各方开始不断改进算法，到2013年，它已经能在让子棋中击败石田芳夫，14年又击败了依田紀基（这个人我在学生时，还亲听过他讲棋）。这时候要插一句，围棋软件，历史上大部分都是由日本公司赞助，或者直接开发的。他们孜孜不倦，一做就是几十年，没想到临门一脚的时候，成了别人的孩子。和液晶电视一样，日本人研究了多少年，到最后普及时才发现，原来要自己命的就是它。可见，光创新也是不行，还要善于摘桃子。

谷歌是在两年前买下DeepMind这个神经元网络公司的，买下它的目的不是别的，就是做围棋软件。谷歌自己也擅长神经元，所以做这个决定，肯定也是有考虑的，那个时候正是各个围棋软件实力开始突破的时候，实用软件已经达到了段位水平，像Zen。为了不刺激对手，DeepMind的开发，完全是在秘密中进行，雇佣的开发人员也都签了保密协议。比如科隆手下博士生，来自台湾的黄士杰，就被谷歌偷偷挖了墙角，在开发AlphaGo起了很大作用。实际上用神经元网络进行深度加强学习，是下一步大家都要做的方向，只不过别人是在按步就班，量入为出地在做，而谷歌是全力以赴，不惜工本的搞，这里面到底是什么目的，很值得玩味。训练神经元网络，并不是技术上的难事，但要话费大量人力和金钱的，很费资源。

说到这里，就可以分析一下，击败电脑围棋软件，到底用什么策略最好？AlphaGo的算法，是神经元网络+抽样计算。光是随机的抽样计算，结果其实并不是太好，比如360个点了，你随机拿50个点来算，棋力会有多强？所以神经网络的作用，就是限制计算取点的范围，不要算没有意义的点，这样就提高了计算的效率，等于一个倍增器。实际AlphaGo使用的，是卷积神经元网络，这个系统传统上是被用来做图形识别的。比如我们往这个神经元网络，输入各种人的图形，让它自调参数学习，以后再给它一个没见过的人像，神经元网络依然可以判断出是人。围棋的各种棋型其实也是图像，所以用这种网络做落子预处理，应该是不错的。你把各种各样、成千上万个棋谱输入进去，网络就会对棋型做大概的辨认，再给出可能的落子概率来，AlphaGo再对这些可能的落子进行计算验证，选出最好的应子。所以，想要击败AlphaGo这样的电脑算法，要遵照下面的原则：

1. 不要指望开局能迅速占优，要把战线拉长，让棋盘各处都落子。开局时盘上的子不多，可下子的地方其实也不多（无非是星、小目、挂角...），棋型的特征明显，容易识别，这正适合神经元网络的发挥。指望它这时犯大错，不太现实，最好是耐心下，到处走子。

2. 不要开局急于挑起战斗，要耐心等到中盘才短兵相接。开局时各处都没多少子，你在此时挑起战斗，AlphaGo在其他地方没有太多要算的，可以集中计算战斗附近的应点，那样你就未必占便宜。如李的第三盘，跨断电脑的大跳，导致被反击、局势被动。所以，最好要等到棋盘到处都有子，到处存在未定型的时候开战。

3. 对角、其次是边上的厮杀要谨慎，不要轻敌。角的地方两边受限，外方受敌，腾挪地方有限。对AfghaGo这样的软件算法来说，这种地方可以计算得非常准确。其次是边，神经元网络，对这里2、3、4路的行棋可以非常熟悉，人想占便宜不容易。第一局里，李就是在局势还不错的情况下，于右下边角的作战，未仔细算而吃了大亏，导致被逆转。

4. 和AlphaGo的短兵交战，最好在中腹地带，进入中盘后进行。围棋向有“千古无同局”之说，这么大的变化，主要是中腹的变化带来的。这个地方，对神经元网络，绝对是最大的考验，因为这里棋型盘盘都差的很大，以什么做学习蓝本呢？如果双方同时有几块死活不定的棋子犬牙交错，那是什么神经元网都无法应付的，算法就只能回归到纯粹的蒙特卡洛计算，这时的棋力就会大降，甚至很可能会漏算胜负手，如李的第四局那样。

5. 充分使用弃子争先，打劫这样的缠斗战法。神经元网络对于弃子争先，弃子转换这样的作战方式，判断起来是很困难的。听说AlphaGo在遇到大块棋的生死时，会停用神经元选点网络，而落回到蒙特卡洛算法，因为神经元选点是比较模糊的，生死计算需要非常精确。但蒙特卡洛算法，在盘面相对空旷，但混沌不明、犬牙交错时，计算错误明显升高。其实这时候，AlphaGo并没有一个好的办法，也就是说这时它的棋力，很可能会一落千丈，正如第四局我们看到的那样。这个表现，和人类的高手，差别很大，也很容易被利用。