文/机器之心
围棋人机大战已进尾声，这注定是一次要载入史册的比赛，也正如机器之心之前所言：这次比赛没有失败者，而是全人类的胜利。20多年前，IBM也曾因类似的事情备受瞩目。IBM的深蓝计算机击败了国际象棋大师Garry Kasparov。Murray Campbell就是当时深蓝研发组的重要人员之一。如今他是 IBM 认知计算部门的高管，负责Watson人工智能平台。
The Verge 在比赛期间采访了 Murray Campbell，深入了解深蓝之前的比赛以及与DeepMind的AlphaGO有何不同。
问：深蓝的比赛已经过去了20多年了，请你谈谈当时你们是如何解决计算机下象棋并击败 Kasparov ?
答：当我们是卡内基梅隆大学研究生时，我们就已经开始研究象棋程序了。hou lai IBM 招来包括我在内的三个人，建造新一代的象棋计算机，也就是深蓝。我们意识到一个纯粹的暴力算法（ brute-force）并不能击败世界冠军，但另一方面，大量的计算能力却能产生不同的效果。而且程序的优点与计算速度之间有关联也是已经证明过的。所以我们把在算法、搜索和评估中先进的AI类型，与超级计算机结合起来做出了世界级冠军水平的国际象棋计算机。1996年比赛我们输了，但第二年，经过改善的新系统最终赢得了比赛。
问：从人类角度来说，一开始让你进入这一领域的动机是什么？是对象棋的更感兴趣？或者更多的是对计算机抽象的挑战？「计算机像人一样下棋是非常困难的」。
答：恩，我必须承认两者都有。我的确对象棋感兴趣，在我成为计算机学家之前，我是一位象棋选手，我一度是我们阿尔伯塔省（加拿大西部一省）的象棋冠军。但我必须承认，我离真正的大师还有很远的距离。这让我有兴趣知道让计算机拥有这样高的水平。我对我的专业也保持着很高的兴趣，所以当我加入IBM后，我认识到这是一次找到答案的机会，并证明能够做出这样的计算机。
除了个人爱好之外，在那个时候，这也正是计算机科学领域的一个挑战。1949年，数学家Claude Shannon发表了一篇著名的论文，提出了创造象棋计算机会是怎样的一个过程，并认为这是一个巨大的挑战。
问：对你而言，让计算机精通象棋要做到哪种程度？就只是把规则输入进去，让其计算出结果还是让其通过过去的经验进行计算？
答：我认为拥有象棋的知识是很重要的。但在早期，对我们而言，了解这些知识，成为象棋高手并不是重要的事。到了最后的准备阶段时，你就需要了解很多象棋的具体细节以及大师级的标准是什么。所以我们发现引入一个象棋大师Joel Benjamin做咨询还是很有帮助的。而且最后我们也找了更多的象棋高手做陪练，测试我们系统的表现。
问：当时的目标是让计算机模拟人类下棋还是不计成本地开发一个可以获胜的产品？
答：我认为我们并不是让计算机模仿人的风格，我们只想达到人类大多数情况下的水准。人类的下棋风格已经被研究过了，虽然未被了解通透，但过去几十年心理学家一直在研究。我们都知道象棋高手或大师在思考接下来的步骤时都能看到接下来的多个步骤。有时他们需要深入的计算并决定落子，有时不需要这么做。但是他们对落子有一套非常复杂的计算和检索机制，所以要模仿人类下棋的风格非常的困难。
人工智能最初的工作是想设计出很像人类下棋风格的计算机。但拥有相当肤浅计算力，可计算出更多落子的更有计算机风格的电脑能非常轻松的就击败了它们。完全的依靠搜索，就达到了相当高的象棋水平。但接下来我们就意识到依靠计算机并不够，要必须模仿人类下棋的某些方面。人类会非常严格的遵守下棋的关键点，那我们也要让系统做到这一点。这也是深蓝能够成功地重要地方之一。
问：1997年，大多数棋手看完Kasparov如何被击败时会不会觉得深蓝的风格不一样吗？
答：是的，现在依然有一种说法，当你看到计算机下了出乎意料或者非直观的一步棋时，人们会把它称为计算机路数（computer move）。这只是人类以固定的方式思考的结果，并非把自己放到高手的水平。这就是为什么计算机即使不能完全正确的计算位置依然能够击败人类：因为它们如此不同，能够看到人类可能看不到的路数。就如同是年轻的棋手比老一代更容易使出计算机路数一样。