刘佳
围棋已经流传近3000年，但人类一直低估了一点：以第五条线为代表的棋局中部区域。
这是AlphaGo之父、DeepMind创始人DemisHassabis向外界分享AlphaGo背后故事时透露的重要信息。
自去年3月首尔那场载入史册的比赛以来，AlphaGo超越人类棋手固有思维和套路的招法，对围棋界的冲击史无前例。用DemisHassabis的话说，“就像人们利用哈勃望远镜发现新的宇宙空间一样。AlphaGo就是围棋界的‘哈勃天文望远镜’。”
5月24日，DeepMind创始人DemisHassabis以及AlphaGo团队负责人DavidSilver一起对外详解了AlphaGo背后的研发故事，以及AlphaGo究竟意味着什么?
“AlphaGo已经展示出了创造力，在某一个领域它甚至已经可以模仿人类直觉了。”DemisHassabis对第一财经记者表示，在未来能看到人机合作的巨大力量，人类智慧将通过人工智能进一步放大。“强人工智能是人类研究和探寻宇宙的终极工具。”
围棋难在哪儿
历史上，电脑最早掌握的第一款经典游戏是井字游戏，这是1952年一位博士在读生的研究项目；随后是1994年电脑程序Chinook成功挑战西洋跳棋游戏；3年后，IBM深蓝超级计算机在国际象棋比赛中战胜世界冠军加里·卡斯帕罗夫。
相比之下，围棋看似规则简单，复杂性却难以想象。它一共有10的170次方种可能性，这个数字比整个宇宙中的原子数10的80次方都多，没有办法穷举出围棋所有可能的结果。
在DemisHassabis看来，更困难的是围棋不像象棋等游戏靠计算，而是靠直觉。“围棋中没有等级概念，所有棋子都一样，围棋是筑防游戏，因此需要盘算未来。你在下棋的过程中，是棋盘在心中，必须要预测未来。小小一个棋子可撼动全局，牵一发而动全身。围棋‘妙手’如受天启。”Hassabis如此解释道。
第一位与AlphaGo对阵的人类职业棋手樊麾对记者感慨，“曾经以为计算机打败职业棋手，一辈子都不会看到，没想到这么快就实现了。”
对AlphaGo团队来说，是时候寻找一种更聪明的方法来解开围棋谜题了。
AlphaGo系统的关键是，将围棋巨大无比的搜索空间压缩到可控的范围之内。
为了应对围棋的巨大复杂性，AlphaGo采用了一种新颖的机器学习技术，结合了监督学习和强化学习的优势。
具体而言，首先是通过训练形成一个策略网络（policynetwork），将棋盘上的局势作为输入信息，并对所有可行的落子位置生成一个概率分布。然后，训练出一个价值网络（valuenetwork）对自我对弈进行预测，以-1（对手的绝对胜利）到1（AlphaGo的绝对胜利）的标准，预测所有可行落子位置的结果。
这两个网络自身都十分强大，而AlphaGo将这两种网络整合进基于概率的蒙特卡罗树搜索(MCTS)中，实现了它真正的优势。最后，新版的AlphaGo产生大量自我对弈棋局，为下一代版本提供了训练数据，此过程循环往复。
AlphaGo如何决定落子
在获取棋局信息后，AlphaGo会根据策略网络探索哪个位置同时具备高潜在价值和高可能性，进而决定最佳落子位置。
在分配的搜索时间结束时，模拟过程中被系统最频繁考察的位置将成为AlphaGo的最终选择。在经过先期的全盘探索和过程中对最佳落子的不断揣摩后，AlphaGo的搜索算法就能在其计算能力之上加入近似人类的直觉判断。
DemisHassabis表示，AlphaGo不只是模仿其他人类选手的下法，而且在不断创新。
例如，在与李世石第二局里对弈第37步，这一步是Demis在整个比赛中感到最震惊的一步。
Demis解释道：在围棋中有两条至关重要的分界线，从右数第三根线。如果在第三根线上移动棋子，意味着你将占领该线右边的领域。而如果是在第四根线上落子，意味着你计划向棋盘中部进军，潜在的，未来你会占棋盘上其他部分的领域，可能和你在第三根线上得到的领域相当。