从"深蓝"到 AlphaGo丨AI 在游戏领域的升级打怪之路

可以说，AI的发展进化史就是AI在游戏领域的升级史。

SciShow是Youtube上热门的科普向脱口秀节目。它的内容包罗万象，无论什么问题在这里都会得到风趣又详尽的解答。在本次节目中，介绍了AI 是如何在游戏领域通过不断的升级发展，一步步碾压人类的。

机器赢了。机器如今几乎能够打败人类发明的所有游戏。这都归功于一些我们通过AI实现的技术。

人工智能丨AI

AI最简单定义是: 为解决问题而设计的计算机程序。

大多数程序，包括你此刻看视频用到的，都是不能解决问题的。相反，这些程序执行程序员编写的指令。它们不会自己得出完成任务的方案。而AI会尝试自己得出解决方案。AI越聪明，越能解决更复杂的问题。

自从计算机编程出现以来，我们就开始教AI玩游戏。比如跳棋和国际象棋，还有中国的棋盘游戏——围棋。原因是游戏能很好地衡量AI到底有多聪明。玩游戏并取胜，需要解决问题的能力。解决问题的能力正是衡量智能的标准。因为无论对观众还是计算机程序而言，当中对问题的定义都很明确，没有模棱两可的结果。AI要么能够玩跳棋，要么不能。

游戏是开发新型AI的绝佳实验室环境，这就是为什么AI的发展历史也是AI玩游戏的历史。

跳棋丨Checkers

AI在游戏第一次打败人类对手是一个跳棋程序。

于1950年代，由美国计算机科学家Arthur Samuel开发，在IBM 704计算机上运行。

这台机器通过录入磁盘进行编程。跳棋游戏很简单，但IBM 704是个很简单的机器。它不能通过试错法得出所有可能的棋步，从而得出最佳的移动方式，至少无法在合理的时间内完成。除非采用暴力算法，当中需要大量的数字计算。

计算机算出一个棋步后可能出现的各种棋局，然后选择取胜概率最好的棋步。这个方法尽管不够创新，但切实可行。之后我们再回到这个话题。

问题是，暴力算法需要大量的计算资源，从而对数字进行计算，然而在1950年代没有那些资源。因此，最初AI玩游戏主要靠的是启发法(heuristics)。从此之后所有的AI用到了启发法。

启发法是经验法则(rule of thumb)，尽管不是一直都正确，但是大多时候是正确的。在计算机科学中，启发法是一种算法。通过选择并不是最好，但足够解决问题的方案，以此来限制蛮力搜索。

一旦跳棋算法发现能够吃掉对手棋子的棋步，然后就停止了，就按这个棋步走。这种简单的启发法足以攻克跳棋。

扑克牌丨Poker

接下来，AI面对的是扑克牌游戏。

1970年代，计算机科学家Donald Waterman编写能够玩抽牌扑克游戏的程序。该游戏给玩家5张牌，可以最多换3张牌。

当中他开发了所谓的"生产系统"(production system)。如今AI当中都包含这一技术。

生产系统使用预先编好的规则来对符号进行分类，比如扑克牌的符号。Watermen开发的系统根据手上已有的牌，对牌的价值大小进行分类。比如一张梅花4，就其本身而言无足挂齿，但如果你手上还有一张方片4和一张黑桃4，那么这张梅花4的价值就会大幅提升。系统将评估这手牌的好坏，以及选择出手还是弃牌。通过把这手牌的价值，与预先编程的所谓好牌和坏牌进行比较。

启发法与生产系统。

前者要依靠经验法则；后者则根据复杂的规则比较系统。这两者的结合，让AI玩简单的棋类游戏变得轻而易举。

但是国际象棋不是简单的棋类游戏，而是更复杂的棋类游戏，要想取胜则需要运用一些成熟技术。

沉思 丨Deep Thought

1980年代，第一批国际象棋机在卡内基梅隆大学诞生。

这些早期的机器中，最成功的是"沉思"(Deep Thought)。每秒能计算70万个棋步。

1988年，Deep Thought试图击败一名国际象棋高手。但那并不是一般的象棋高手，这位棋圣在八 九十年代甚至如今，一直是世界上最顶尖的国际象棋高手。他就是加里·卡斯帕罗夫。

开始Deep Thought根本不是卡斯帕罗夫的对手，打败卡斯帕罗夫需要更快更强大的机器。对Deep Thought进行升级，包括以下改进：

第一、需要更多的内存和多处理器，即计算能力。Deep Thought的后代产品"深蓝"(Deep Blue)应运而生，它是更强大的机器。

第二、更好的软件。当处理数以百万计互相对比的搜索结果时，速度慢是个大问题。为此，深蓝被设计为适合并行处理。另外，系统还要考虑衡量一些更微妙的棋位。换句话说，采用了更优的启发法。

深蓝丨 Deep Blue

第一代深蓝的搜索速度约为每秒5千万到1亿个棋位。与Garry 卡斯帕罗夫对战时，它以2:4惨败给对手。每秒计算1亿个棋位，仍不足以击败人类的国际围棋冠军。

为此，深蓝团队在系统中增加了一倍的芯片，同时改进了软件，使每个芯片效率提升了25%。1997年与卡斯帕罗夫再次对战时，其运算速度达到了每秒3亿棋位，从而大获全胜。

深蓝的胜利是计算机程序中的伟大壮举。当深蓝击败卡斯帕罗夫时，它是当时世界上最复杂的AI。但总体还是靠暴力算法来实现的。对己方或对方的每个可能的棋步进行暴力搜索，然后选出获胜概率最大的棋步。如果无法战胜对方，程序员升级程序从而计算更多的数字，但这种方法对围棋就不适用了。

围棋丨Go

我们之前的节目说过，谷歌的AlphaGo在2016年3月，击败了世界围棋冠军李世石。但是让我们探究一下，为什么AI攻克围棋是艰巨的任务。

如果你生活在西方国家，你可能对围棋不熟悉。围棋是一个中国的棋类游戏，数千年来其规则从未改变。有时被描述为"东方版国际象棋”，但是围棋要比国际象棋复杂得多，尤其对计算机而言。

首先，围棋棋盘比国际象棋要大。

围棋棋盘为19×19的网格，国际象棋棋盘为8×8。但这实际低估了围棋的复杂性，因为围棋的棋子不是放在网格中，而是放在四个角上。也就是说每个网格代表四种可能的位置，即与周围网格的交叉点。总而言之，围棋中的棋步组合比宇宙中原子数量还多。

其次，围棋中每个棋子都同等重要。

这与国际象棋不同，比如国际象棋中，后就比兵要重要。这种关系是可以通过编程让AI理解的，比如输入生产系统。但是围棋棋子的价值取决于，各个棋子在棋盘位置的相互关系。

围棋的目标是用在对弈过程中，以双方棋子所围"地"的大小决定胜负，所以每次棋步都是很主观的。甚至高水平的棋手有时也很难解释，他们是如何判断每个棋步和好坏。

计算机不擅长的领域就是主观性，以及计算万亿次的位置。因此深蓝的暴力算法对于围棋是完全不可取的。

阿尔法狗丨AlphaGo

AlphaGo并不是采用暴力算法的系统，而是使用深度神经网络。面部识别也是利用的该技术。并不是对一个个棋子的位置进行计算，而是通过寻找棋盘中的模式。

如同面部识别系统会搜寻眼睛、鼻子、嘴等图像。AlphaGo寻找提供强大或薄弱战术的棋子模式。但它要如何明确什么会带来有力或不利的局面呢? 我们提过每个特定位置的价值是主观的，不是么?

那么你需要了解深度神经网络的运行原理。

深度神经网络由不同机器系统的层构成，这称为神经元。这些神经元全都堆叠在一起、并行运行。从而神经网络能够对同一个问题，从多个不同角度、同时进行分析。

每个层根据不同标准评判同一图像，其中一层将看到围棋棋盘的图像，选出当中所有合理的棋步；下一层将找到棋盘中还未被控制的区域；再下面一层会追踪，自从一位棋手在任何区域落子，已经过了多久时间。从而告诉系统，哪片区域目前处于争夺状态，哪片区域暂时安全、可以先忽视。接下来的一层，会把白字黑字的模式与内部数据库进行比较，看目前棋局是否类似之前看到过的。诸如此类。

AlphaGo的神经元共用48层，每一层都用不同的方式分析棋局，并且这些层相互传递信息。因此如果某层发现很有利的棋步，那么其他层就会关注棋局的这个部分。一旦所有层都认同，某个棋步符合它们判断好棋的标准，AlphaGo就会落子。通过这种方式使用深度神经网络，系统就能模仿人类的直觉和创造力。

最终，AlphaGo以4:1击败李世石，李世石相当于围棋领域的卡斯帕罗夫。但AlphaGo只会变得越来越聪明。

AI的下一个挑战丨 What’s next

在游戏领域 AI几乎没有尚未攻克的挑战了，围棋是人类设计的最复杂的棋类游戏。但我还想看AI挑战魔镇惊魂(Arkham Horror:一款难度颇高的桌游)。

总之，我们设计了AlphaGo和深蓝。这些程序都是人类智力和好奇心的表现。

如果我们开发的AI能够在最复杂的游戏中击败该领域的人类顶尖高手，那么谁知道我们还能做出什么呢?