【科讯】专访深蓝之父：AlphaGo很棒 但并不完美

本篇文章3078字，读完约8分钟

文/机心

围棋人机战争结束了。 这是载入史册的比赛。 就像在机器面前说的，这次比赛没有失败者。 是全人类的胜利。 20多年前，ibm也因同样的事件备受关注。 ibm的深蓝电脑打败了国际象棋大师garry kasparov。 murray campbell是当时深蓝色研发集团的重要成员之一。 现在他是ibm认识计算部门的高管，负责watson人工智能平台。

the verge在比赛中采访了murray campbell，深刻理解了深蓝色以前的比赛与deepmind的alphago的区别。

问:深蓝色的比赛已经过去20多年了。 请告诉我在电脑下象棋打败kasparov时的事情

a :我在卡内基梅隆大学读研究生的时候，开始研究象棋程序。 hou lai ibm邀请了包括我在内的三个个体，建设了新一代象棋电脑，也就是深蓝色。 我们注意到纯粹的暴力算法( brute-force )不能打败世界冠军，但另一方面，大量的计算能力可以产生不同的效果。 另外，已经说明了程序的优点和计算速度之间有相关性。 因此我们在算法、搜索、判断方面把先进的ai类型和超级计算机结合起来制作了世界级的国际象棋计算机。 1996年输了比赛，但第二年，改进的新系统最终赢得了比赛。

问:从人类的角度来说，最初让你进入这个行业的动机是什么？ 你对象棋更感兴趣吗？ 还是对计算机抽象的挑战在增加？ “电脑很难像人一样下棋”。

a :是的，我必须承认两者都有。 我确实对象棋感兴趣。 我成为计算机学家之前是象棋选手。 我曾经是艾伯塔州(加拿大西部一省)的象棋冠军。 但是我必须承认离真正的大师还很远。 这让我有趣的是，让电脑有这么高的水平。 我对我的专家也很感兴趣，所以加入ibm后，认识到这是找到答案的机会，说明了这样的电脑可以做。

不仅是个人兴趣，那时这也是计算机科学行业的挑战。 1949年，数学家claude shannon发表了著名的论文，提出了制作象棋电脑将是一个怎样的过程，认为这是一个巨大的挑战。

问:对你来说，让电脑精通象棋有多大？ 是只输入规则，让结果计算，还是根据过去的经验计算？

a :我认为掌握象棋知识很重要。 但是在初期，对我们来说，知道这些知识，成为象棋高手并不重要。 到了最后的准备阶段，你需要知道象棋的具体细节和大师级标准是什么。 所以我发现引进象棋高手joel benjamin做咨询还很有用。 然后最后我们找了越来越多的象棋高手做陪同，测试了我们系统的表现。

问:当时的目标是让电脑模拟人棋还是开发不分价格取胜的产品？

a :我们想达到人类很多时候的水平，而不是让电脑模仿人类的风格。 人类的国际象棋风格已经被研究过了，不透明，但过去几十年心理学家一直在研究。 象棋高手和大师知道在考虑下一步的时候可以看到下一步多步。 他们有时需要深入计算来决定落子，有时不需要这样做。 但是，由于他们对落子有非常多复杂的计算和搜索机制，所以模仿人类的国际象棋风格非常困难。

人工智能的第一份工作是设计像人类国际象棋一样的电脑。 但是，有相当肤浅的计算能力，能计算越来越多的落子，更像电脑风格的电脑非常容易打败它。 完全依赖搜索后，达到了相当高的象棋水平。 但是接下来我们意识到依赖电脑是不够的，必须模仿人类国际象棋的某些方面。 人类非常严格地遵守国际象棋的关键。 那么，我们也必须让系统做这个。 这也是深蓝色成功的重要地方之一。

1997年，大部分棋手看到kasparov怎么输的时候，你不觉得深蓝色的风格不同吗？

a :是的。 直到现在，当我看到计算机采取了意想不到或不到的一步时，我仍然称之为计算机路径数( computer move )。 这是人类用一定的方法思考的结果，不是把自己置于高级人员的水平。 因此，计算机即使不能完全正确的计算位置也可以打败人类。 因为他们这么不同，能看到人类看不见的可能道路的数量。 愿年轻棋手比老一代更容易出电脑道数。

问:所以，最终计算机的进步也使人类进步了

a :我想完全就是那样。

问:根据对计算机科学的要求，围棋和象棋有什么不同？

a :我不下围棋，但我也知道这一点。 落子上，两者都非常多和复杂，可能性非常大。 但是围棋有象棋没有的特征，光看是不能数围棋的落子的。 像我这样的中等象棋手可以坐下来写几个小时计算象棋落子的计算程序。 象棋高手更是如此。 但是，与搜索相结合，可以出现高水平的局面。

但是围棋是一种花时间对战的游戏，象棋的结构和相互影响的方法非常多，非常复杂。 象棋游戏是很多棋子中的运动。 最终计算余子比赛的情况下，可以。 现在明显比这个多而杂，但有经验法则。 围棋不是这样的，不是单纯合棋子。 因为两者的数量可能都差不多。 这样计算更难。 所以我认为deepmind的一大进步是找到用机器学习计算落子的好方法。

问:你觉得阿尔法go怎么样？ 你考虑过alphago在开发深蓝色时使用的这些技术吗？

a :这是个好问题。 我也和deepmind的人谈过了。 首先，他们的工作很棒。 但是，如果这个算法不仅能扩展到围棋，还能扩展到其他棋类的话，我想会更加兴奋。

这个算法能适用于国际象棋吗？ 我推测这样的程序可能比现在的人类国际象棋大师更厉害，但还比不上现有的国际象棋程序。

我认为现在的国际象棋程序非常强大，上述算法编写的程序不一定比以往的程序强大。 我这么说是因为国际象棋区别于其他纸牌游戏的优点之一是搜索，国际象棋的搜索比我更重要。 当然围棋也需要深入的搜索，但围棋比赛中有很多直觉和报价的要素。

国际象棋搜索中的指控是不可替代的。 我知道的最强大的国际象棋程序是komodo，其搜索能力非常强，可以有效地搜索多个可能的步骤数。 所以我不认为围棋行业的算法也适合下棋。 这个算法不能重新进行搜索，需要另一个技术突破的方向。

alphago其实在和自己比赛，看起来强得停不下来……。

a :是的，alphago会在自己和自己的比赛中提高能力。 我不知道他们是否发现了alphago能力提高的极限，但可能会继续成长。 如果把alphago的技术放入国际象棋程序，那一定赢不了现有的程序。

问:计算解决能力在两个棋牌游戏中有多重要？

a :国际象棋不需要太多的计算解决能力。 计算能力越提供，其接受也越多。 未来，你的高端智能手机可能会打败大多数国际象棋选手。 算法的改进使程序更有效率。 围棋需要巨大的计算解决能力，根据他们以前的论文，alphago如果增加越来越多的cpu和gpu，其表现也会变好。 所以这次比赛alphago的计算解决能力非常强。

alphago这次胜利的意义是什么？

a :这次胜利冷却了人工智能棋牌游戏的研究热潮，我想今后会有更酷的产品。 有些原因是这些游戏非常多很复杂，另一方面也非常简单，围棋和国际象棋都是完美的新闻游戏，也是零和游戏。 这些游戏没有反映现实世界。 只有世界问题的一部分在处理前掌握足够的消息，让你做出正确的决定。 把这些应用于现实世界的问题是下一步。

我特别需要提出一些建议。 把这些技术应用于现实世界时，我们简单粗暴地认为这些新技术的机器比人类强是不合适的。 这些技术确实在某些方面比人类强，但在另一方面非常差。 所以人与机器的互补性非常重要。

问:你最关注现实世界的实用化吗？

a :我觉得医疗行业的应用很有兴趣。 我不认为机器人和计算机会在这个行业做出诊断，但计算机可以利用数据观察和图像识别的技术，帮助医生做出更好的决定，使诊断过程高效准确。