AlphaGo雖能戰勝人類卻不會計時時間控制仍需人類干預

2016年06月28日 13:33 新浪科技 微博


　　

　　新浪科技訊 北京時間6月28日午間消息，谷歌DeepMind的人工智慧圍棋系統AlphaGo已成為全球最知名的深度學習技術應用案例。不過，幫助AlphaGo取得成功的某些代碼仍來自人工程序員。

　　今年3月，AlphaGo以4:1的比分擊敗了韓國圍棋冠軍李世石。根據此前的報道，AlphaGo自己與自己練習了幾百萬盤棋，從而掌握了圍棋技巧。

　　AlphaGo是DeepMind的兩大神經網路之一。其技術包括監督學習(即研究人類棋手的棋譜)，以及增強學習(自己與自己練習，並從中改進)。不過最新消息顯示，有些東西AlphaGo無法通過學習去掌握。

　　DeepMind研究總監索爾·格雷佩爾(Thore Graepel)表示，最終完成的AlphaGo系統非常善於發現，應當專註於棋盤的哪個區域。不過，AlphaGo並不擅長何時停止思考，完成落子。

　　這帶來了問題，因為頂級圍棋賽事有著複雜的計時系統。例如，在與李世石的對局中，雙方各有2小時的常規時間去落子，並在時間耗盡後有3次讀秒機會。棋手可以選擇在某一回合中啟動讀秒。但如果全部讀秒時間耗盡，那麼就會被判負。

　　格雷佩爾表示：「人類能進行複雜的時間管理。在困難的局面下，他們會思考更長時間，而在簡單的局面下，他們花的時間較少。我們試圖讓AlphaGo也能做到這點。」

　　「時間是重要資源：我們思考某一步棋的時間越長，那麼下法就可能越好。然而，時間是有限的。因此我們提出了一些方法，即如果演演算法在更長時間的思考後不會改變決策，那麼我們可以探測出這點。」

　　研究團隊並未在AlphaGo的圍棋知識中加入時間規則，而是引入了額外的限制。與核心引擎不同，時間演演算法是由人工設計的。

　　不過，這仍完全基於演演算法。格雷佩爾表示：「通過評價系統，我們進行了優化。我們會比較不同的耗時曲線，例如在開始階段用時較少，隨後用時增多，或是開始用時較多，隨後逐漸減少。我們測試了哪種方法效果最好。」

　　因此，目前還不必擔心機器搶走人類的工作，人類仍有工作要做，例如控制秒錶。(維金)