Alphago获胜秘籍之武侠版【原创】

十年前，一个荒无人烟的荒岛上，走来了两个人。一个老者，一个少年。老者名叫深思，无所不知，但是却不会武功；少年名叫Alpha，是个孤儿，之所以叫这个名字，可能是当初父亲从拉丁字母表的随便挑的。少年Alpha武功资质一般，但是有一项特殊的天赋，反应快，远超常人。

深思带Alpha到这个荒岛来，目的只有一个，就是将Alpha培养成为绝世高手。

一老一少不紧不慢的走了一天，来到了一个山洞。老者面无表情，对少年只说了一句：“自己学，三年之后出来见我。”然后头也不回的走了。

少年进了山洞，发现里面竟是一个藏经阁，里面收藏了古今以来所有的武林秘籍。少年大喜，开始日夜不停的开始学习。

五年后，少年离开了山洞，老者等在外面。五年的时间，少年从一无所知，仅仅靠自学，已经具备了差不多黄蓉（参见《射雕英雄传》）的实力，当然终究是纸上谈兵，武功无法再进一步。

深思只是简单的告诉少年，你可以到江湖上历练了。

不过，在把少年仍到江湖上去拼杀之前，深思交给了Alpha一件兵器，或者说是一件神器。这个神器的作用的用法很简单，可以召唤出一万个分身，但是这些分身只会武功，没有内力。在对阵的时候，这件神器不能直接对阵搏杀，但是它可以模拟Alpha和对手的过招，从一万次模拟过招中发现对手的破绽，然后一招制敌。

深思对Alpha说，以后，你就叫Alphago吧，于是，Alphago横空出世，依靠分身神兵，实力竟然达到了丘处机的水平。

Alphago的崛起是如此之快，江湖高手们很快就开始重视这个突然冒出的高手，并开始研究Alphago的弱点。很快，他们发现了Alphago一个最大的弱点，招法超强内力不行。这个限制导致了Alphago无法再进一步，成为顶尖高手。

这个时候，深思出现了，他将Alphago带回了山洞，并交给他一个新的修炼方法：左右互搏。于是Alphago开始闭关，在闭关期间，他利用左右互搏之术，每天自己互击上万次，在经过了上千万次的左右互搏练习后，Alphago出关了。

这个时候的Alphago，内力上有了飞跃，不靠分身神兵，自身就达到了丘处机的水平。而依靠分身神兵，Alphago几乎就是加强版的欧阳锋，有实力挑战这个世界的顶尖高手了。

剩下的事情，你们都知道了：华山论剑让Alphago一战成名，傲视天下！

更专业一点的解释：

“山洞自学”其实就是深度学习，通过“深度卷积神经网络”，以世界上古今中外的海量棋谱作为训练样本，进行训练，训练出的神经网络可以达到业余高手的水平。这个神经网络实现“走子网络”的功能。所以，走子网络实际上通过大量的训练，让Alphago具备了所谓的“棋感”。外界往往认为机器大局观不行，局部战斗厉害，其实是个误解。

“分身神器”其实就是蒙特卡罗搜索，在对局的时候，Alphago会让走子网络快速模拟战斗（下完整个棋局），并根据最终结果对每个位置的获胜概率进行评估。每步棋都会进行数万次的模拟，从而得到一个最终的准确的获胜概率估值，即“价值网络”。Alphago根据估值结果选择下法。到了这个阶段，机器就有了职业选手的水平了。

这里有个细节，由于走子网络需要的计算量很大，Alphago通过牺牲一些性能（精确度），将计算量缩小了1000倍，就构成了“快速走子”。这样，在特定计算资源限制下，机器可以灵活的选择是“每次模拟更准确但更少的模拟次数，还是更多的模拟次数但每次模拟结果差一些。最终的选择，是二者的混合使用（据说是前十几步让计算更准确，后面的步数让计算更快）。

左右互搏，是机器要得到更好的结果，需要更多更高质量的样本去训练“走子网络”。走子网络水平越高，机器棋感越强，价值网络的估值就更准确。Alphago通过跟自身下棋，得到了更多更高水平的训练样本（三千万次），并将这个样本回送到神经网络中进行不断学习。所以，本质上，机器就可以通过“自学习”的手段来自我提高。这个非常可怕。

最后，总结一下，最终的对局相当于一万个职业高手（王元水平的）在和李世石下棋，结果可想而知。

作者：杨明川博士

注：本文的描述受知乎作者袁行远的启发