alphago现状(AlphaGo)

首页常识更新时间:2023-03-26 07:40:22

整理 | 郑丽媛

出品 | CSDN(ID:CSDNnews)

伴随着近期 ChatGPT 的火爆出圈,AI 再次成为了科技圈中的爆款话题。回想上次 AI 引来如此广泛关注,似乎还是 2016 年 AlphaGo 击败世界顶级棋手李世石的时候。

AlphaGo 有多强?它以 4:1 战胜李世石,唯一输掉的那局让李世石成为唯一战胜过 AlphaGo 的人类棋手,甚至让他在 2019 年宣布退役时仍耿耿于怀:“就算我排名第一,也会有台电脑是无法被击败的。随着 AI 在围棋比赛的登场,我意识到就算通过努力成为第一名,我也不会是最顶尖的……”

自 AlphaGo 问世后,至少在围棋界逐渐形成了一个共识:人类是打不过 AI 的——然而,据《金融时报》最新报道,近来一名人类棋手以 14:1 的比分,全面打败了顶级围棋 AI 系统 KataGo,即:人类战胜了 AI。

抓到了围棋 AI 的弱点

一般看到这种比分差距,我们会猜测两种可能:要么这位人类棋手太强,要么这个围棋 AI 系统 KataGo 太弱。然而:

既然 Kellin Pelrin 不强,KataGo 也不弱,那么 14:1 的巨大分差到底是怎么来的?《金融时报》给出了答案:Kellin Pelrin 抓到了围棋 AI 的弱点——准确来说,这个弱点是加州研究公司 FAR AI 开发的一个软件程序发现的。

FAR AI 用这个软件与 KataGo 下了 100 多万盘棋,并在此过程中分析 AI 棋手的弱点,从而找到人类棋手可以利用的 “盲点”。对此,FAR AI 首席执行官 Adam Gleave 表示:“对我们来说,利用这个系统出乎意料地容易。”

针对已发现的 KataGo 弱点,Kellin Pelrin 进行了学习理解:“该软件所揭示的获胜策略不仅可行,而且也不是很难,差不多中等水平的棋手就可以用它来击败 AI。”

对围棋有所了解的人都知道,对战双方需要在 19x19 的棋盘上交替放置黑棋和白棋,大方向就是要围住对方的棋子。包围范围的或大或小,应对方式的灵活多变,注定了 AI 很难预估所有可能的棋局走向。

至于 Kellin Pelrin 采用的策略,说起来很简单:慢慢将棋子串成一个“环形”,期间时不时落子在棋盘的其他角落以分散 AI 的注意力。Kellin Pelrin 对此评价道:“即便我几乎都要完成那个环了,AI 机器人都没有发现问题。但如果对方是一个人类,就很容易看出来。”

通过这种方式,Kellin Pelrin 不仅赢了 KataGo,还战胜了另一个顶级围棋 AI 系统 Leela Zero。

AI 无法真正深入理解围棋?

事实上,这件事虽然乍看之下有些不可思议,但并非不能理解——早已有许多事实证明,AI 从不是“无懈可击”。

2016 年,李世石虽以 1:4 落败,但也确实在 AlphaGo 手中拿下一局。当时是第四局,李世石在第 78 手走了一步 AlphaGo 不曾设想的棋,似乎由此击中了它的 Bug,导致 AlphaGo 开始出现失误,并产生一系列崩溃反应,从而失掉了那局。

或许是从 AlphaGo 唯一输掉的这局收获灵感,去年 11 月几名 AI 研究人员发表了一篇论文,主题跟此次 Kellin Pelrin 采用的策略相似:研究了一种通过利用 KataGo 盲点的对抗性技术来击败 KataGo 的方法,即出乎意料的棋步可以欺骗 KataGo(例如,通过首先对棋盘的一个小角落进行围空,让 KataGo 误以为自己赢了),从而使其输掉比赛。

但也正如 Kellin Pelrin 所说,这种方法能赢顶级围棋 AI,却连人类业余棋手都赢不了。

对此,加州大学伯克利分校计算机科学教授 Stuart Russell 认为:“不断发现这些顶尖围棋 AI 的弱点,这表明了支撑当今最先进的 AI 的深度学习系统有一个根本缺陷。”

也就是说,像 AlphaGo、KataGo 等围棋 AI 系统,哪怕其胜率优越,还是无法真正深入理解围棋,其反馈大多基于训练时接触到的棋局。Stuart Russell 解释道,这些系统只能“理解”它们过去接触过的特定情况,但无法进行概括总结:“这再次表明,我们过于草率地将超过人类的智力水平赋予了机器。”

“AI 需要人类,而人类也需要 AI”

这则时隔七年,人类终于战胜 AI “一洗前耻”的新闻,引发了许多网友的关注与讨论:

那么,对于这件事你又有什么看法呢?

参考链接:

,
展开阅读全文
推荐内容
热门内容
热门文章

© 2007-2022 http://www.anhuiqq.cn,All Rights Reserved.