人工智能在围棋上的运用（转贴）

徐大明白

人工智能在围棋上的运用

在电影《美丽心灵》里有这样一幕场景：教学家约翰·纳什坐在普林斯顿大学的庭院里，俯身注视一种游戏，在一块木板上点缀着黑色和白色的像鹅卵石那样的东西。纳什正在下围棋，围棋是一个源自亚洲的古老游戏。虽然输掉游戏让他沮丧不已，但是却促使他专注于博弈的数学研究，他也最终由此获得诺贝尔奖。

近几年来，计算机科学家们，特别是专攻人工智能这块的科学家们也同样感受到纳什的这种痴迷和沮丧。其它棋类游戏的电脑程序都比较简单编写，国际象棋也在功能强劲的处理器面前乖乖屈服。五年前，一部叫“深蓝”的电脑不仅击垮了当时的世界冠军卡斯帕罗夫，而且还重挫了他的锐气。这是因为国际象棋虽然错综复杂，但仍可简化成强力运算。围棋却不大一样，看上去好像很容易学会——无论人还是电脑，但事实上要达到精通的水平却要付出多年的摸索。到目前为止，仍没有电脑能够超出业余围棋手的水平。

围棋游戏是在一块由19条水平线和19条垂直线围成格子的木板上进行的。黑色或白色的棋子每次只能下一颗于格子交叉处。目的是通过围格子获得或保卫“领土”。编程人员认为围棋比象棋更能精确地反映人类思维的方式。要让电脑模仿人那样思考牵涉到人工智能的核心技术，例如要教会电脑如何学习、下结论、战略考虑、知识再现、模式识别，以及也许是最引人注目的技术——直觉认知。

电脑工程师兼Applied Minds科技公司的主席丹尼·席立斯表示：科学的进步源于对典型事物的全面研究，而对深奥围棋的研究正是促进科学进步的好时机。

“我们要研究的是像果蝇那样具有代表性的东西”，席立斯说。“国际象棋是研究逻辑的典型物，围棋却是研究直觉认知的典型物”。

跟直觉认知一样，模式识别在游戏中占了很大部分。电脑在运算数字方面很在行，但人天生就擅长模式匹配，匆匆一瞥甚至是背影都可以认出熟人。

斯坦福大学的数学教授，丹尼·巴布在空闲时编写一个名叫GNU的围棋程序。

他说：“国际象棋比赛中我们只要看一眼就知道大致的结果，但下围棋时，棋手必须运用多年积累的知识和逻辑并综合自己的模式匹配能力，才能下好一盘棋”。

大卫·福兰认为衡量一个电脑围棋游戏的标准是围棋软件的性能，在过去的五年里，围棋软件虽然进步很大，却没有重大突破。福兰是加州圣何塞市的编程人员和芯片设计师，他编写并出售一套叫“多面围棋”的软件——为数不多的商业围棋软件之一。

“游戏软件的性能部分受制于数据处理速度。传统的国际象棋程序每秒可以计算30万步，深蓝每秒更是可以计算2亿步。然而大部分的围棋程序到游戏进行到一半时每秒只能计算几十步”，“聪明围棋”软件的设计者安德·可鲁夫这样说。

对国际象棋来说，每一步棋棋手大概有25到35种下法，但围棋却有240多种。照伦敦一位电脑专家迈克尔·雷斯的说法，深蓝电脑在3秒钟就能计算出国际象棋很多步以后的各种变化，而处理相同步数围棋的变化情况，围棋程序却需要运行3万年之久。但障碍还不止表现在数据的处理能力上，围棋程序不但计算步数很慢，而且计算的准确性也不高。尽管围棋程序的开发如此之难，编程人员越发产生了浓厚的兴趣，他们必须在人工智能的基础研究上有所突破。

“我们认为我们已经完全掌握了人类的行为规律”，巴布说，“我们在早上起床，然后准备早餐。但你如果想要让电脑做这种事情，你马上会发现我们轻而易举能做到的事，对电脑来说却难似登天。”

让电脑下围棋也是一样。“当你考虑棋局的种种变数时，你下意识地进行筛选”，巴布说，“很难说得清这个筛选过程是怎样的，我面对棋盘思考10种可能的变化情况，要得出相同的结论电脑却需要考虑上千种，甚至是上百万种的位置变化，而出来的结果还可能是错误的。”

雷斯他还是神经网络系统的专家，他比较了人类的两种辨别能力，一种是辨别出围棋棋局中的关键位点，另一种是辨别开椅子和自行车的图片，他说，这两种能力对电脑来说都是难乎其难。

正因如此，大卫·福兰指出：“编写一套好的围棋程序比编写一套好的象棋程序更具挑战性，它能让电脑更接近人的思维方式”。