凿构周期律 · AI系列 · 18

李世石的第七十八手

秦汉 · 约 9 分钟 · 发布

一、像样的一盘

1965年一月二十一日, 英国的《新科学家》周刊登了一篇谈围棋的文章, 题目是《围棋之谜》。作者是数学家欧文·约翰·古德, 战时他在英国破译密码的地方和图灵共过事。文章里有一节问计算机能不能下围棋。他的回答是: 「所以我认为, 给计算机编程, 让它下一盘像样的围棋, 会比让它下国际象棋更难。」

第四篇里, 1950年一篇讲下棋的论文, 把选这个题目的理由写成: 下好国际象棋, 通常被认为需要思考。十五年以后, 古德把这条界往前挪了一步, 挪到一种比国际象棋更难的棋上。

围棋的规矩不多。一块纵横各十九道线的棋盘, 两个人轮流往交叉点上放黑子和白子; 一块棋被对方的子围得没有一口气, 就被提走; 最后看谁围住的地方大。规矩少, 能下的地方多: 头一步就有三百六十一个点可选, 棋盘上可能出现的局面, 比宇宙里的原子还多。

1997年五月, 第十一篇里那台叫深蓝的机器在正式比赛里赢了国际象棋世界冠军。同年七月二十九日, 《纽约时报》一篇报道采访了天体物理学家皮特·胡特, 他说: 「计算机也许还要一百年才能在围棋上击败人类, 甚至可能更久。」他还说, 一个够聪明的人学上几个月围棋, 就能赢当时的程序。

2014年, 《连线》杂志的记者问写围棋程序的雷米·库隆, 机器什么时候能不让子赢人。他说: 「我想, 也许十年吧。」紧接着又说: 「不过我不喜欢作预测。」

二、让子

让子, 是棋力差得太远的两个人下棋的办法: 弱的一方先在棋盘上摆好几颗子, 再开始下。让的子越多, 两边差得越远。

2006年前后, 几个欧洲的研究者给下围棋的程序换了一种想法。一个局面摆在面前, 程序先不去判断哪一手好, 而是从这个局面起, 自己随手把棋飞快地下到底, 下很多很多盘, 看下了哪一手以后赢得多, 再沿着赢得多的那几条路往深处多推几步。库隆2006年的一篇论文给这种办法起的名字, 叫蒙特卡洛树搜索。蒙特卡洛是摩纳哥一个开赌场的地方, 借来说靠随机地试来估计。库隆自己的程序叫 Crazy Stone。

2012年六月二十二日, 日本棋院和东京的电气通信大学签了一份合作文件, 此后每年春天安排职业棋手和程序下让子棋, 名字叫电圣战。2013年三月头一届, Crazy Stone 受石田芳夫九段四子, 程序赢了。

2014年三月二十一日第二届, 依田纪基九段对 Crazy Stone, 也是让子。《连线》的记者在场。比赛在一间会议室里, 墙上贴着仿木纹的板子, 头顶是日光灯, 角落里一块投影幕, 摄像组在准备网上直播。程序跑在一台旧笔记本电脑旁边的系统上, 屏幕上显示着它自己估计的胜率; 棋盘上的子, 是一个人照着屏幕替它摆的。依田一边下, 一边把手里的扇子打开又合上。快到终局, 程序在自己的地盘里下了几手白白损目的棋: 它只管赢的可能有多大, 不管赢多少, 开发它的人在一旁看着有点难堪。最后程序赢了两目半。第二年三月的第三届, 赵治勋九段让一个韩国程序四子, 赵治勋认输。

那一年, 职业棋手迈克尔·雷德蒙对《连线》的记者讲人是怎样下围棋的。他说, 有时候他看见一手棋, 就确信它是对的, 却说不出为什么。记者把这个叫作直觉, 说它是多年训练里长出来的。

三、一堵墙

2015年十月五日到九日, 伦敦, DeepMind 的总部里, 欧洲围棋冠军樊麾和这家公司做的程序 AlphaGo 下了五盘正式的棋, 不让子。DeepMind 就是第十七篇里那家被谷歌买下的伦敦公司。用时是每方一小时, 用完以后有三次三十秒的读秒: 基本时间用完了, 每一手都得在三十秒里下出来, 超一次就用掉一次。五盘, AlphaGo 全胜。

这五盘棋当时没有对外说。到2016年一月二十七日, 英国的《自然》周刊在网上登出论文, 题目是《用深度神经网络和树搜索掌握围棋》, 这件事才跟着公开。署名的有二十个人, 第二个名字是黄士杰。

论文讲了它的做法。它有两个网络。一个看着一个局面, 估计职业棋手会在哪里落子, 每一处有多大可能, 论文叫它 policy network; 另一个看着一个局面, 估计最后谁会赢, 叫 value network。两个网络帮着上一节那种往下推演的搜索, 少走冤枉路。用人类棋谱学出来的网络, 估计人会怎么下; 在它的基础上, 程序又靠自弈练出更强的走法, 并用自弈的棋局训练估计谁会赢的网络。和樊麾下的那个版本, 用了一千二百零二个 CPU, 一百七十六个 GPU。

樊麾后来对《连线》的记者说, 那个程序「很强, 很稳, 像一堵墙」。他还说, 要是没有人告诉他, 他也许会以为对面是一个下法有点怪, 但非常强的人。

要是没有人告诉他。第五篇里, 1950年图灵设的那个模仿游戏, 要的就是一个看不见对面, 只凭对方给出的东西来判断的人。六十五年后, 一个职业棋手坐在一张棋盘对面, 说出了一句像是回答那道题的话; 他知道对面是机器, 是因为有人告诉了他。

四、四季酒店

2016年三月, 首尔的四季酒店六楼, AlphaGo 和韩国的李世石九段下五盘, 日子是九日, 十日, 十二日, 十三日, 十五日, 每天下午一点开局。

用的是中国规则, 贴七目半。中国规则最后数的是子和地; 执黑的先下, 占了便宜, 所以数完要从黑方那里扣掉七目半再比。每方两小时, 用完以后三次一分钟的读秒。奖金一百万美元; AlphaGo 拿下总比分以后, 公司宣布把这笔钱捐给慈善机构和围棋组织。

坐在李世石对面的, 是黄士杰。他面前有一台电脑。李世石落一子, 他把这一手输进去; 屏幕上出来 AlphaGo 要下的位置, 他拿起一颗子放到棋盘上, 再按一下棋钟。

第十六篇里, 1770年前后那台下棋的土耳其人, 是一个人藏在柜子里替一台机器下棋, 看的人看不见他。2016年在首尔, 一个人坐在明处, 当着所有人的面替一台机器把子放下。定下这一手的是机器, 把子放下去的是人的手。替它算棋的机器, 不在那间屋子里。

前三盘, 都是李世石认输, 五盘的胜负到第三盘就定了。第四盘, 程序认输。第五盘, 李世石认输。四比一。

五、第三十七手

三月十日第二盘, AlphaGo 执黑, 下到第三十七手, 放了一颗子。英文解说席上, 一个人说: 「这一手很怪。」另一个人说: 「我以为是下错了。」

樊麾在现场。他看着这一手说: 「这不是人会下的一手。我从没见人这样下过。」过了大约十秒钟, 他看出这一手和盘上先前那些子的关系, 说: 「太美了。」

那时候, DeepMind 的戴维·西尔弗在控制室里调出了 AlphaGo 的记录。他后来对《连线》的记者讲: 那个照人类棋谱学出来的 policy network 估计, 一个人类职业棋手在这个局面下这一手的可能, 是万分之一。

万分之一量的是这样一件事: 照过去的人下过的棋, 一个职业棋手走到这里会不会这样下。它量的不是这一手好不好, 也不是人能不能想到。

几年以后, 公司自己网页上的写法是: 第三十七手, 一手被下出来的可能只有万分之一的棋。那个学来的模型, 那个职业棋手, 在这一句里都不见了。

那天赛后的记者会上, 李世石通过翻译说: 「昨天我是吃惊。今天我无话可说。」他说, 这一盘从头到尾, 他没有一刻觉得自己领先, 这一盘的 AlphaGo 近乎完美。

六、第七十八手

三月十二日第三盘输了以后, 李世石在记者会上开口先说: 「很抱歉, 让大家看到我这么无力的样子。」同一场记者会上, 后来传得最广的一句是: 「输的是李世石, 不是人类。」

三月十三日第四盘, 李世石执白。下到第七十八手, 他在棋盘中间下了一手。当天, 古力九段管这一手叫神之一手。

AlphaGo 没有马上认输。它接着下了一串让解说员看不懂的棋, 又过了好几手, 它对局面的估计才跟上来。赛后李世石说, 那像是程序出了毛病。最后认输的是程序。记者会上, 李世石说: 「只赢了一盘, 却得到这么多祝贺, 好像还是头一回。」

公司后来的网页上, 给第七十八手也写了一个数: 万分之一。第三十七手是机器下的, 照着人的棋谱去量, 一个职业棋手这样下的可能是万分之一。第七十八手是人下的, 公司用同一种说法来形容, 也是万分之一, 网页上没说这个数是怎么算出来的。

三月十五日第五盘, 李世石认输。看的人很多。谷歌说, 第一盘就有六千万中国观众; DeepMind 后来说, 全世界有两亿多人看了这五盘棋。比赛结束两天以后, 韩国政府宣布, 五年里拿出约一万亿韩元做人工智能的研究。

七、零

2016年底到2017年初, 韩国的弈城网和中国的野狐围棋上, 一个账号用快棋接连和一线的职业棋手下, 柯洁, 朴廷桓, 井山裕太, 古力都在对手里。账号中间换过名字, 后来那个就叫 Master。到2017年一月四日, 六十盘, 六十胜。那一天, DeepMind 的哈萨比斯在网上说明, 这是 AlphaGo 一个新的原型版本在做测试。

2017年五月二十三日, 二十五日, 二十七日, 浙江乌镇, 柯洁和 AlphaGo 下三盘。第一盘 AlphaGo 执白赢半目, 后两盘柯洁认输。比赛结束, 公司宣布 AlphaGo 不再参加这样的比赛。

那一年十月, 《自然》上又登了一篇, 题目是《不用人类知识掌握围棋》, 新的版本叫 AlphaGo Zero。公司的说明里写, 以前的版本先拿几千盘人类业余和职业的棋谱来学, 这一版跳过了这一步, 从乱下开始, 只和自己下。练了三天, 它和赢李世石的那个版本下了一百盘, 一百盘全胜; 再往后练到四十天, 又强了一截。第二年, 同一路办法推广到了国际象棋和日本将棋上, 叫 AlphaZero。

题目里说不用人类知识。给了它什么, 论文和公司的说明里都列着: 一块十九道的棋盘, 黑子和白子, 现在轮到谁, 哪里能下, 哪里不能下, 下完以后谁赢了。网络是人设计的, 搜索的办法是人设计的, 怎样一盘一盘地练, 也是人定的。它没有学人下过的棋; 它下的, 是人下了很多个世纪的那一种棋。

棋手们也在变。2017年四月, DeepMind 采访了几位中国职业棋手。周睿羊说, 受它影响以后, 他的想法是: 没有哪一手是不可能的。开局就点三三, 过去不大下的定式, 又被翻出来研究。

2023年三月, 美国一份科学院院刊上登了四位研究者的文章, 题目是《超人的人工智能能通过增加新颖性改善人的决策》。他们拿一个比人强的围棋程序, 去评职业棋手几十年来实际下过的每一手; 结果是2016年以后, 人下的棋的质量能测出在往上走, 而且跟下出更多新的着法连在一起。

八、万分之一

2019年十一月, 李世石办了退出职业棋坛的手续。他对韩联社的记者说: 「即便我做到第一, 也有一个我赢不了的存在。」一个月以后, 十二月十八日到二十一日, 他和韩国一家公司做的程序 HanDol 下了三盘告别赛。第一盘他受二子, 程序在局面里看错了一大块, 认输; 后两盘程序赢了。

2023年, 一组研究者发表了一篇论文, 题目是《对抗策略击败超人围棋人工智能》。他们训练了另一个程序, 专门去找一个开源的强围棋程序 KataGo 的破绽。找到的办法, 是一步一步诱着对方围出一个很大的圈, 让它对圈里那些子的死活一再看错。一位业余强手凯林·佩尔林学会了这个路数, 在一组人下的测试里, 十五盘赢了 KataGo 十四盘。KataGo 的作者随后改了程序; 再往后, 又有人找出了对付改过的版本的办法。

赢不了的存在, 是2019年一个职业九段说的。四年以后, 一个业余棋手用另一台机器找出来的路数, 赢了一个论文题目里叫作超人的程序。

这一篇里删掉的有两处。一处是万分之一前面那半句: 照人类棋谱学出来的模型, 估计一个职业棋手会不会这样下。删掉以后, 它成了一手棋本身有多稀罕。另一处是不用人类知识后面没有写出来的那半句: 它省去的是从人的棋谱里学棋这一步, 棋盘和规则仍是人给的。删掉以后, 像是它什么也没从人那里拿。

还有一样东西, 删不删, 都不在机器里。

AlphaGo 给出来的, 是一个落点。很怪, 下错了, 不是人会下的, 太美了, 神之一手, 有创造性, 这些都是人说的。公司后来的网页给第三十七手标的是有创造性, 给第七十八手标的是神之一手; 这些是人给棋起的名字, 程序的记录里没有这样的栏目。樊麾说出太美了以前, 中间隔了十秒钟, 那十秒钟是他自己的。

坐在棋盘边替机器放子的是一个人, 坐在棋盘对面的是一个人, 认输以后说抱歉的是一个人, 看这五盘棋的, 公司说有两亿人。一盘没有人下, 也没有人看的棋, 还算不算一盘棋?

按公司后来给的数, 第七十八手是万分之一。李世石下了。前面那把量人的尺, 是拿人下过的棋做的; 下一手棋的, 还是坐在棋盘前的那个人。这个系列管这种照着过去怎么算也算不进去的一份叫余项。

机器还在造, 而界在哪里, 每一代人重说一遍。