鑿構週期律 · AI系列 · 18

李世石的第七十八手

秦漢 · 約 9 分鐘 · 發布

一、像樣的一盤

1965年一月二十一日, 英國的《新科學家》週刊登了一篇談圍棋的文章, 題目是《圍棋之謎》。作者是數學家歐文·約翰·古德, 戰時他在英國破譯密碼的地方和圖靈共過事。文章裡有一節問計算機能不能下圍棋。他的回答是: 「所以我認為, 給計算機編程, 讓它下一盤像樣的圍棋, 會比讓它下國際象棋更難。」

第四篇裡, 1950年一篇講下棋的論文, 把選這個題目的理由寫成: 下好國際象棋, 通常被認為需要思考。十五年以後, 古德把這條界往前挪了一步, 挪到一種比國際象棋更難的棋上。

圍棋的規矩不多。一塊縱橫各十九道線的棋盤, 兩個人輪流往交叉點上放黑子和白子; 一塊棋被對方的子圍得沒有一口氣, 就被提走; 最後看誰圍住的地方大。規矩少, 能下的地方多: 頭一步就有三百六十一個點可選, 棋盤上可能出現的局面, 比宇宙裡的原子還多。

1997年五月, 第十一篇裡那臺叫深藍的機器在正式比賽裡贏了國際象棋世界冠軍。同年七月二十九日, 《紐約時報》一篇報道採訪了天體物理學家皮特·胡特, 他說: 「計算機也許還要一百年才能在圍棋上擊敗人類, 甚至可能更久。」他還說, 一個夠聰明的人學上幾個月圍棋, 就能贏當時的程序。

2014年, 《連線》雜誌的記者問寫圍棋程序的雷米·庫隆, 機器什麼時候能不讓子贏人。他說: 「我想, 也許十年吧。」緊接著又說: 「不過我不喜歡作預測。」

二、讓子

讓子, 是棋力差得太遠的兩個人下棋的辦法: 弱的一方先在棋盤上擺好幾顆子, 再開始下。讓的子越多, 兩邊差得越遠。

2006年前後, 幾個歐洲的研究者給下圍棋的程序換了一種想法。一個局面擺在面前, 程序先不去判斷哪一手好, 而是從這個局面起, 自己隨手把棋飛快地下到底, 下很多很多盤, 看下了哪一手以後贏得多, 再沿著贏得多的那幾條路往深處多推幾步。庫隆2006年的一篇論文給這種辦法起的名字, 叫蒙特卡洛樹搜索。蒙特卡洛是摩納哥一個開賭場的地方, 借來說靠隨機地試來估計。庫隆自己的程序叫 Crazy Stone。

2012年六月二十二日, 日本棋院和東京的電氣通信大學簽了一份合作文件, 此後每年春天安排職業棋手和程序下讓子棋, 名字叫電聖戰。2013年三月頭一屆, Crazy Stone 受石田芳夫九段四子, 程序贏了。

2014年三月二十一日第二屆, 依田紀基九段對 Crazy Stone, 也是讓子。《連線》的記者在場。比賽在一間會議室裡, 牆上貼著仿木紋的板子, 頭頂是日光燈, 角落裡一塊投影幕, 攝像組在準備網上直播。程序跑在一臺舊筆記本電腦旁邊的系統上, 屏幕上顯示著它自己估計的勝率; 棋盤上的子, 是一個人照著屏幕替它擺的。依田一邊下, 一邊把手裡的扇子打開又合上。快到終局, 程序在自己的地盤裡下了幾手白白損目的棋: 它只管贏的可能有多大, 不管贏多少, 開發它的人在一旁看著有點難堪。最後程序贏了兩目半。第二年三月的第三屆, 趙治勳九段讓一個韓國程序四子, 趙治勳認輸。

那一年, 職業棋手邁克爾·雷德蒙對《連線》的記者講人是怎樣下圍棋的。他說, 有時候他看見一手棋, 就確信它是對的, 卻說不出為什麼。記者把這個叫作直覺, 說它是多年訓練裡長出來的。

三、一堵牆

2015年十月五日到九日, 倫敦, DeepMind 的總部裡, 歐洲圍棋冠軍樊麾和這家公司做的程序 AlphaGo 下了五盤正式的棋, 不讓子。DeepMind 就是第十七篇裡那家被谷歌買下的倫敦公司。用時是每方一小時, 用完以後有三次三十秒的讀秒: 基本時間用完了, 每一手都得在三十秒裡下出來, 超一次就用掉一次。五盤, AlphaGo 全勝。

這五盤棋當時沒有對外說。到2016年一月二十七日, 英國的《自然》週刊在網上登出論文, 題目是《用深度神經網絡和樹搜索掌握圍棋》, 這件事才跟著公開。署名的有二十個人, 第二個名字是黃士傑。

論文講了它的做法。它有兩個網絡。一個看著一個局面, 估計職業棋手會在哪裡落子, 每一處有多大可能, 論文叫它 policy network; 另一個看著一個局面, 估計最後誰會贏, 叫 value network。兩個網絡幫著上一節那種往下推演的搜索, 少走冤枉路。用人類棋譜學出來的網絡, 估計人會怎麼下; 在它的基礎上, 程序又靠自弈練出更強的走法, 並用自弈的棋局訓練估計誰會贏的網絡。和樊麾下的那個版本, 用了一千二百零二個 CPU, 一百七十六個 GPU。

樊麾後來對《連線》的記者說, 那個程序「很強, 很穩, 像一堵牆」。他還說, 要是沒有人告訴他, 他也許會以為對面是一個下法有點怪, 但非常強的人。

要是沒有人告訴他。第五篇裡, 1950年圖靈設的那個模仿遊戲, 要的就是一個看不見對面, 只憑對方給出的東西來判斷的人。六十五年後, 一個職業棋手坐在一張棋盤對面, 說出了一句像是回答那道題的話; 他知道對面是機器, 是因為有人告訴了他。

四、四季酒店

2016年三月, 首爾的四季酒店六樓, AlphaGo 和韓國的李世石九段下五盤, 日子是九日, 十日, 十二日, 十三日, 十五日, 每天下午一點開局。

用的是中國規則, 貼七目半。中國規則最後數的是子和地; 執黑的先下, 佔了便宜, 所以數完要從黑方那裡扣掉七目半再比。每方兩小時, 用完以後三次一分鐘的讀秒。獎金一百萬美元; AlphaGo 拿下總比分以後, 公司宣佈把這筆錢捐給慈善機構和圍棋組織。

坐在李世石對面的, 是黃士傑。他面前有一臺電腦。李世石落一子, 他把這一手輸進去; 屏幕上出來 AlphaGo 要下的位置, 他拿起一顆子放到棋盤上, 再按一下棋鐘。

第十六篇裡, 1770年前後那臺下棋的土耳其人, 是一個人藏在櫃子裡替一臺機器下棋, 看的人看不見他。2016年在首爾, 一個人坐在明處, 當著所有人的面替一臺機器把子放下。定下這一手的是機器, 把子放下去的是人的手。替它算棋的機器, 不在那間屋子裡。

前三盤, 都是李世石認輸, 五盤的勝負到第三盤就定了。第四盤, 程序認輸。第五盤, 李世石認輸。四比一。

五、第三十七手

三月十日第二盤, AlphaGo 執黑, 下到第三十七手, 放了一顆子。英文解說席上, 一個人說: 「這一手很怪。」另一個人說: 「我以為是下錯了。」

樊麾在現場。他看著這一手說: 「這不是人會下的一手。我從沒見人這樣下過。」過了大約十秒鐘, 他看出這一手和盤上先前那些子的關係, 說: 「太美了。」

那時候, DeepMind 的戴維·西爾弗在控制室裡調出了 AlphaGo 的記錄。他後來對《連線》的記者講: 那個照人類棋譜學出來的 policy network 估計, 一個人類職業棋手在這個局面下這一手的可能, 是萬分之一。

萬分之一量的是這樣一件事: 照過去的人下過的棋, 一個職業棋手走到這裡會不會這樣下。它量的不是這一手好不好, 也不是人能不能想到。

幾年以後, 公司自己網頁上的寫法是: 第三十七手, 一手被下出來的可能只有萬分之一的棋。那個學來的模型, 那個職業棋手, 在這一句裡都不見了。

那天賽後的記者會上, 李世石通過翻譯說: 「昨天我是吃驚。今天我無話可說。」他說, 這一盤從頭到尾, 他沒有一刻覺得自己領先, 這一盤的 AlphaGo 近乎完美。

六、第七十八手

三月十二日第三盤輸了以後, 李世石在記者會上開口先說: 「很抱歉, 讓大家看到我這麼無力的樣子。」同一場記者會上, 後來傳得最廣的一句是: 「輸的是李世石, 不是人類。」

三月十三日第四盤, 李世石執白。下到第七十八手, 他在棋盤中間下了一手。當天, 古力九段管這一手叫神之一手。

AlphaGo 沒有馬上認輸。它接著下了一串讓解說員看不懂的棋, 又過了好幾手, 它對局面的估計才跟上來。賽後李世石說, 那像是程序出了毛病。最後認輸的是程序。記者會上, 李世石說: 「只贏了一盤, 卻得到這麼多祝賀, 好像還是頭一回。」

公司後來的網頁上, 給第七十八手也寫了一個數: 萬分之一。第三十七手是機器下的, 照著人的棋譜去量, 一個職業棋手這樣下的可能是萬分之一。第七十八手是人下的, 公司用同一種說法來形容, 也是萬分之一, 網頁上沒說這個數是怎麼算出來的。

三月十五日第五盤, 李世石認輸。看的人很多。谷歌說, 第一盤就有六千萬中國觀眾; DeepMind 後來說, 全世界有兩億多人看了這五盤棋。比賽結束兩天以後, 韓國政府宣佈, 五年裡拿出約一萬億韓元做人工智能的研究。

七、零

2016年底到2017年初, 韓國的弈城網和中國的野狐圍棋上, 一個帳號用快棋接連和一線的職業棋手下, 柯潔, 樸廷桓, 井山裕太, 古力都在對手裡。帳號中間換過名字, 後來那個就叫 Master。到2017年一月四日, 六十盤, 六十勝。那一天, DeepMind 的哈薩比斯在網上說明, 這是 AlphaGo 一個新的原型版本在做測試。

2017年五月二十三日, 二十五日, 二十七日, 浙江烏鎮, 柯潔和 AlphaGo 下三盤。第一盤 AlphaGo 執白贏半目, 後兩盤柯潔認輸。比賽結束, 公司宣佈 AlphaGo 不再參加這樣的比賽。

那一年十月, 《自然》上又登了一篇, 題目是《不用人類知識掌握圍棋》, 新的版本叫 AlphaGo Zero。公司的說明裡寫, 以前的版本先拿幾千盤人類業餘和職業的棋譜來學, 這一版跳過了這一步, 從亂下開始, 只和自己下。練了三天, 它和贏李世石的那個版本下了一百盤, 一百盤全勝; 再往後練到四十天, 又強了一截。第二年, 同一路辦法推廣到了國際象棋和日本將棋上, 叫 AlphaZero。

題目裡說不用人類知識。給了它什麼, 論文和公司的說明裡都列著: 一塊十九道的棋盤, 黑子和白子, 現在輪到誰, 哪裡能下, 哪裡不能下, 下完以後誰贏了。網絡是人設計的, 搜索的辦法是人設計的, 怎樣一盤一盤地練, 也是人定的。它沒有學人下過的棋; 它下的, 是人下了很多個世紀的那一種棋。

棋手們也在變。2017年四月, DeepMind 採訪了幾位中國職業棋手。周睿羊說, 受它影響以後, 他的想法是: 沒有哪一手是不可能的。開局就點三三, 過去不大下的定式, 又被翻出來研究。

2023年三月, 美國一份科學院院刊上登了四位研究者的文章, 題目是《超人的人工智能能通過增加新穎性改善人的決策》。他們拿一個比人強的圍棋程序, 去評職業棋手幾十年來實際下過的每一手; 結果是2016年以後, 人下的棋的質量能測出在往上走, 而且跟下出更多新的著法連在一起。

八、萬分之一

2019年十一月, 李世石辦了退出職業棋壇的手續。他對韓聯社的記者說: 「即便我做到第一, 也有一個我贏不了的存在。」一個月以後, 十二月十八日到二十一日, 他和韓國一家公司做的程序 HanDol 下了三盤告別賽。第一盤他受二子, 程序在局面裡看錯了一大塊, 認輸; 後兩盤程序贏了。

2023年, 一組研究者發表了一篇論文, 題目是《對抗策略擊敗超人圍棋人工智能》。他們訓練了另一個程序, 專門去找一個開源的強圍棋程序 KataGo 的破綻。找到的辦法, 是一步一步誘著對方圍出一個很大的圈, 讓它對圈裡那些子的死活一再看錯。一位業餘強手凱林·佩爾林學會了這個路數, 在一組人下的測試裡, 十五盤贏了 KataGo 十四盤。KataGo 的作者隨後改了程序; 再往後, 又有人找出了對付改過的版本的辦法。

贏不了的存在, 是2019年一個職業九段說的。四年以後, 一個業餘棋手用另一臺機器找出來的路數, 贏了一個論文題目裡叫作超人的程序。

這一篇裡刪掉的有兩處。一處是萬分之一前面那半句: 照人類棋譜學出來的模型, 估計一個職業棋手會不會這樣下。刪掉以後, 它成了一手棋本身有多稀罕。另一處是不用人類知識後面沒有寫出來的那半句: 它省去的是從人的棋譜裡學棋這一步, 棋盤和規則仍是人給的。刪掉以後, 像是它什麼也沒從人那裡拿。

還有一樣東西, 刪不刪, 都不在機器裡。

AlphaGo 給出來的, 是一個落點。很怪, 下錯了, 不是人會下的, 太美了, 神之一手, 有創造性, 這些都是人說的。公司後來的網頁給第三十七手標的是有創造性, 給第七十八手標的是神之一手; 這些是人給棋起的名字, 程序的記錄裡沒有這樣的欄目。樊麾說出太美了以前, 中間隔了十秒鐘, 那十秒鐘是他自己的。

坐在棋盤邊替機器放子的是一個人, 坐在棋盤對面的是一個人, 認輸以後說抱歉的是一個人, 看這五盤棋的, 公司說有兩億人。一盤沒有人下, 也沒有人看的棋, 還算不算一盤棋?

按公司後來給的數, 第七十八手是萬分之一。李世石下了。前面那把量人的尺, 是拿人下過的棋做的; 下一手棋的, 還是坐在棋盤前的那個人。這個系列管這種照著過去怎麼算也算不進去的一份叫餘項。

機器還在造, 而界在哪裡, 每一代人重說一遍。