- News Focus
文章專區
2016-01-01電腦可以在圍棋賽中打敗人腦嗎？
553 期
Author 作者
編輯部
facebook的人工智慧研究員建立了圍棋遊戲的搜尋引擎
過去幾十年裡，電腦在許多應用智力的遊戲中都打敗過人類。但圍棋一直是個例外，因為它的演算法實在太過複雜—圍棋的組成極其單純，但是結果卻有高度多樣性的變化。遊戲的基本概念是在19乘19路的棋盤交叉點上，輪流放置黑子與白子，盡可能的佔領地盤和包圍對手，被包圍氣盡的棋子需從盤面上提掉，最終目標就是棋子數和圍地的面積總和高者勝。
在對弈過程中，每一手的可能落點非常多，平均有200種；而在包圍對手的同時你也可能正被包圍著，進行中的局勢詭譎多端；根據估計，圍棋必勝法的記憶計算量在10600以上，這樣的天文數字以超級電腦使用暴力搜索法也無法處理。
Facebook的人工智慧研究員發現到優秀的人類棋手是以視覺模式觀察棋盤上的布局，可直接判斷局勢走向，研究員希望將這種模式移植到人工智慧中，視覺化分析圍棋策略。因此具有卷積神經網路（convolutional neuron networks）的深度學習模式可能是較佳的方法，這是一種類生物的神經網路模型，所需估計的參數較少，降低模型的複雜度；其在圖像辨識的能力更強化，可學習瞭解一盤成功棋局的「模樣」。
團隊先前開發了名為darkforest的機器人，在國際的圍棋伺服器（KGS GO server）上和人類玩家對戰，目前棋力穩定保持在業餘1段、2段間（業餘段位分為1段至7段，職業段位分為初段至九段）；而最新開發利用深度學習的darkforest 2則打敗了darkforest，雖尚未有棋力排名，但顯然它的能力更強。
建立深度學習的圍棋引擎可辨識多層次的抽象意義，人工智慧也會持續進步，這方面的研究尚在早期階段，未來有很大的改善空間。將來人類智慧還能夠繼續守住圍棋領域的優勢嗎？
Tian, Yuandong and Zhu, Yan, Better Computer Go Player with Neural Network and Long-term Prediction, arXiv, Vol :1511, 2011.