在棋盘游戏方面，人类根本无法与人工智能抗衡

如果你在这个假期坐下来玩国际象棋之类的老式棋盘游戏，那么想想自己在与计算机的较量中表现得有多差劲，你可能会感到惭愧。事实上，计算机已经证明它们有能力在棋盘游戏中夺走人类的午餐钱。还记得 1997 年深蓝对阵加里·卡斯帕罗夫的比赛吗？计算机赢了。或者 2016 年 AlphaGo 在韩国围棋比赛中对阵李世石的比赛？同样如此。

事实上，围棋大师李世石即将退休——并谈到人工智能如何不可战胜。《卫报》援引韩国联合通讯社的报道说，他说：“随着人工智能在围棋比赛中的首次亮相，我意识到即使我成为第一名，我也算不上顶尖。”

去年，开发 AlphaGo（2016 年以四比一击败李世石的算法）的团队庆祝了一项更强大的成就：一个能够自学并赢得三种不同游戏的人工智能系统。该人工智能是一个网络，但适用于多种游戏；这种通用性使其更加令人印象深刻，因为它也可能能够学习其他类似的游戏。

他们将其称为 AlphaZero，它精通国际象棋、将棋（即日本象棋）和围棋，围棋是一种复杂的棋盘游戏，黑白棋子在一个大网格上对决。所有这些游戏都属于“完全信息”或“完美信息”竞赛类别——每个玩家都可以看到整个棋盘并可以访问相同的信息。这与扑克等游戏不同，在扑克游戏中，你不知道对手拿着什么牌。

“AlphaZero 完全靠自己学习，通过与自己对抗，”DeepMind 的软件工程师 Julian Schrittwieser 说道。“我们对游戏有了全新的认识，不受人类传统游戏方式的影响。”Schrittwieser 是 2018 年《科学》杂志上一项关于 AlphaZero 的研究的合著者，该研究于 2017 年首次公布。

由于 AlphaZero 比围棋获胜的人工智能“更通用”，因为它可以玩多种游戏，“这暗示着我们有机会将其扩展到更多我们以后可能想要解决的现实问题”，Schrittwieser 说。

网络需要先被告知游戏规则，然后通过与自己对弈来学习。围棋的训练需要 13 天，而国际象棋只用了 9 个小时。之后，没过多久，它就开始击败其他已经精通这些游戏的计算机程序。例如，在将棋比赛中，AlphaZero 只用了两个小时就开始击败另一个名为 Elmo 的程序。事实上，在一篇博客文章中，DeepMind 宣称该人工智能是国际象棋、将棋和围棋“历史上最强的选手”。Schrittwieser 说，同样的算法可以“毫无问题”地玩其他“完整信息”游戏，比如六边形游戏。

这种新人工智能与 2016 年击败李世石的人工智能系统类似。这场引人瞩目的比赛是一部名为AlphaGo的优秀纪录片的主题，该纪录片目前正在 Netflix 上播放。如果你对人工智能与人类的较量感兴趣，或者对迷人的古老围棋游戏感兴趣，那么这部纪录片值得一看。

虽然这是现代人工智能研究，但棋盘游戏历来是测试计算机能力的好方法，IBM 研究院的研究员 Murray Campbell 说道。他在《科学》杂志上发表了一篇关于 AlphaGo 的论文。他说，让计算机玩棋盘游戏的想法可以追溯到 1950 年，到了 20 世纪 90 年代，机器已经在跳棋和国际象棋上击败了人类。“我们花了几十年的时间研究这些游戏，才达到可以比人类玩得更好的程度，”Campbell 说。“我认为它们为这个领域做出了很好的贡献；它们让我们能够探索 AlphaZero 中使用的技术。”

坎贝尔补充道，研究 AlphaZero 所用技术的经验将大有裨益，因为该领域的目标是“更复杂的任务”。“而这正是攻克游戏的初衷——不是为了游戏本身，而是因为这是一种受限制的环境，我们可以在其中取得进展。”

至于人类棋手，据《韩国时报》报道，即使李胜龙退役，他仍计划于 12 月进行一场“最后的挑战”：他将与另一个在韩国开发的人工智能 Handol 对抗。

这个故事最初于 2018 年 12 月发布。它已更新李退役和即将推出的新 AI 游戏的消息。