“阿爾法狗”（AlphaGo）是第一個(gè)擊敗人類(lèi)職業(yè)圍棋選手、第一個(gè)戰(zhàn)勝圍棋世界冠軍的人工智能，由DeepMind公司開(kāi)發(fā)（該公司已被谷歌Google買(mǎi)下）。
2016年3月，AlphaGo和圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，以4比1的總比分獲勝；2017年5月，在中國(guó)烏鎮(zhèn)圍棋峰會(huì)上，它與排名世界第一的世界圍棋冠軍柯潔對(duì)戰(zhàn)，以3比0的總比分獲勝。
AlphaGo棋力已經(jīng)超過(guò)人類(lèi)職業(yè)圍棋頂尖水平，成為圍棋界不爭(zhēng)的事實(shí)。2017年5月27日，在柯潔與阿爾法圍棋的人機(jī)大戰(zhàn)之后，AlphaGo團(tuán)隊(duì)宣布AlphaGo將不再參加圍棋比賽。
2017年10月19日，在《自然》（Nature）上發(fā)表的一篇研究論文中，Deepmind公司報(bào)告新版程序AlphaGo Zero：從空白狀態(tài)學(xué)起，在無(wú)任何人類(lèi)輸入的條件下，它能夠用4個(gè)TPU（谷歌專(zhuān)門(mén)為加速深層神經(jīng)網(wǎng)絡(luò)運(yùn)算能力而研發(fā)的一款芯片，ASIC集成電路）迅速自學(xué)圍棋，“拋棄人類(lèi)經(jīng)驗(yàn)”。自我訓(xùn)練3天，自我對(duì)弈棋局490萬(wàn)盤(pán)，訓(xùn)練后它以100:0的戰(zhàn)績(jī)擊敗前輩AlphoGo Lee。
沒(méi)有已知的“棋譜”輸入，只告訴 AlphaGo 最基本的圍棋規(guī)則：黑先白后、輪換出子、提子、如何判斷輸贏、貼目等……
明確規(guī)則后讓 AlphaGo 自己跟自己下，開(kāi)始對(duì)弈，3天，自我對(duì)弈棋局490萬(wàn)盤(pán)，然后出山即封神。
除了證明了基于策略網(wǎng)絡(luò)（Policy network）和價(jià)值網(wǎng)絡(luò)（Value network）的深度學(xué)習(xí)人工智能有多厲害，AlphaGo Zero還體現(xiàn)了一個(gè)高效的學(xué)習(xí)法則：在基礎(chǔ)原理（第一性原理）之上，基于反饋機(jī)制的刻意練習(xí)。
為了簡(jiǎn)化這個(gè)問(wèn)題，我們下來(lái)看看2017年AlphaGo紀(jì)錄片開(kāi)頭的一小段——人工智能打方塊（Breakout）。
練習(xí)100盤(pán)結(jié)束后，AI對(duì)于球拍的控制依然十分呆板，系統(tǒng)也不知道什么時(shí)候應(yīng)該向哪里移動(dòng)，經(jīng)常漏掉球。
當(dāng)它自我練習(xí)了300局之后——它的操作速度已經(jīng)幾乎跟人類(lèi)的操作反應(yīng)一樣，操作也順暢了許多。
500局之后，AI找到了效率最高的打法，它先在兩邊打開(kāi)一個(gè)缺口，把球彈到頂部，讓球在頂部區(qū)域不斷的彈彈彈……
這種方式，效率最高、移動(dòng)次數(shù)最少。沒(méi)有人教過(guò)他這種打法，我們只輸入了規(guī)則，以及一套底層反饋機(jī)制，通過(guò)幾百次的訓(xùn)練，AI最后就能夠建立了一套最優(yōu)策略。
這種基于策略的不斷反饋、持續(xù)優(yōu)化的深度學(xué)習(xí)能力不僅比我們更“會(huì)學(xué)習(xí)”，AI還比我們更勤奮——高效且勤奮。
雖然我們窮極一生也不能像AI一樣訓(xùn)練幾百萬(wàn)次，但是！找到正確的方法論，刻意練習(xí)，及時(shí)反饋，我們也能成為一個(gè)更厲害的人！
