0
雷鋒網(wǎng) AI 科技評論消息，北京時間 12 月 11 日晚，DeepMind 在 twitter 上宣布推出圍棋教學(xué)工具 AlphaGo Teach。
上圖中，標(biāo)有白圈的黑子表示上一手，虛線圓圈表示 AlphaGo 下一步可能的走法，實(shí)線圓圈表示人類選手下一步可能的走法，圓圈中的數(shù)字表示 AlphaGo 評估的黑子勝率。
從官網(wǎng)上可以看到，該工具通過利用 231000 盤人類棋手對局、75 盤 AlphaGo 與人類棋手對局的數(shù)據(jù)，能對圍棋近代史上 6000 種比較常見的開局給出分析。通過這個工具，大家可以探索圍棋奧妙，比較 AlphaGo 的下棋路數(shù)與專業(yè)選手、業(yè)余選手的不同點(diǎn)，從中學(xué)習(xí)。
官網(wǎng)上對于工具的使用也有相關(guān)說明：
如何使用這一工具？
點(diǎn)擊棋盤上的彩色圓圈，或使用棋盤下方的導(dǎo)航工具，即可探索不同的開局變化，以及 AlphaGo 對于每一步棋的黑棋勝率預(yù)測。
圓圈中的數(shù)字代表了該步棋的黑棋勝率。當(dāng)輪到黑棋落子時，數(shù)值越接近 100 表示黑棋優(yōu)勢越大；當(dāng)輪到白棋落子時，數(shù)值越接近 0 表示白棋優(yōu)勢越大。50 則表示均勢。
了解 AlphaGo 的勝率預(yù)測
AlphaGo 的下法不一定總是具有最高的勝率，這是因?yàn)槊恳粋€下法的勝率都是得自于單獨(dú)的一個 1000 萬次模擬的搜索。AlphaGo 的搜索有隨機(jī)性，因此 AlphaGo 在不同的搜索可能會選擇勝率接近的另一種下法。
除了官網(wǎng)上的簡單介紹，作為 DeepMind 圍棋大使、AlphaGo 的「教練」，樊麾也在其個人微博上宣布「AlphaGo 教學(xué)工具終于上線。」
他表示，
教學(xué)工具共有兩萬多個變化，三十七萬多步棋組成，通過 AlphaGo 的視角，分析并建議圍棋開局的諸多下法。同時每步棋 AlphaGo 都會給出自己的勝率分析，希望 AlphaGo 對圍棋的獨(dú)特理解可以給我們一些啟發(fā)。
本教學(xué)工具使用的版本是 AlphaGo Master。具體信息可以在主頁上看到，工具設(shè)有包括中文簡體在內(nèi)的多個語言。
同時，樊麾也從 AlphaGo 的教學(xué)中舉了幾個有意思的例子，并進(jìn)行了幽默地解說。「下邊的幾個圖是我從萬千變化圖中發(fā)現(xiàn)比較有沖擊力的幾個，類似的變化圖有很多很多，大家可以自己找找。」
原來二路虎不見得好！
對付迷你中國流的新辦法！
小林流也不是只有大飛掛！
原來這里還可以飛！
妖刀定式！
而在看到樊麾老師的微博之后，大家也開始了各色各樣的調(diào)侃。
@ 樓天，「有 21 天從入門到精通系列課程嗎？」
@ 我就是那一片浮云，「完了，十段棋手猛烈增加。」
@ 自動高速公路，「做成 app 就可以成為圍棋比賽作弊器了。」
@ 于縛風(fēng)，「圍棋輔導(dǎo)班的老師沒法講課了。」（圍棋老師表示哭暈在廁所）
看完了大家的調(diào)侃，來看看專業(yè)棋手們怎么說。
世界圍棋冠軍、職業(yè)九段棋手常昊表示，教學(xué)工具不一定是標(biāo)準(zhǔn)答案，更多的是給予了我們無限的思考空間。
首屆百靈愛透杯世界圍棋公開賽冠軍周睿羊說到，「定式什么的還是不要隨便學(xué)了，看到工具一些高級下法之后，感覺到又可以起飛了。」
第 3 屆鉆石杯龍星戰(zhàn)冠軍，圍棋國手李喆也對這一教學(xué)工具發(fā)表中肯評價：很多人會擔(dān)心今后布局的標(biāo)準(zhǔn)化，其實(shí)不必?fù)?dān)心。教學(xué)工具并不是告訴大家「只能這么下」，而是告訴大家「有些下法不太好」以及「可以這么下」。有些圖中沒有的下法只是因?yàn)槟M的隨機(jī)性而未被收錄，它們之中包含很多高勝率的選點(diǎn)，仍可以大膽嘗試。
此外，今年五月份被 AlphaGo Master 打敗的柯潔第一時間轉(zhuǎn)發(fā)微博表示「重新學(xué)圍棋。」（還用了一個賤賤的 doge 表情）
而這個工具到底好不好用，大家可以去自行體驗(yàn)。
官網(wǎng)英文地址如下：https://alphagoteach.deepmind.com/
中文地址如下：https://alphagoteach.deepmind.com/zh-hans
附 David Silver 介紹 AlphaGo Master 的研發(fā)關(guān)鍵：
AlphaGo Master 為何如此厲害呢？
我們讓 AlphaGo 跟自己對弈。這是基于強(qiáng)化學(xué)習(xí)的，我們已經(jīng)不再拿人類的棋局給它學(xué)習(xí)了。AlphaGo 自己訓(xùn)練自己，自己從自己身上學(xué)習(xí)。通過強(qiáng)化學(xué)習(xí)的形式，它學(xué)到如何提高。
在棋局的每一回合，AlphaGo 運(yùn)行火力全開（full power）的搜索以生成對落子的建議，即計劃。當(dāng)它選擇這一步落子、實(shí)施、并到一個新回合時，會再一次運(yùn)行搜索，仍然是基于策略網(wǎng)絡(luò)和價值網(wǎng)絡(luò)、火力全開的搜索，來生成下一步落子的計劃，如此循環(huán)，直到一局棋結(jié)束。它會無數(shù)次重復(fù)這一過程，來產(chǎn)生海量訓(xùn)練數(shù)據(jù)。隨后，我們用這些數(shù)據(jù)來訓(xùn)練新的神經(jīng)網(wǎng)絡(luò)。
首先，當(dāng) AlphaGo 和它自己下棋時，用這些訓(xùn)練數(shù)據(jù)來訓(xùn)練一個新策略網(wǎng)絡(luò)。事實(shí)上，在 AlphaGo 運(yùn)行搜索、選擇一個落子的方案之前，這些是我們能獲取的最高質(zhì)量的數(shù)據(jù)。
下一步，讓策略網(wǎng)絡(luò)只用它自己、不用任何搜索，來看它是否能產(chǎn)生同樣的落子的方案。這里的思路是：讓策略網(wǎng)絡(luò)只靠它自己，試圖計算出和整個 AlphaGo 的火力全開搜索結(jié)果一樣的落子方案。這樣一來，這樣的策略網(wǎng)絡(luò)就比之前版本的 AlphaGo 要厲害得多。
我們還用類似的方式訓(xùn)練價值網(wǎng)絡(luò)。它用最好的策略數(shù)據(jù)來訓(xùn)練，而這些數(shù)據(jù)，是出于完全版本的 AlphaGo 自己和自己下棋時的贏家數(shù)據(jù)。你可以想象，AlphaGo 自己和自己下了非常多盤棋。其中最有代表性的棋局被選取出來提取贏家數(shù)據(jù)。因此，這些贏家數(shù)據(jù)是棋局早期回合步法的非常高質(zhì)量的評估。
最后，我們重復(fù)這一過程許多遍，最終得到全新的策略和價值網(wǎng)絡(luò)。比起舊版本，它們要強(qiáng)大得多。然后再把新版本的策略、價值網(wǎng)絡(luò)整合到 AlphaGo 里面，得到新版本的、比之前更強(qiáng)大的 AlphaGo。這導(dǎo)致樹搜索中更好的決策、更高質(zhì)量的結(jié)果和數(shù)據(jù)，再循環(huán)得到新的、更強(qiáng)大的策略、價值網(wǎng)絡(luò)，再次導(dǎo)致更強(qiáng)大的 AlphaGo，如此不斷提升。
更多詳細(xì)信息，可以參見雷鋒網(wǎng) AI科技評論此前發(fā)文：現(xiàn)場｜David Silver原文演講：揭秘新版AlphaGo算法和訓(xùn)練細(xì)節(jié)
雷鋒網(wǎng) AI科技評論后續(xù)也會帶來持續(xù)報導(dǎo)。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
