0
| 本文作者： 老王 | 2017-03-23 17:43 |
3月19日，在第10屆UEC杯世界計算機圍棋賽上，決賽中由騰訊 AI Lab（騰訊人工智能實驗室）研發的圍棋人工智能程序“絕藝”（Fine Art）擊敗日本開發的“DeepZenGo”（天頂），以11戰全勝的戰績奪冠。
今年共有30支軟件參加此次大賽。繼18日的循環積分賽中，“絕藝“以七局全勝戰績進入16強后，又以四連勝戰績奪得本屆UEC杯冠軍，日本“DeepZenGo”獲亞軍。
為此，雷鋒網特地采訪了騰訊AI Lab高級總監、絕藝團隊負責人劉永升，內容關于絕藝團隊的組成、未來在其他領域的應用、背后的云計算、魯棒性優化，AI面對圍棋打劫等問題。
雷鋒網：騰訊圍棋AI“絕藝”打敗日本的DeepZenGo，贏得了UEC電腦圍棋大賽?！敖^藝”獲勝展示了一個什么樣的AI技術水平？
很高興‘絕藝’能夠在UEC杯奪冠，這次比賽中有許多優秀的圍棋AI團隊，比如deepzengo，我們尊敬這些對手和同行。這次比賽是非常難得的寶貴經驗。絕藝”參加UEC比賽包括和一力遼下棋，實際上更多的是為了學術交流，也讓“絕藝”在和高手的對決中更好地成長。
絕藝涵蓋了人工智能最熱門的研究領域——深度學習和強化學習，經過人類棋譜和機器自對弈的學習過程，算法基于策略網絡與價值網絡兩大核心，并創新性大幅提升了后者精度。
當然，絕藝的研究對騰訊AI Lab的價值也不止于圍棋AI本身，它幫助我們在深度學習、強化學習方面進行了非常有價值的探索和創新，這些都將為將來的研究奠定很好的基礎。
雷鋒網：“絕藝”的團隊組成是什么樣的，有哪些技術人才？
AI Lab隸屬于騰訊技術工程事業群TEG旗下，TEG一直以來是騰訊技術的基礎設施大本營，為其他BG提供技術支撐。AI Lab于2016年成立，專注與AI領域的基礎科學研究和應用探索，目前有50余位世界知名學院的AI科學家（90%為博士）、及200多位經驗豐富的工程師。
團隊是由13位年輕人組成的。一半人做算法研究，一半人做算法實現。所有成員全部隸屬騰訊AI Lab。“絕藝”項目除了有騰訊圍棋上的圍棋高手指導，在公司內部中還有一些行家，比如AI Lab負責人姚星是業余2-3段、TEG總裁盧山總是業余五段，我們后期還請到羅冼河九段來做“絕藝”的陪練。
雷鋒網：談談“絕藝”的訓練過程和“絕藝”幾個關鍵性的迭代和野狐平臺訓練的作用？就是不斷發現問題，修復問題的過程。圍棋AI不比其他，必須要像羅洗河老師這樣不僅棋力水平超過，并且懂計算機的天才，才能很好的發現AI對弈過程中存在的問題。
迭代方面，絕藝最初的id是“虎虎有生氣”，主要和業余強手下，對野狐9段的勝率大概是70%左右；9月份開始，開始使用“野狐掃地僧”，主要和弱職業（指棋手段位）、強9下，勝率大概是80%左右；10月份使用“天下無狗“的ID，還是和弱職業、強9下，勝率可以到90%。絕藝在11月份輸給 煉心(時越)之后閉關，主要是大幅度提升了價值網絡的精度，隨后是以刑天的id亮相，短暫使用過“刑天”和“酈龍”兩個名字?！敖^藝”這個id登錄是從去年11月1日開始登錄，截至昨日在野狐圍棋上對戰388勝，120負，勝率76%。
“絕藝”與其他圍棋AI最大的不同之處，是在成長上得到了世界超一流棋手的指導。在高手云集的騰訊圍棋（野狐圍棋）平臺上，它與人類棋手不斷交流，在對戰中學習，騰訊圍棋（野狐圍棋）上強手如云的競技氛圍給予很大幫助。這也是AI Lab對于絕藝的期待——希望它能與人類棋手積極互動，從而激發更多關注并傳承圍棋這一中國傳統文化。這是我們的一種科技責任感。
雷鋒網：細化到棋譜層面，你們用哪些棋譜來訓練絕藝的？相比而言是錯綜復雜且多樣化的普通棋譜重要，還是高手與高手之間的頂級棋譜更重要？你們在訓練期間如何分配兩類棋譜的比例？
都很重要，AI自對弈棋局的量會比人類棋局多非常多。
雷鋒網：“絕藝”這次參加的是電腦圍棋比賽，這與人機對戰有什么不一樣？
人比較狡猾，但人容易犯錯；機器比較老實，但幾乎不犯錯。
UEC杯是世界權威的計算機圍棋大賽，由日本電氣通信大學于2007年創辦，承載了計算機攻克圍棋項目的使命。一直以來，UEC杯都是人工智能領域的一項盛事，既是各國人工智能研發的實戰演練機會，也是世界各團隊間技術交流的平臺。大賽活躍的團隊DeepZenGo、瘋石、石子旋風等都是水平很高的明星程序。
比賽對于活化圍棋領域、促進AI科技發展有重大作用，并不是單純為了決出最強AI，我們參與UEC比賽也是抱著與同行交流切磋的心態。
雷鋒網：“絕藝”背后的硬件配置什么樣的？在絕藝這個項目上，騰訊云對內提供了哪些能力？這些能力是如何轉化為產品和服務？對其他參賽團隊來說，此事背后的騰訊云有哪些技術優勢？
“絕藝”的學習主要包括人類棋譜數據庫和機器自對弈，它的算法基于策略網絡與價值網絡兩大核心，并創新性地大幅提升了價值網絡的精度，使其大局觀表現更好。通俗的說，“策略”指每一步博弈時，各種選擇的取舍，選好棋棄差棋，這是偏微觀評估；而“價值”則指能看懂棋局，判斷給定棋局是不是能贏，這是偏宏觀的評估。
“絕藝”背后，是深度學習和強化學習這兩個機器學習十分熱門的研究領域，它的總體框架遵循AlphaGo去年1月在《Nature》上發表的文章，是一個純機器學習系統，但在實踐中做了超出論文的創新。
舉例來說，現代強化學習的核心，是用先進的機器學習算法作模擬器，生成高質量、實際有效的數據（experience replay) － 這個過程在圍棋AI中被稱為自對弈。通過這個方法，可以讓得學習到的模型不斷通過強化生成的數據來自我提高。
在訓練“絕藝”的機器學習模型過程中，我們探索了一些全新、而且非常有效的強化學習方法，能創造出更優質的自我模擬數據，從而導致了更強的模型。比如，和很多其他圍棋AI相比，絕藝的對殺能力會更強。AI Lab構造“絕藝”的經驗，積累了一系列有效的方法，可以通過自我學習產生高質量的強化學習數據。這些方法可以應用在很多別的場景之中。
至于大家很關心的硬件系統，“絕藝”的線上系統有單機版和多機版：單機版差距和多機版沒有大家想的那樣大。而多機版所用的機器資源比DeepMind公開數據所透露的要少，所以絕藝不用靠資源取勝。
此外，在訓練中絕藝利用了騰訊的云計算資源生成高質量數據，提升了提算法創新速度。這些計算資源在行業內都可以通過騰訊云對外服務直接獲取。
雷鋒網：絕藝在2月10日時在野狐圍棋被幾位棋手連殺幾局，隨后被下線調整。當時到底遇到了哪些問題，你們為此做了哪些調整？
我們在測試 布局、中盤、官子三個階段的平衡，加強中盤之后，對殺問題就不存在了。
雷鋒網：AlphaGo與李世石的第四場對戰期間，第78手后連續出現了嚴重的錯誤，這里就涉及到機器魯棒性的問題。那么絕藝是如何優化魯棒性的？
不管是人還是AI，關鍵時刻犯錯，那都是致命的。提升魯棒性，關鍵還是要提高策略網絡、估值網絡的精度，這是一個緩慢提升的過程。
雷鋒網：周志華教授之前提到圍棋中的“打劫”手段會讓價值網絡崩潰，微軟的鄭宇也說到沒有了價值網絡的AlphaGo其實水平也就職業3段左右，很多人也發現AlphaGo確實會有意避開打劫。那么絕藝在解決“打劫”問題方面有哪些研究？
絕藝在大量的實戰中從來不會規避打劫，從來沒有碰到打劫奔潰的現象。和超一流高手交手中，絕藝的打劫表現出非常高的水平。我們并沒有針對打劫做優化，AI不會打劫更待商榷。
雷鋒網：你們打算將“絕藝”系統的相關技術應用于哪些領域？李開復曾說 “AlphaGo其實做了相當多的圍棋領域的優化，除了系統調整整合之外，里面甚至還有人工設定和調節的一些參數，因此還不能算是一個通用技術平臺，不是一個工程師經過調動API就可以使用的，而且還距離比較遠?！苯^藝除了圍棋外，要應用在其他領域需要解決哪些問題？
從應用價值上，短期看，騰訊圍棋是本身國內最大、最活躍的的圍棋平臺之一，做得好，可能馬上就會有很多人能用上；中期看，AI Lab關注四大應用方向：內容AI、游戲AI、社交AI和平臺工具型AI，圍棋AI就和其中的游戲AI密不可分，是比較獨有且創新的應用場景；長期來看，‘絕藝’背后‘精準決策’的AI能力，也能在無人駕駛、量化金融、輔助醫療等地方應用。如果從圍棋AI的完美對稱博弈系統，進化到不完美對稱博弈系統，也就是能處理現實中更常見的不確定性問題時，這里的想象空間非常巨大，當然也是比較長遠的應用了。
通過打造“全面AI能力”，騰訊的愿景是讓真正的人工智能未來無處不在（Make AIEverywhere），深入到生活中，用AI提升人類的生活品質。AI的未來，不僅僅是提供更安全、高效、便捷的智能工具，更要成為每個人心中的超級英雄“大白”，讓小朋友更“被理解”，不會因父母不在身邊而缺少陪伴；讓成年人更“被保護”，不會因工作的危險讓自身安全沒保障；讓老年人更“被照顧”，不會因身處偏遠山區而得不到及時治療。
雷鋒網：對非AI公司以及普通大眾來說，絕藝取得大賽冠軍這件事有哪些意義，應該怎么看待這個事情？
比賽并不是單純為了決出最強AI，而是對于活化圍棋領域、促進AI科技發展有重大作用。AI Lab對于絕藝的期待也是如此，希望它能與人類棋手的積極互動，能激發更多關注并傳承圍棋這一中國傳統文化。這是我們的一種科技責任感。
在未來我們也會將絕藝的技術開放出來，助力圍棋AI的技術研究，從而更好地傳承圍棋文化。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
