解构AlphaGo围棋神功：师承天下棋手　精通左右互搏

棋王李世石对弈AlphaGo，五局大战终告落幕，李世石只能胜出第4局，其余4局都落败。今次世纪对决掀起一股围棋热，不少棋手点评AlphaGo也会下错棋，亦有人估计只要出奇不意，AlphaGo就会不懂回应。种种说法，又是否言之成理？一切要由AlphaGo的运作开始讲起。

AlphaGo作为人工智能（AI），它厉害之处不在于尽可能熟读棋盘、“照辨煮碗”走一次；也不是用“暴力”运算推敲所有棋步的可能后果。事实上，这方法也不可行。

每一步棋，都可想像成一个庞大复杂的树状图，每一步推算下去都有可能获胜，但亦可能走向落败。问题是围棋棋局千变万化，棋步达到天文数字，不可能逐个运算。暴力法用不著，又如何知道哪些棋步可取，哪些棋步不应考虑？【柯洁定必应邀赴战 将备战分析AlphaGo弱点】

关键在于AlphaGo有两个网络（DNN）：策略网络（policy network）用来收窄阔度，只考虑可能步法；价值网络（value network）用来减少深度，不会完全演算到棋局终结，到某一个位置就会评估胜负的机率。避免永无止境的运算下去，才能在限时的围棋场上与人较量。

【01专页全程紧贴】人机大战：战况 评论 历史

至于AlphaGo如何决定收窄步法呢？就得靠学习。AlphaGo首先拜天下棋手为师，研习高手3000万棋步。第二步就自我超越，在避免重复对战的前提下与自己对弈，每次获胜就成为一次增强学习（Reinforcement Learning），以后判断更准。自此AlphaGo下围棋不用机械式地模仿前人，而是像人类一样，只会考虑最似可以最后胜利的步法，计算机率。

【港八段评关键4手棋　李世石受压失误】
【人机围棋战】经典棋局 吴清源对本因坊秀哉 斗足三个月

国立交通大学资讯工程系教授吴毅成指出，AlphaGo下棋只会研究最后能赢还是要输，重要的棋步能带来更大机率胜出，赢多几目反而次要。所以棋手有时会以为AlphaGo走了一步缓著或恶手，以为程式不厉害。由此可推论，AlphaGo有时下出一步对当下来说不是理想的步法，其实不足为奇。

每当对手下完一步，AlphaGo就会模拟接下来可能的数步，对于未来可能面对棋局来估算胜率，选择最稳阵、最有机会获胜的棋步。台湾大学资讯工程学系教授林守德指出，所以AlphaGo的步法不拘于定式，亦不会理由对手是谁。但他向香港01表示，相信部份棋手“对于AlphaGo的胜率会比较高，这些人不一定是围棋排名高的，而是棋风跟AlphaGo看过的棋谱很不同，让AlphaGo的policy学不太到。”林守德续说，“如果能找到一著好棋，而这著好棋是原来AlphaGo模拟过程中没有模拟到的（也就是policy network也无法预知应该如此下），就有可能取胜。”

【AlphaGo连胜围棋高手 中国麻将才是人类最后防线？】

（综合报道）