解構AlphaGo圍棋神功：師承天下棋手　精通左右互搏

棋王李世石對弈AlphaGo，五局大戰終告落幕，李世石只能勝出第4局，其餘4局都落敗。今次世紀對決掀起一股圍棋熱，不少棋手點評AlphaGo也會下錯棋，亦有人估計只要出奇不意，AlphaGo就會不懂回應。種種說法，又是否言之成理？一切要由AlphaGo的運作開始講起。

AlphaGo作為人工智能（AI），它厲害之處不在於盡可能熟讀棋盤、「照辨煮碗」走一次；也不是用「暴力」運算推敲所有棋步的可能後果。事實上，這方法也不可行。

每一步棋，都可想像成一個龐大複雜的樹狀圖，每一步推算下去都有可能獲勝，但亦可能走向落敗。問題是圍棋棋局千變萬化，棋步達到天文數字，不可能逐個運算。暴力法用不著，又如何知道哪些棋步可取，哪些棋步不應考慮？【柯潔定必應邀赴戰 將備戰分析AlphaGo弱點】

關鍵在於AlphaGo有兩個網絡（DNN）：策略網絡（policy network）用來收窄闊度，只考慮可能步法；價值網絡（value network）用來減少深度，不會完全演算到棋局終結，到某一個位置就會評估勝負的機率。避免永無止境的運算下去，才能在限時的圍棋場上與人較量。

【01專頁全程緊貼】人機大戰：戰況 評論 歷史

至於AlphaGo如何決定收窄步法呢？就得靠學習。AlphaGo首先拜天下棋手為師，研習高手3000萬棋步。第二步就自我超越，在避免重覆對戰的前提下與自己對弈，每次獲勝就成為一次增強學習（Reinforcement Learning），以後判斷更準。自此AlphaGo下圍棋不用機械式地模仿前人，而是像人類一樣，只會考慮最似可以最後勝利的步法，計算機率。

【港八段評關鍵4手棋　李世石受壓失誤】
【人機圍棋戰】經典棋局 吳清源對本因坊秀哉 鬥足三個月

國立交通大學資訊工程系教授吳毅成指出，AlphaGo下棋只會研究最後能贏還是要輸，重要的棋步能帶來更大機率勝出，贏多幾目反而次要。所以棋手有時會以為AlphaGo走了一步緩著或惡手，以為程式不厲害。由此可推論，AlphaGo有時下出一步對當下來說不是理想的步法，其實不足為奇。

每當對手下完一步，AlphaGo就會模擬接下來可能的數步，對於未來可能面對棋局來估算勝率，選擇最穩陣、最有機會獲勝的棋步。台灣大學資訊工程學系教授林守德指出，所以AlphaGo的步法不拘於定式，亦不會理由對手是誰。但他向香港01表示，相信部份棋手「對於AlphaGo的勝率會比較高，這些人不一定是圍棋排名高的，而是棋風跟AlphaGo看過的棋譜很不同，讓AlphaGo的policy學不太到。」林守德續說，「如果能找到一著好棋，而這著好棋是原來AlphaGo模擬過程中沒有模擬到的（也就是policy network也無法預知應該如此下），就有可能取勝。」

【AlphaGo連勝圍棋高手 中國麻將才是人類最後防線？】

（綜合報道）