围棋

百度百科的定义中，阿尔法围棋 （围棋机器人、AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯哈萨比斯领衔的团队开发，其主要工作原理是“深度学习”（“深度学习”是指多层的人工神经网络和训练它的方法）。

AlphaGo对战职业棋手

今天我们就来简单讲讲AlphaGo的工作原理，不会很深入，目的是让大家有所了解。

AlphaGo的算法其实主要是“蒙特卡洛树搜索”与“卷积神经网络”，术语看起来超级高大上的，但其实都是非常好理解的东西。

先从功能上来说，蒙特卡洛算法是用来确定下一步落子位置的。人类下棋的时候，第一凭经验看准哪几个落子点，然后再进行计算，得到最佳的落点，实际上和蒙特卡洛算法是相同的方式。

再说的详细一些，蒙特卡洛算法的本质就是随机：人们给AlphaGo记录了好多棋谱，它自己也对弈了很多局，在对棋谱中，当前形势下的落子可能性做了统计之后，根据棋谱中出现频率比较高的胜招好棋，帮助它找最优解。

蒙特卡洛树

百科中是这样说的：“一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。”当然这包括了我们接下来要说的，“卷积神经网络”。

AlphaGo对战李世石

卷积神经网络其实就是帮助计算机认识图像的。如果只是输入一张图片，人工智能或者说计算机，只能感应到一堆像素点，它要如何才能判断照片里的东西是什么呢？这就是这个所谓的“卷积神经网络”算法干的事情。

卷积神经网络

那么这个算法用在围棋里，就是帮助程序看到棋局了。每一次落子之后，形成的棋局盘面，就是一个图像信息。计算机认识棋型、死活等这类事情，本质上都是图像信息处理的过程。棋局评估也用到了这个，因此AlphaGo的估值、策略能力很准，从而能有效的判断局势并且选定落子，这就是AlphaGo比以前的围棋软件更厉害的原因。

围棋机器人

除此之外，我们已经提到了，AlphaGo围棋机器人会自我学习，这是因为它会自己跟自己对弈，然后分析自己的棋谱，从而改变棋局评估的侧重因素，以及在某些局势下落子的概率。AlphaGo在复盘过程中，能够使某步棋的概率提高一些，从而让最开始说的那个“蒙特卡洛算法”更容易选中它，另外让棋局评估系统认识这一局面，并把它判断为“其实是一步好棋”。

说到这里，大家是否有对围棋机器人有一点了解了呢？

与人工智能下棋