陈经：Deepmind这次搞定国际象棋，只用了四个小时

【文/ 观察者网专栏作者 陈经】

2017年12月6号，Deepmind扔出了一篇论文《Mastering Chess and Shogi by Self-Play with a General Reinenforcement Learning Algorithm》，声称从AlphaGo Zero发展来的新程序AlphaZero又零基础自学，只用4个小时和2个小时就胜过了国际象棋和日本将棋的最强程序。加上之前在围棋上的进展，这其实等于是说，世界上所有知名棋类都可以用一个架构轻松碾压过去的高手，不管是人还是程序。

这篇文章正在被审核，按Deepmind过去的风格有可能还是投到《自然》去。但这回Deepmind不保密了，直接在arxiv.org公布了全文。前两篇围棋AI的文章由于投出来之后有人机大战，是需要保密。



这篇文章在围棋上，用训练34小时的AlphaZero和训练72小时的AlphaGo Zero相比，100盘60:40。这个结果并不令人吃惊，就是训练速度快了，说明新的方法有提升，其实网络架构训练方法和AlphaGo Zero的差不太多，是一些小改进。围棋界对这篇文章应该反应不大，新东西不多，早就被震惊好几次了。

AlphaZero在日本将棋上训练2小时就超过最强程序Elmo。日本将棋和中国象棋、国际象棋差不多，也是各兵种吃对方的王。但是最大的不同是吃掉对方的棋子可以变成本方的棋子，放回棋盘任意位置，这使得对局攻杀极为激烈，和局很少，变化比国际象棋要多不少。中国象棋的理论局面数量超过国际象棋，但由于大量局面类似，高手们一般认为实际变化复杂程度比国象要少。

由于日本将棋更为复杂（以及研究人员关注的少），直到2017年冠军程序Elmo才战胜了人类高手。这个Elmo应该实力还比较弱，所以最终被AlphaZero以90胜2和8负战胜了。AlphaZero还会输几局，但这是因为训练时间不长，已经能够说明问题就行了。

真正影响重大的是国际象棋。这次倒不是说AlphaZero怎么碾压了人，人类高手早就被国际象棋AI整得服气了。但是AlphaZero训练4小时就反超了，最终以28胜72和战胜了Stockfish（鳕鱼），其中先行战绩是25胜25和。这个Stockfish在国际象棋界可不是随便搞搞研发的程序，也不仅是2016年国象AI冠军这么简单，它对职业棋手和爱好者们就像是亲人朋友一样，天天在为棋界服务。在chessbomb等网站上，职业棋赛每一步Stockfish都在实时地给出各种变化，爱好者们看棋的方式和以前完全不一样了。高手们训练也非常依赖顶级AI给出的各种提示，有时就像终极答案一样。高手们通过亲身感受，对于Stockfish的实力非常认可。

由于国际象棋最优解极有可能是和棋，所以高手和爱好者一般认为，Stockfish和国际象棋上帝也差不了太多，反正就是和棋。以前两个顶级AI对打（通常是大战100盘），总有90%的是和棋。排名世界前五的美国特级大师中村光就说：就算是上帝先手和Stockfish下，也得75%是和棋。

现在AlphaZero忽然跑出来，先行能以50%的概率战胜Stockfish，这让一些国际象棋高手和爱好者们有些难以接受。我对围棋很熟，AlphaGo对围棋界的冲击可以说是天翻地覆无以伦比。现在轮到国际象棋界来感受新型AI的冲击了，看着一些国外爱好者对AlphaZero的讨论，各种置疑或者不接受，不由得一阵暗爽。

Stockfish和AlphaZero都是机器，不管谁强谁弱，和人都没啥关系，为什么国际象棋界的人要着急？这里有一些算法背景。



（图片来源：chessbase）

上图对弈者为国际象棋排名前两位的卡尔森与卡鲁亚纳，围观者左为卡斯帕罗夫，右为哈萨比斯。哈萨比斯本人是国际象棋职业选手，青少年时排名仅次于天才少女小波尔加，他的“一个框架解决一切棋类问题”的思想这次实现了。

Stockfish是机器，但是里面的算法是人们一步步看着发展过来的，程序员写了很多代码，每年都在不断升级，还有国际象棋大师出主意。棋界和计算机学界一起努力，才达到了非常高的水平，那一行行代码都开源在那，还有规模极大的开局库、残局库放在那帮着简化搜索。这都是业界的心血，那些精巧的alpha-beta搜索、剪枝算法、高效实现，各种知识库，有多少人的聪明才智在里面。业界其实对以Stockfish为代表的国际象棋AI比较满意，开发出来的程序又帮助棋手们涨棋，促进了国际象棋界的繁荣，职业棋手数量和水平都大大增加。

各种AI们自己在那对战，Stockfish前几天就正在和Komodo大战。但棋迷和高手们主要还是对人类对局有兴趣。这个局面是不错的，AI们自己玩，玩出东西来帮助人涨棋以及评化棋局，人不和AI较劲。

但是现在AlphaZero等于是说，人类之前开发AI的所谓“心血”都是没意义的白忙活。弄好一个resnet神经网络结构，把国际象棋基本规则做好了，来5000个一代TPU对局生成样本，再来64个二代TPU训练，过4小时就行了。

人类大师1000多年发掘的象棋精妙知识不需要，算法大师构造的精妙剪枝搜索不需要，也不要任何开局库残局库。就这么一个结构，还同时可以搞定围棋、日本将棋、国际象棋，区别只是训练出来的神经网络系数不同。