AlphaGo对阵李世石十周年，首尔五日细节大揭秘
2016年首尔，AlphaGo与李世石的人机大战令全世界屏息注目。在第二局中，AlphaGo落下的第37手棋，跳出了所有人类棋手的预判：现场解说员直呼“看不懂”；而李世石本人，则在整整思考了12分钟后，才艰难落子。
鲜为人知的是，AlphaGo这震惊世界的一手背后，是DeepMind掌门人哈萨比斯的坚定抉择。备战过程中，为了避免系统出现失误，研究员们建议将随机走法的可能性将至最低，哈萨比斯则力排众议：“我们研发AI，不是为了复制人类思维，而是探索未知的智能边界。”
这段持续五天的传奇对决，在哈萨比斯首部官方授权传记《哈萨比斯：谷歌AI之脑》中，得到了完整的还原。我们从书中摘录了这段精彩故事，以飨读者。
2016年1月，《自然》杂志如期发表了DeepMind关于围棋的论文，并再次让其登上封面。论文发表前一天，该杂志按照惯例，向记者们分发了这篇文章的禁刊版副本。一位记者联系Facebook寻求评论，消息很快传到了扎克伯格耳中。扎克伯格展现出了之前试图挖走DeepMind研究主管科雷·卡武克库奥卢时的竞争锋芒，在《自然》论文公开前仓促发布了一份声明，大肆宣扬Facebook远不如DeepMind亮眼的围棋项目。记者凯德·梅茨（Cade Metz）评论称，这是“一次古怪而不幸的抢先公关尝试”，也预示了不久后将正式展开的AI竞赛。
媒体对Facebook的声明不屑一顾，转而聚焦于DeepMind。在击败樊麾后，DeepMind的智能体（现已命名为AlphaGo）又首次击败了人类围棋冠军，这比专家们的预期提前了大约10年。哈萨比斯在《自然》的封面文章发布时宣布，3月AlphaGo将与韩国传奇围棋大师、18次国际锦标赛冠军李世石（Lee Sedol）对决。DeepMind还为此设立了100万美元的奖金。
哈萨比斯在选择对手时是经过深思熟虑的。他最初的想法是与日本冠军比赛，但在做决定时，日本没有选手处于顶尖行列——韩国和中国是世界上两个围棋强国。考虑到这些选择，哈萨比斯很快就选定了李世石，不仅因为他的职业成就，还因为他所体现的精神。李世石与AlphaGo的比赛，相当于加里·卡斯帕罗夫与IBM“深蓝”的对决，将让痴迷围棋的韩国人陷入更大的狂热。“李世石是民族英雄，韩国人热爱围棋，他们也热爱AI。”哈萨比斯后来表示。
比赛时间的选择也需要谨慎判断。西尔弗估计AlphaGo在3月就能准备就绪，但团队的几位成员希望能有缓冲时间。这套系统偶尔会产生“幻觉”，出现一些看似随机的走法选择。但由于来自其他AI实验室的威胁，哈萨比斯否决了这些怀疑者的意见。Facebook已经紧追不舍，而《自然》的封面文章已经揭示了AlphaGo的工作原理，详细说明了策略网络、价值网络和蒙特卡洛树搜索的组合模式。中国互联网巨头考虑到围棋在本国备受推崇，也会抓住这篇《自然》论文的机会迎头赶上。
DeepMind母公司的支持最终促成了全速推进的决定。2015年底，黄士杰和他的同事们开始在一种新型硬件上运行AlphaGo——一种取代英伟达（Nvidia）GPU的谷歌自研专用芯片。这种名为“张量处理单元”（TPU）的芯片比GPU运算速度更快，通过将数字四舍五入到最近的整数并牺牲少量精度，它可以额外执行数万亿次乘法运算。当黄士杰测试谷歌的新芯片时，又一个令人惊叹的时刻出现了，配备TPU的AlphaGo对阵配备GPU的AlphaGo，胜率超过80%。此时已加入DeepMind团队的樊麾表示，经过升级的AlphaGo有着不同的棋风，它的走法极富创造性，甚至可以说是精妙的。
赴韩国参赛的几周前，谷歌董事长埃里克·施密特（Eric Schmidt）前往伦敦拜访哈萨比斯。如果DeepMind要举办一场类似“深蓝”对阵卡斯帕罗夫的盛事，施密特希望能确保胜利。“进展如何？”他问哈萨比斯。
“各项指标看起来都不错，但我们仍然有些担忧。”哈萨比斯回答。“很好，别搞砸了。”施密特半开玩笑地说。
2016年3月，哈萨比斯、西尔弗和团队如期抵达首尔。埃里克·施密特从加利福尼亚飞来，谷歌TPU芯片的幕后功臣杰夫·迪恩也一同前来。联合创始人、围棋爱好者谢尔盖·布林三天后也加入了他们的行列。这场赛事的盛大程度让访客们感到意外，街上有大批媒体记者和巨大的屏幕，让路人也能一睹这场比赛的盛况。超过2亿人观看了这场人机对决，观众人数是“深蓝”击败卡斯帕罗夫时的两倍多，甚至超过了超级碗的观众人数。
西尔弗感到有些胆怯。“我低估了这件事的影响，差了两个数量级。”他用专业术语说道，以此来形容自己内心的不安。
李世石显得信心满满。他研究了《自然》杂志上发表的智能体与樊麾比赛的每一步棋着，预测自己会以5∶0或4∶1获胜，因为他比樊麾强得多。大多数围棋职业选手也认同这一观点——击败DeepMind将是一位顶级专业棋手能遇到的最轻松的收入百万美元的机会。“我将尽全力捍卫人类智能的尊严。”李世石郑重地承诺。
3月9日比赛当天，在一间简陋的房间里，黄士杰坐在黑色皮椅上，面前放着围棋棋盘。他的左侧是电脑屏幕，上面显示着AlphaGo的行棋，这些选择由太平洋彼岸的服务器生成。对面坐着李世石，他的走法则由肾上腺素和咖啡驱动。
第一场比赛开始几分钟后，人类选手就陷入了困境。李世石走出了常规的第三步棋，并立即挑起一次冲突，试图迷惑AlphaGo，他故意采用那些不在计算机训练数据中的策略。但AlphaGo似乎不为所动。李世石低估了自10月与樊麾比赛以来，这台系统可能取得的进步。
李世石的表情时而震惊，时而觉得好笑，时而无奈接受。他靠在椅子上笑了笑，按摩着自己的脖子。他通过研究与樊麾的比赛所做出的所有预期，都被证明是毫无意义的。这套系统当时还有可能被击败，但在5个月后就会变得不可战胜。
最终，李世石认输了。“我没有预料到AlphaGo会以如此完美的方式下棋。”他在赛后新闻发布会上承认。
在第二天进行第二场比赛时，李世石尝试了不同的策略。他小心翼翼地落子，等待AlphaGo出错。走了36步后，他起身抽烟休息，然后回来研究局势。
在他离开期间，AlphaGo下出了第37步棋：一颗黑子落在了一片几乎空旷的区域，突袭李世石的右侧。
李世石花了整整12分钟才作出回应。他从未见过这样的走法。在不远处的另一个房间里，世界排名顶尖的西方围棋选手迈克尔·雷德蒙德（Michael Redmond）正在通过视频观看比赛，并向全球观众进行直播。他也感到困惑不已。看到AlphaGo选择的走法后，他在自己面前的棋盘上相应位置放了一颗黑子，然后又把它拿了起来。“不，这不可能是正确的。”他喃喃自语。
但这恰是正确的。雷德蒙德再次查看屏幕后，把棋子放回了那个奇怪的位置，试图弄明白其中的道理。“我真的不知道这步棋是好是坏。”他向观看直播的观众承认。
事实证明，这是一步绝妙的好棋。在100多步后的比赛结束时，第37步棋被证明是决定性的。“当我看到这步棋时……我认为AlphaGo肯定是有创造力的。”李世石在赛后的新闻发布会上说。“我真的无话可说。”他补充道。
第三天是休息日。DeepMind的科学家们在城里散步，品尝了韩国烤肉。每家报纸都在报道AlphaGo。一位年轻女子在街上见到了哈萨比斯，立刻认出他来。她作晕倒状，仿佛哈萨比斯是一位流行偶像。
“这种事经常发生。”哈萨比斯向身边的一位记者说。当然，对世界各地的AI研究人员来说，一切都变了。AlphaGo的出现，终结了AI领域默默无闻、谦逊低调的纯真时代。
第二天，AI第三次击败了李世石。这位韩国选手展现出了职业生涯中最精彩的一些围棋技艺，但AlphaGo的表现仍更胜一筹。在当天的新闻发布会上，面对一排排闪烁的摄像机，李世石向所有人类道歉。和之前的樊麾一样，他一开始充满信心，但很快就认清了现实。“我感到有点无能为力。”他承认。
面对机器的超级智能，人类应该怎么做？一种可能的回应是“打不过就加入”。在0∶5失利后，樊麾加入了DeepMind，甚至表示失败让他看到了人生的无限可能。“我发现这个世界比我想象的大得多，我真的很喜欢这种感觉。”他惊叹道。这是一种美好的谦逊情感，但掩盖了人类失利的现实。当然，机器超级智能拓展了可能性，但它也以最令人不安的方式威胁着人类，意味着有一天，人类的直觉和想法将不再重要。
对超级智能的另一种回应是继续与之抗争。在韩国的第四场比赛中，李世石出人意料地击败了AlphaGo。凭借第78步棋——这步精妙绝伦的走法后来被称为“神之一手”，李世石使出了一个独特、大胆的策略，让计算机陷入了被动。AlphaGo的算法陷入了类似人类绝境的状态，开始走出毫无章法的棋步，产生幻觉、自损棋势，表现出一种“类似人类的慌乱”，最终认输。
李世石庆祝了这场胜利，称自己感受到了无上的温暖，这意味着人类尚未被征服。棋迷们高呼他的名字，佛罗里达州的一位计算机程序员甚至把第37步棋和第78步棋的棋形文在了手臂上。然而，这种与计算机抗争、庆祝它失败的态度，似乎和樊麾认输的回应一样显得苍白无力。3年后，当围棋系统变得空前强大时，李世石黯然宣布退役，称自己再也无法从下棋中感受到快乐。
DeepMind的团队自己也不确定如何看待AlphaGo的胜利。AlphaGo是人类创造的，它并非来自某种外星力量，而是人类行动力和好奇心的体现。但DeepMind的团队也能共情李世石的绝望。“我无法庆祝。”哈萨比斯回忆起李世石1∶4失利时的情景，他知道那种激烈竞争后失利的滋味。
几年后，我问托雷·格雷佩尔，当机器超越人类时，他有什么感受。
“我们初代围棋系统的棋路尚与人类相似，它能摸索出人类几千年来总结出的诸多策略，这让我们感到非常开心，”格雷佩尔告诉我，“后来它发现，人类某些由来已久的策略实际上是可以反制的，于是就放弃了这些策略。”
“再后来，随着系统变得越来越强大，它的下法变成了我们前所未见的模样，形成了一种完全陌生的风格。它落下的棋子，看起来就像随机散布在棋盘上。但随着比赛的推进，走了30步、50步、100步后，你会发现所有这些棋子都被联系在了一起……”
“就像绞索渐渐勒紧脖颈？”我有些紧张地问道。
“没错，”格雷佩尔点了点头，“就是这样！堪称魔法。”当然，这并不是魔法，而是算法的先见之明。只是在低等智能看来，它才像魔法。
“这就是我们必须想象的未来。在围棋领域，我们已经实现了超级智能，我们可以体验与它互动的感受。一开始，它看起来毫无威胁。然后它的用途完全占据了主导地位。我们不理解它的运作机制、战术和策略，我们只知道，控制权在它手中......”
本文来自微信公众号“红杉汇”（ID：Sequoiacap），作者：洪衫，36氪经授权发布。
