這幾日，只要提起AlphaGo,，相信大家想起的一定是在前幾日的圍棋大賽中,，無論是單人戰(zhàn)，雙人戰(zhàn)，還是群毆戰(zhàn),，AlphaGo都無一例外的身居“常勝將軍”位,，而AlphaGo的創(chuàng)作團(tuán)隊(duì)公司Deep mind在官網(wǎng)宣布這次的圍棋峰會將是AlphaGo的最后一次比賽。那么,，不進(jìn)行圍棋賽的AlphaGo還可以做什么呢,？OpenAI研究科學(xué)家，斯坦福大學(xué)的CS博士生Andrej Karpathy就AlphaGo在機(jī)器人領(lǐng)域的應(yīng)用發(fā)表了一些他的看法,，機(jī)器人圈整理編譯如下：

我有機(jī)會和幾個(gè)人聊了一聊近期與AlphaGo柯潔等人的比賽,。尤其是，媒體報(bào)道內(nèi)容大部分是大眾科學(xué)+PR的混合體,，所以我看到的最常見的問題是“AlphaGo的突破性表現(xiàn)在哪里”,，“AI的研究人員如何看待它的勝利？”和“勝利將取得什么樣的影響”,。我把我的一些想法寫成文章與大家分享,。

很酷的部分

AlphaGo由許多相對標(biāo)準(zhǔn)的技術(shù)組成：行為克隆（對人類展示的數(shù)據(jù)進(jìn)行監(jiān)督學(xué)習(xí)）,、強(qiáng)化學(xué)習(xí)（REINFORCE）,、價(jià)值函數(shù)和蒙特卡洛樹搜索（MCTS）。然而,，這些組件的組合方式是極具創(chuàng)新,，并不是完全標(biāo)準(zhǔn)的。特別是,，AlphaGo使用SL（監(jiān)督學(xué)習(xí)）策略來初始化RL（強(qiáng)化學(xué)習(xí)）策略得到完善自我發(fā)揮,，然后他們預(yù)估價(jià)值函數(shù)，然后將其插入到MCTS中使用（更糟糕但更多樣化的）SL策略展示出來,。另外,，策略/價(jià)值網(wǎng)是深度神經(jīng)網(wǎng)絡(luò)，所以使一切正常工作都能呈現(xiàn)自己獨(dú)特的挑戰(zhàn)（例如,，價(jià)值功能以一種棘手的方式進(jìn)行培訓(xùn)以防止過度擬合）,。在所有這些方面，DeepMind都執(zhí)行得很好,。話雖如此,，AlphaGo本身并沒有使用任何基本的算法突破來解決強(qiáng)化學(xué)習(xí)的難題。

狹義范疇

AlphaGo還是一個(gè)狹義的AI系統(tǒng),，會下圍棋,，但也僅此而已。來自DeepMind的ATARI玩家不會使用AlphaGo所采取的方法,，神經(jīng)圖靈機(jī)（Neural Turing Machines）與AlphaGo無關(guān),，Google數(shù)據(jù)中心的改進(jìn)也絕對不會使用AlphaGo,，同時(shí)，Google搜索引擎也不會使用AlphaGo,。因此,，AlphaGo不會推廣到圍棋以外的任何地方，但是人們和潛在的神經(jīng)網(wǎng)絡(luò)組件做的比這些過去的人工智能要好得多,，每個(gè)演示都需要專門的顯式代碼的存儲庫,。

圍棋的便利屬性

我想通過明確地列出圍棋所具有的特定屬性來擴(kuò)展AlphaGo的狹義性，AlphaGo從中受益匪淺,。這可以幫助我們考慮是否推廣AlphaGo,。圍棋是：

1、完全確定性,。游戲規(guī)則中沒有噪音;如果兩位玩家采取相同的動(dòng)作順序,，那么后面的狀態(tài)將永遠(yuǎn)是一樣的。

2,、充分觀察,。每個(gè)玩家都有完整的信息，沒有隱藏的變量,。例如,，德州撲克（Texas hold’em）對該屬性不滿意，因?yàn)榭床坏狡渌婕业呐啤?/p>

3,、動(dòng)作空間是離散的,。一些獨(dú)特的棋子移動(dòng)是很有效的。相比之下,，在機(jī)器人技術(shù)中,，你可能希望在每個(gè)節(jié)點(diǎn)都需要具有連續(xù)性的控制。

4,、我們有一個(gè)完美的模擬器（游戲本身）,，所以任何動(dòng)作的效果都是公開透明的。這是一個(gè)強(qiáng)有力的假設(shè),，AlphaGo依然非常強(qiáng)大,，但這種情形在現(xiàn)實(shí)世界中也是相當(dāng)罕見的。

5,、每一盤棋時(shí)間相對較短,，約200手,。相對于強(qiáng)化學(xué)習(xí)階段,，與其他可能涉及每局的數(shù)千（或更多）手相比，這是一個(gè)相對較短的時(shí)間范圍,。

6,、評估清晰,、快速，允許大量的試錯(cuò)體驗(yàn),。換句話說,，玩家可以體驗(yàn)數(shù)百萬次的勝利/失敗，這樣就可以慢慢而可靠地深入學(xué)習(xí),，就像深度神經(jīng)網(wǎng)絡(luò)優(yōu)化一樣,。

7、有大量的人類玩游戲棋譜數(shù)據(jù)可用于引導(dǎo)學(xué)習(xí),，所以AlphaGo不必從頭開始,。

AlphaGo應(yīng)用于機(jī)器人技術(shù)？

以上列舉了圍棋的一些吸引人的屬性,，讓我們來看一下機(jī)器人問題,，看看我們?nèi)绾螌lphaGo應(yīng)用到機(jī)器人中，例如亞馬遜揀選機(jī)器人中,。這個(gè)問題只是想想就覺得有點(diǎn)滑稽,。

·首先，你的動(dòng)作（高維度,、連續(xù)）由機(jī)器人的電機(jī)笨拙/嘈雜地執(zhí)行,。（違反1、3）

·機(jī)器人可能必須環(huán)顧要移動(dòng)的物品,，因此并不總是能感知所有相關(guān)信息,，并且有時(shí)需要根據(jù)需要收集。（違反2）

·我們可能有一個(gè)物理模擬器,，但是這些模擬器是非常不完美的（尤其是模擬接觸力的東西）;這帶來了自己的一些挑戰(zhàn)（違反4）,。

·取決于你的行動(dòng)空間抽象程度（原始扭矩 - >夾子的位置），一個(gè)成功的動(dòng)作片段可能比200個(gè)動(dòng)作長得多（即5取決于設(shè)置）,。更長的動(dòng)作片段增加了信用分配問題,，學(xué)習(xí)算法難以在任何結(jié)果的行動(dòng)中分配責(zé)任。

·由于我們在現(xiàn)實(shí)世界中運(yùn)作,，機(jī)器人在數(shù)百萬次的時(shí)間內(nèi)（成功/失?。兊酶永щy。方法之一是并聯(lián)機(jī)器人,，但這可能非常昂貴,。此外，機(jī)器人失敗可能涉及機(jī)器人本身的損害,。另一種方法是使用模擬器,，然后轉(zhuǎn)移到現(xiàn)實(shí)世界中，但這會在域名轉(zhuǎn)移中帶來自己的一套新的,、不平凡的挑戰(zhàn),。（違反6）

·最后,，很少有數(shù)百萬可以展示的人類數(shù)據(jù)源。（違反7）

簡而言之,，基本上每個(gè)單一的假設(shè),，即圍棋的便利屬性都被AlphaGo違背了，任何成功的方法都將看起來都不一樣了,。更普遍的是,，上面圍棋的一些屬性與當(dāng)前的算法（例如1、2,、3）并不是不可克服的,，有些是存在問題（5、7）,，但是有些對于AlphaGo的訓(xùn)練是非常關(guān)鍵的,，但是很少存在于其他真實(shí)世界的應(yīng)用（4、6）,。

結(jié)論

雖然AlphaGo并沒有在AI算法中并沒有實(shí)現(xiàn)根本性的突破,，雖然它仍然是狹隘人工智能的一個(gè)例子，但AlphaGo也象征著Alphabet的AI能力：公司的人才數(shù)量/質(zhì)量,、他們掌握的計(jì)算資源,，以及公司高層對AI的關(guān)注。

AlphaGo是Alphabet在人工智能領(lǐng)域設(shè)置的一場賭局,，但AlphaGo是安全的,，毋庸置疑。