This is Game Changer, this is real AI

《Game Changer》是一本关于国际象棋目前最强的引擎AlphaZero的书。

根据推算，AlphaZero的等级分在3480分左右；而目前的国际象棋男子世界冠军马格努斯·卡尔森（Magnus Carlsen）的等级分也不过在2860分上下。也就是说，AlphaZero可以轻松吊打卡尔森。

这本书目前国内还没法买到，也没有翻译。好朋友Vera帮我下单并顺便买单，她实在是一个好人！

我曾试着和出版社联系，但他们听到这是一本关于国际象棋的书后，就表示很难出版——毕竟说来，虽然人工智能这个话题很热门，但国际象棋这个话题太冷门了。

我国际象棋水平不高，但是很喜欢下。它能运动的子力以及子力的运动范围和作用都比中国象棋大了很多，所以其变化也就更加多样。

国际象棋的AI（或者说人机大战）出现得很早。我们都熟知深蓝和卡斯帕罗夫的对战。自此之后，其实国际象棋引擎已经树立了全面超越人类棋手的地位：顶尖的人类棋手已经无法打败一个顶尖的国际象棋引擎。

那么，既然如此，DeepMind的各位老兄为什么还要钻到国际象棋引擎里来？

我们必须知道一点，在AlphaZero出现之前，所有的顶级国际象棋引擎（乃至包括围棋引擎）都有一个共同点：有关该领域的人类知识的基础。

比如说，国际象棋引擎会被人教导说：开局一般不要重复走一个子（特别是大子）、叠兵一般是不好的、能易位就要尽量易位、双象一般比双马或者马象的结合要好等等……然后，也会被人教导说：后值9分，车是5分，马象是3分，兵是1分……；还有诸如开放线、通路兵之类的“价值”；甚至还有开局手册、终局指南等等。围棋引擎也是如此。

但是：

1. AlphaZero的学习不依靠任何与该领域（国际象棋）相关的或者人类的知识。
2. AlphaZero对局面的判定是或然性的（基于它认为赢或者平的机会多大）而不是以领先多少兵来判定——而这是当时所有引擎的判定方式。
3. AlphaZero搜索它认为最有前途的走法，它的评估是多个可能序列的平均而不是试图找到单一的最佳路线。
4. AlphaZero的评估函数结构非常灵活并允许它考虑位置因素的组合。

这是和所有引擎都不同的地方。

AlphaZero横空出世，在经过4个小时的训练后，DeepMind认为它已经超过了当时最强的引擎Stockfish 8的等级分，在训练了9个小时后，它和Stockfish 进行了100盘的对战，最终取得了压倒性的胜利：28胜，72平，0负。这100盘棋的棋谱得以公开，也正是本书分析的重点。

作者通过分析这100局对战，总结出了很多AlphaZero的“风格”，比如：它倾向于瞄准对方的王；让自己的王安全；在削弱自己的王翼结构以打开进攻路线前，它会确保中心局势稳定等等等等。这些都是所谓的“后知”分析，是人类根据AlphaZero的下法得出的结论，并不是说AlphaZero“知道”这样下比较好——它根本不知道。它只知道如此这般的下法可以让自己有更多的赢棋机会。

如今的国际象棋高手都已经习惯于通过某个引擎甚至多个引擎来帮助自己提高。AlphaZero的一些下法完全颠覆了人类多年来的固有下法和定式。这对国际象棋本身的发展是具有革命性意义的。棋手通过向“机器”学习，拓展自己的思路和对国际象棋的理解。国际象棋界甚至专门创造了一个术语“Engine Move”来特指那些几乎无法由人类棋手想到、但顶级引擎一定能想到的“神之一手”。

DeepMind很有野心，他们是想将AlphaZero做成一个通用的引擎，可以用来下国际象棋（西方主流）、围棋（中国主流）以及将棋（日本主流）。不过，AlphaZero也有局限：它只能进行目标明确、双方对弈、信息全对称的游戏，而如炉石、星际争霸之类的信息非对称游戏下，它就无能为力了。

这才是AI的正确的发展姿势。

DeepMind公司并没有停步，就在今天我看到一条爆炸性新闻：他们公司的AlphaFold 2在所谓的CASP14蛋白质折叠竞赛中，拿到了接近90分的高分。

这才是AI的正确的发展姿势。

确定蛋白质的空间结构到底有多大的意义，我就不说了。有兴趣的可以自行搜索。

我总是忍不住地想，只要人类中还有这样的科学家，人类发展的前景就将是美妙的。