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)作團隊公司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，不進行圍棋賽的AlphaGo還可以做什么呢？OpenAI研究科學家，斯坦福大學的CS博士生Andrej Karpathy就AlphaGo在機器人領域的應用發(fā)表了一些他的看法，機器人圈整理編譯如下：

我有機會和幾個人聊了一聊近期與AlphaGo柯潔等人的比賽。尤其是，媒體報道內(nèi)容大部分是大眾科學+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由許多相對標準的技術(shù)組成：行為克?。▽θ祟愓故镜臄?shù)據(jù)進行監(jiān)督學習）、強化學習（REINFORCE）、價值函數(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，并不是完全標準的。特別是，AlphaGo使用SL（監(jiān)督學習）策略來初始化RL（強化學習）策略得到完善自我發(fā)揮，然后他們預估價值函數(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/價值網(wǎng)是深度神經(jīng)網(wǎng)絡，所以使一切正常工作都能呈現(xiàn)自己獨特的挑戰(zhàn)（例如，價值功能以一種棘手的方式進行培訓以防止過度擬合）。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化學習的難題。

狹義范疇

AlphaGo還是一個狹義的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（Neural Turing Machines）與AlphaGo無關，Google數(shù)據(jù)中心的改進也絕對不會使用AlphaGo，同時，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)絡組件做的比這些過去的人工智能要好得多，每個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作順序，那么后面的狀態(tài)將永遠是一樣的。

2、充分觀察。每個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，因為看不到其他玩家的牌。

3、動作空間是離散的。一些獨特的棋子移動是很有效的。相比之下，在機器人技術(shù)中，你可能希望在每個節(jié)點都需要具有連續(xù)性的控制。

4、我們有一個完美的模擬器（游戲本身），所以任何動作的效果都是公開透明的。這是一個強有力的假設，AlphaGo依然非常強大，但這種情形在現(xiàn)實世界中也是相當罕見的。

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

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

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

AlphaGo應用于機器人技術(shù)？

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

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

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

·我們可能有一個物理模擬器，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）。

·取決于你的行動空間抽象程度（原始扭矩 - >夾子的位置），一個成功的動作片段可能比200個動作長得多（即5取決于設置）。更長的動作片段增加了信用分配問題，學習算法難以在任何結(jié)果的行動中分配責任。

·由于我們在現(xiàn)實世界中運作，機器人在數(shù)百萬次的時間內(nèi)（成功/失?。兊酶永щy。方法之一是并聯(lián)機器人，但這可能非常昂貴。此外，機器人失敗可能涉及機器人本身的損害。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，基本上每個單一的假設，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的訓練是非常關鍵的，但是很少存在于其他真實世界的應用（4、6）。

結(jié)論

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

AlphaGo是Alphabet在人工智能領域設置的一場賭局，但AlphaGo是安全的，毋庸置疑。