为什么AlphaGo难取胜？从核心技术解读围棋大战

从技术的角度分析，个人觉得，3月份AlphaGo要战胜李世石难度是比较大的。为什么呢？请看下文。

一、AlphaGo的两大核心技术

• MCTS(MonteCarloTreeSearch)

MCTS之于围棋就像Alpha-Beta搜索之于象棋，是核心的算法，而比赛时的搜索速度至关重要。就像深蓝当年战胜时，超级计算机的运算速度是制胜的关键因素之一。

MCTS的4个步骤：Selection，Expansion，Evaluation(rollout)和Backup

MCTS的并行搜索：

(1)LeafParallelisation

最简单的是LeafParallelisation，一个叶子用多个线程进行多次Simulation，完全不改变之前的算法，把原来的一次Simulation的统计量用多次来代替，这样理论上应该准确不少。但这种并行的问题是需要等待最慢的那个结束才能更新统计量；而且搜索的路径数没有增多。

(2)RootParallelisation

多个线程各自搜索各自的UCT树，最后投票

(3)TreeParallelisation

这是真正的并行搜索，用多个线程同时搜索UCT树。当然统计量的更新需要考虑多线程的问题，比如要加锁。

另外一个问题就是多个线程很可能同时走一样的路径（因为大家都选择目前看起来Promising的孩子），一种方法就是临时的修改virtualloss，比如线程1在搜索孩子a，那么就给它的Q(v)减一个很大的数，这样其它线程就不太可能选择它了。当然线程1搜索完了之后要记得改回来。

《ALock-freeMultithreadedMonte-CarloTreeSearchAlgorithm》使用了一种lock-free的算法，这种方法比加锁的方法要快很多，AlphaGo也用了这个方法。

Segal研究了为什么多机的MCTS算法很难，并且实验得出结论使用virtualloss的多线程版本能比较完美的scale到64个线程(当然这是单机一个进程的多线程程序）。AlphaGo的Rollout是用CPU集群来加速的，但是其它的三个步骤是在一台机器完成的，这个就是最大的瓶颈。

• DCNN(DeepConvolutionalNeuralNetwork)

（使用深度神经网络训练的PolicyNetwork和ValueNetwork）

神经网络训练的时间一般很长，即使用GPU，一般也是用天来计算。Google使用GPUCluster来训练，从论文中看，训练时间最长的ValueNetwork也只是用50个GPU训练了一周。

给定一个输入，用卷积神经网络来预测，基本运算是矩阵向量运算和卷积，由于神经网络大量的参数，用CPU来运算也是比较慢的。所以一般也是用GPU来加速，而AlphaGo是用GPU的cluster来加速的。

更多技术细节请参考我的文章《alphaGo对战李世石谁能赢？两万字长文深挖围棋AI技术》

1.论文送审时(2015年11月)AlphaGo的水平

论文里使用EloRating系统的水平：

a图是用分布式的AlphaGo，单机版的AlphaGo，CrazyStone等主流围棋软件进行比赛，然后使用的是EloRating的打分。

笔者认为AlphaGo的水平超过了FanHui（2p)，因此AlphaGo的水平应该达到了2p。【不过很多人认为目前Fanhui的水平可能到不了2p】

b图说明了PolicyNetworkValueNetwork和Rollout的作用，做了一些实验，去掉一些的情况下棋力的变化，结论当然是三个都很重要。

c图说明了搜索线程数以及分布式搜索对棋力的提升，这些细节我们会在下一节再讨论，包括AlphaGO的架构能不能再scalable到更多机器的集群从而提升棋力。

• AlphaGo的真实棋力

笔者这里根据一些新闻做推测。而且从文章提交Nature审稿到3月份比赛还有一段不短的时间，AlphaGo能不能还有提高也是非常关键。这里我只是推测一下在文章提交Nature时候AlphaGo的棋力。至于AlphaGo棋力能否提高，我们下一节分析实现细节时再讨论（假设整体架构不变，系统能不能通过增加机器来提高棋力）。

网上很多文章试图通过AlphaGo与fanhui的对局来估计AlphaGo的棋力，我本人围棋水平离入门都比较远，所以就不敢发表意见了。我只是搜索了一些相关的资料，主要是在弈城上一个叫DeepMind的账号的对局信息来分析的。

比如这篇《金灿佑分析deepmind棋谱认为99%与谷歌团队相关》。作者认为这个账号就是AlphaGo。如果猜测正确的话，AlphaGo当时的棋力在弈城8d-9d之间，换成我们常用的rankingsystem的话大概也就是6d-7d（业余6段到7段）的水平，如果发挥得好，最多也许能到1p的水平，战胜fanhui也有一定合理性（很多人认为fanhui目前实际水平可能已经没有2p了，那算1p的话也差不多）

知乎的这个话题AlphaGo也有很多讨论，可供参考。

二、AlphaGo到比赛前可能的提升

不同分布式版本的水平比较，使用的是Elorating标准

最强的AlphaGo使用了64个搜索线程，1920个CPU的集群和280个GPU的集群（其实也就二十多台机器）

三、AI战胜围棋大师李世石：我看悬

之前我们讨论过分布式MCTS时说过，MCTS很难在多机上并行，所以AlphaGo还是在一台机器上实现的LockFree的多线程并行，只不过Rollout和神经网络计算是在CPU和GPU集群上进行的。Google的财力肯定不只二三十台机器，所以分布式MCTS的搜索才是最大的瓶颈。如果这个能突破，把机器堆到成百上千台应该还是能提高不少棋力的。

我个人估计在3月与李世石的对弈中这个架构可能还很难有突破，可以增强的是RLPolicy的自对弈学习，不过这个提升也有限（否则不会只训练一天就停止了，估计也收敛的差不多了）。

所以，这一次，AI的胜算并没有李世石的大。
敬请持续关注小马资讯进行IT界行情分析！