演讲全文>>
我今天带来的主题是AlphaGo Zero真的“无师自通”吗？
2016年发表在《Nature》这个最高级别的学术杂志上的文章，报道了AlphaGo的第一版，这一版是与人类选手一起比赛，最后获胜，对手是樊麾，AlphaGo Fan是它的第一个版本，紧接着是与李世石以四比一获胜的AlphaGo Lee这个版本。之后又在2017年初在网上有一个快棋赛的版本，这个版本以60盘棋完胜中日韩的所有顶尖高手，这就是AlphaGo Master，或者叫AlphaGo大师。Master版本微调以后，在2017年的5月在乌镇与柯洁对阵，以三比零战胜了柯洁。最后AlphaGo又有一次突破性的进展，那就是AlphaGo Zero，根本不学习人类的棋谱，根据围棋的规则，自己生成棋局，然后左右互搏最后形成棋力，之后进行了与前一辈，也就是AlphaGo Master对阵，完胜AlphaGo Master。
AlphaGo的版本当中，AlphaGo Zero和以前的版本相比，它最大的两个不同是什么呢？AlphaGo Zero不再输入以前的人类的棋手所用的棋盘特征，而是用棋子的位置直接输入来做。第二点，初始训练的时候不用棋盘，只需要知道结构和下棋的规则是什么。
电脑下棋，当前棋面之下确定下一步棋怎么走，关于棋盘的特征，人类总结很多概念和术语。这里面包括打吃、被打吃等，这是人类总结的经验。
学习人类的特征，从人类的棋局里面学习，当前这一步下一步有可能的步骤罗列出来，之后一步步往下推，把所有的可能列出来，之后去看什么时候在下一步的时候往下推，有多少次是赢的，有多少次是输的，赢的次数最多的做下一步，这种方法实际上需要降低它搜索的广度和深度，才有可能在很短的时间对奕，否则传统走势走不出来。
需要学习棋谱当中的特征，深度学习技术是一种特征学习技术，它构造了两个网络，一种是策略网络，一种是价值网络，策略网络，当前情况下下一步怎么做，价值网络就是棋势之下，下这一步棋价值多大。
深度学习是目前人工智能神经网络工具，真正AlphaGo Zero里面实际上卷积神经网络，它用了13层卷积神经网络做，下一步棋怎么下，给出落子选择器，要通过概率计算，这就是需要有一个策略网络，就是把下一步棋当中所有可能赢棋多的步骤选出来作为下一步。
在这个过程当中，走下一步哪一个更有价值，哪一个是臭棋，哪一个好一点的，哪一个是普通的，在原来棋谱当中选择下一步怎么走的办法。有一个方式，蒙特卡洛方法，从一筐苹果里挑出一个最大的，先拿起一个再拿起一个，哪个大就留下，小的就扔掉，然后再比，大的留下，小的扔掉。采样的次数越来越多，这样就达到最优解。
AlphaGo 胜了很多顶尖棋手，关键技术是蒙特卡洛树搜索技术，深度学习技术，还有增强学习技术，自身相互左右互搏，增强棋力。
AlphaGo Zero的突破，首先，输入变成了棋子的位置，第二，不再用人类的棋谱训练，而是基于围棋规则生成很多样例，然后做强化学习。
AlphaGo Zero按照它们披露出来的资料，实际上它很重要的方面，讲了一个，根本不需要人类的知识就搞定危机，这是它们所讲的，很有广告色彩的口号，但是事实上蒙特卡洛方法是人创造的方法，这是人的知识。
它完整的表述，除了纯粹的强化学习之外，还有基本的围棋规则，没有任何给定的人类知识。棋盘的规则结构不是知识吗？这是千年以来至少几百年以来总结出来的，原来的围棋结构和现在不一样。实际上，AlphaGo 所做的这件事情实际是冷启动、无实例、无样本的，初始的无实例并不意味着没有实例，没样本，因为人类总结的规则已经能够保证获得几乎所有的棋局，所有棋谱都可以概括，只要你有时间，因此AlphaGo Zero属于机器生成的大数据人工智能，我本人搞大数据挖掘技术。
它们到底起什么作用呢？期盼的结构，已经决定了明确的最终目标是什么，确定的学习方法，我们有强化学习方法，是人想出来的，有的是来自棋谱，有的是规则生成的实例。
算法上有强化学习，蒙特卡洛这些算法基础，计算上有分布式并行计算。因此我们说AlphaGo 不是无师自通，特别是AlphaGo Zero也不是无师自通，因为AlphaGo 不以人类的棋谱为学习的知识，但是自己生成了知识。所有的规则人和机器要遵守，机器不能自主改变规则，而人可以，这就是人下棋和机器下棋的不同，所以AlphaGo Zero不是无师自通的。
谢谢大家。
