下一代 AlphaGo，裸考也能拿满分-技术圈

热点追踪 / 深度探讨 / 实地探访 / 商务合作

Google 母公司 Alphabet 旗下的 DeepMind，在这一个月里大动作频出。

先是在月初推出了蛋白质结构预测 AI——AlphaFold 2，这个 AI 在 CASP 竞赛中拔得头筹，解决了困扰了学界 50 年的难题：生物学家安德烈·卢帕斯（Andrei Lupas ）本人花了十年时间，用尽各种实验方法也没能弄清楚一种蛋白质折叠后的形状，但借助 AlphaFold 2 后，他在半个小时内就得到了答案。

如果说 AlphaGo 确立了 AI 的「围棋霸权」，那懂得自己思考的 MuZero，可能会在更多领域确立「霸权」。

接着，在月底，DeepMind 在《自然》杂志上发布论文介绍「进阶版 AlphaGo」——MuZero。简单来说，MuZero 更「通用」了，它精通国际象棋、围棋、将棋，还能在数十款 Atari 游戏上全面超越过去的 AI 算法和人类。但更具革命意义的是，MuZero 不像它的前辈们，它在下棋和游戏前完全不知道游戏规则，完全是通过自己的试验和摸索，洞悉棋局和游戏的规则，形成自己的决策。换句话说，AI 会自己「动脑子」了。

MuZero 就像是 Netflix 热剧《女王的棋局》里的贝丝·哈蒙，在完全不知国际象棋规则的情况下，凭借几次观察就把棋盘「画」在自己的心里，并通过不断复盘棋局强化自己的直觉，最终所向披靡。

不知道规则，怎么赢棋？

2016 年，AlphaGo 横空出世，以 4:1 击败韩国顶级棋手李世乭，并在 2017 年的乌镇围棋峰会上击败了世界第一棋手柯洁。中国围棋协会甚至当即授予 AlphaGo 职业围棋九段的称号。

AlphaGo 依赖的还是 DeepMind 输入的专家棋法数据集，然后它的继任者 AlphaGo Zero 开始摆脱对「人类数据」的依赖，开始通过多次自我对弈积累所需数据。2018 年底问世的 AlphaZero 更是在前两者的基础上迭代，除了围棋，它还学会了将棋和国际象棋。让人叹为观止的是，从第一次见到棋盘，到成为世界级棋类大师，AlphaZero 只用了 24 小时。

「但你不能像下棋一样，只顾着往前看。你必须学习这个世界如何运作。」DeepMind 的首席研究科学家大卫·西尔弗（David Silver）告诉《连线》，按照这个思路，他们决定不提前告诉 AI 该怎么赢了，「这是我们第一次打造这种系统」。

上面提到的「Alpha」家族，最早需要「人类数据」、「领域知识」和「游戏规则」，至少也还需依赖「游戏规则」。而刚面世的 MuZero 则没有这些知识储备，就像是下棋被蒙着眼，玩游戏背着手。

「Alpha」家族至少也还需依赖「游戏规则」，而刚面世的 MuZero 则没有任何知识储备，

来源于DeepMind

既然 MuZero 连怎么赢棋都不知道，那它又是如何学习世界运作原理的呢？先以 AlphaZero 为例，由于它已经知晓棋局的规则，所以它知道一个动作后的下一个棋步是什么样的，运用深度学习中的「蒙特卡洛树搜索」（MCTS）就能评估不同的下棋可能性，并从中选出最优的动作。在这个过程中，AlphaZero 只需要利用「预测网络」这一神经网络。

而 MuZero 不知道现有的规则，那么只能从零开始构建一个内部模型，形成自己对棋局的理解。

首先，MuZero 会利用「表征网络」将自己观察到的棋步收集起来，转化为专属于自己的知识；

接着，利用「预测网络」形成策略（即最好的「下一步」是什么），判断价值（即当前决策「有多好」）；

最后，借助「动态网络」判断「上一步有多好」，回收此前做出的最佳棋步，不断完善自己的内部模型。

也就是说，MuZero 并没有具体的「行事准则」，它就像是一个小孩，在有了一定思考能力的基础上，正在不断完善自己的行事准则。在此之前，「AlphaGo」虽能轻松击败人类，但也只限于围棋等专精领域，却无法「触类旁通」，每遇到新的游戏都需要更改框架，重新学习。而掌握了「思考方式」的 MuZero 显然能做得更多了，也就是，更通用了。

「知道雨伞能让人不被淋湿，比能对雨滴建模更有用。」DeepMind 用这句话表示，对 AI 来说，它们会的本领看起来越笨，越有实际意义。

图来源于原文

在游戏方面，以研究 AI 打扑克出名的 FAIR 研究科学家诺姆·布朗（Noam Brown）这样评价 MuZero：「当前人们对游戏 AI 的主要批评是模型不能对现实世界中相互作用进行准确建模。MuZero 优雅而令人信服地克服了这个问题（适用于完美信息游戏）。我认为，这是可以与 AlphaGo 和 AlphaZero 相提并论的重大突破！」

这个会思考的 AI，能做什么？

DeepMind 研究表示，MuZero 在不具备任何底层动态知识的情况下，通过结合 MCTS 和学得的模型，在各种棋类种的精确规划任务中可以匹敌 AlphaZero，甚至超过了提前得知规则的围棋版 AlphaZero。

在实验中，只要为 MuZero 延长每次行为的时间，它的表现就会变得更好。随着将每次行动的时间从十分之一秒增加到 50 秒，MuZero 的能力会增加 1000 Elo（衡量玩家的相对技能），这基本相当于熟练的业余玩家和最强的职业玩家之间的区别。

开始自我思考的 MuZero 就像人一样。现实世界混沌、复杂，人们也没有具体的行事手册，只能摸着石头过河，慢慢形成自己的规划能力，进而制定下一步该怎么做的策略。

那么，MuZero 能做什么？

《连线》记者提到了在生化界做了件「大实事」的蛋白质结构预测 AI，接着问起了 MuZero 的实用价值。西尔弗表示，MuZero 已经投入实际使用，用于寻找一种新的视频编码方式，从而完成视频压缩。考虑到大量不同的视频格式和众多的压缩模式，能节省 5% 的比特已经是极具挑战的任务。「互联网上的数据大部分是视频，那么如果可以更有效地压缩视频，则可以节省大量资金。」由于 Google 拥有世界上最大的视频共享平台 YouTube，因此他们很可能将 MuZero 其应用到该平台上。

大卫·西尔弗（David Silver ）对它的造物有足够的自信，图来源于《连线》杂志（WIRED）

西尔弗想得更远，「一个真正强大的系统，它能看到所有你看到的东西，它有和你一样的感官，它能够帮助你实现目标。另外一个变革性的，从长远来看，（MuZero 的『强化学习』思路）是可以提供个性化的医疗解决方案的东西。有一些隐私和伦理问题必须解决，但它会有巨大的价值，它会改变医学的面貌和人们的生活质量。」

目前，「Alpha 家族」这种规划算法也已经在物流、化学合成等诸多现实世界领域中产生影响。然而，这些规划算法都依赖于环境的动态变化，如游戏规则或精确的模拟器，导致它们在机器人学、工业控制、智能助理等领域中的应用受到限制。

而不再「循规蹈矩」的 MuZero，先摸索规则、建立内部模型再精通的思路，显然具有更强的可塑性。会自己思考的 AI，离通用 AI 会更近一些。

「我不想给它设定一个时间尺度，但我想说，人类能实现的一切，我最终认为机器都能实现。大脑完成的只是一个计算过程，我不认为那里有什么神奇的东西。」西尔弗对它的造物有足够的自信。

如果说 AlphaGo 确立了 AI 的「围棋霸权」，那懂得自己思考的 MuZero，可能会在更多领域确立「霸权」。