AlphaGo：人类围棋驶向 2.0 时代的船票

正文

请到「今天看啥」查看全文

为什么要从单机箱改成分布式计算？这是因为在围棋对弈中时间是非常重要的因素，你用的时间比对手少，对手就可能比你提前进入读秒的紧张阶段，被迫在思考不足的前提下落子，而你却有更多时间地靠。AlphaGo 采用一种名叫蒙特卡洛树搜索的技术，不停地对下一步的棋盘、再下一步和再再下一步的棋盘可能出现的状况进行大量的计算，从而找到结果最优的下一步落子位置。而这个搜索进程需要时间，因此每一手之间给 AlphaGo 越多的时间，它能计算出越好的结果（当然，时间对结果优劣程度的帮助是递减的）。

在最早的 AlphaGo 论文中我们可以看到，从单机箱向分布式计算演进，在树形搜索进程数量在 40 不变的前提下，AlphaGo 的等级分获得了一次非常不错提升，从 2890 提升到了 3140。

但如果继续增加 CPU 核心 和 GPU 数量呢？在前面第一个图表里我们看到，搜索进程数增加到了 64，等级分继续提高到 3168： CPU 和 GPU 所用的数量暴增了 60%，等级分却只提升了 28。 显然堆 CPU 和 GPU 不是一个完美的解决方案，接下来怎么办？

在去年 3 月和李世乭的交战中，AlphaGo 首次用到了一个名叫 TPU 的东西。TPU 全名 Tensor Processing Unit（张量处理单元），专门用于机器学习训练和推理深度神经网络的处理器，非常适合 TensorFlow 开源机器学习框架。

Cloud TPU

而 AlphaGo 就是用 TensorFlow 训练出来的，跑在 TPU 上性能提升巨大，可以说跟之前基于 CPU+GPU 的分布式计算系统相比，获得了一次重大的升级。从李世乭比赛之后，AlphaGo 都迁移运行在 TPU 上了。

但这还不是 AlphaGo 的 2.0 时代，更像 1.3。

真正让 AlphaGo 升级到 2.0 的是它的学习思路变化。 在和李世乭交战之前，AlphaGo 的训练方式就是学习人类的棋谱。然而人类的对弈思路相对来说已经比较固定，在相当长的一段时间内已经没有太多充满创造力的新招式出现了，因此 DeepMind 给 AlphaGo 设定了一个新的学习方式，让它摒弃人类的思维定式自己跟自己下棋，左右互搏。

请到「今天看啥」查看全文