AlphaZero黑箱终于被打开！登顶5年后，人类揭开它学会下棋的奥秘_风闻

　　詹士 发自 凹非寺

　　量子位 | 公众号 QbitAI

　　AI如何学到知识的？科学家敲开了它的脑壳看了看。

　　这两天，DeepMind及谷歌大脑一篇文章被《美国国家科学院院刊》(PNAS)收录，其内容正是以5年前发布的AlphaZero为例，研究神经网络如何获取并理解国际象棋知识。

　　在内容中，研究者重点关注了「神经网络是如何学习的」「知识又如何被量化表示」等问题。

　　有意思的是，他们发现：

　　在没有人类对弈指导下，AlphaZero仍形成了一套类似专业棋手才懂的概念体系。研究者还进一步探寻了这些概念何时何处形成。

　　此外，他们还对比了AlphaZero与人类开局棋风的不同。

　　有网友感慨，这是个影响深远的工作：

　　也有人感慨，AlphaZero能计算任何人类行为特征了？！

　　欲知更多观察结果，往下看。

　　掀起了神经网络的头盖骨

　　AlphaZero于2017年由DeepMind发布并一鸣惊人。

　　这是一种神经网络驱动的强化学习器，专精于棋类，内部包含了残差网络（ResNet）骨干网及分离的策略及价值heads。

　　其输出函数可表示如下，z为国际象棋排布情况：

　　为研究AlphaZero如何「学习」的，研究者构建了一个人类理解国际象棋的函数c(z0)。其中，z0为一个象棋特定排布概念，c(z0)以专业国际象棋引擎Stockfish 8评估分数作为参考。

　　再从AlphaZero角度，设一个广义线性函数g(zd)，作为在不同层取值的探针。训练设定下，g(zd)将不断趋近(0)，研究者通过观察g(zd)与(0)近似情况，以确认系统是否理解相关概念。

　　接着，研究团队随机抽取了10万盘游戏作为训练集，观察AlphaZero表现。

　　情况如下图，结果显示，随着训练步数（step）及ResNet网络块数（block）越来越多，AlphaZero表现出来的分数越来越高（图A），对弈过程中，每一步对敌方威胁性的也随之增加（图C）。

　　由于实验中出现了异常值，研究者探讨了其背后的潜在语义。

　　如下图，少数红色点位置远离主流分布，残差值也在红虚线之上，说明人类对棋局判断c函数与g函数有明显差异。

　　研究团队发现，这些值对应棋局中，人类判断为白方有利，同时，黑方皇后都能在兑子（exchange）过程中被进一步吃掉。

　　研究者推断认为，这是源于AlphaZero的Value Head与参考评价函数编码方式与参考系统的不同。

　　此外，研究者还观察了人类棋手及国际象棋编程所看重的重要参数，随训练过程的变化，其中包括：国王安全度（King Safety）、一方棋子总战力（Material）、机动性（Mobility）、走棋威胁性（Threats）等。

　　结果显示，它们在初始情况下几乎为零，但随着训练不断往下进行，以国王安全度（King Safety）、一方棋子总战力（Material）为代表，部分参数在模型中的权重明显上升。

　　这让研究者相信，通过训练过程，AlphaZero已经逐渐掌握了原本没有教给它的相关重要概念或者说知识。

　　最后，研究者还着重看了看开局演变与下棋风格，发现AlphaZero随时间推移，下棋路径选择范围在缩小，而人类下棋偏好和路径在变多。

　　科研人员表示，目前原因尚不清楚，但它反应了人与机器神经网络之间的根本差异。

　　关于后续研究方向，作者提出，下一步希望能探索AI模型能否超越人类的认知概念范围，去掌握学会新的东西。

　　团队介绍

　　本文一作Thomas McGrath 来自DeepMind，博士毕业于伦敦帝国学院，主要研究领域包括ML、人工智能安全及可解释性。

　　二作Andrei Kapishnikov，来自Google Brain，主攻人工智能应用领域，早前曾在VMware及Oracle从事技术工作。

　　值得一提的是，国际象棋大师Vladimir Kramnik也参与了该项目的研究。

　　参考链接：

　　[1]https://twitter.com/weballergy/status/1461281358324588544

　　[2]https://www.pnas.org/doi/10.1073/pnas.2206625119