深度學習工程師：為什麼AlphaGo難取勝？
按：作者李理，出門問問NLP工程師。
AlphaGo在與歐洲圍棋冠軍樊麾(Fan Hui)的對壘
從技術的角度分析，個人覺得，3月份AlphaGo要戰勝李世石難度是比較大的。為什麼呢？請看下文。
一、AlphaGo的兩大核心技術MCTS(MonteCarloTreeSearch)
MCTS之於圍棋就像Alpha-Beta搜索之於象棋，是核心的算法，而比賽時的搜索速度至關重要。就像深藍當年戰勝時，超級計算機的運算速度是制勝的關鍵因素之一。
MCTS的4個步驟：Selection，Expansion，Evaluation(rollout)和Backup
MCTS的並行搜索：
(1)LeafParallelisation
最簡單的是LeafParallelisation，一個葉子用多個線程進行多次Simulation，完全不改變之前的算法，把原來的一次Simulation的統計量用多次來代替，這樣理論上應該準確不少。但這種並行的問題是需要等待最慢的那個結束才能更新統計量；而且搜索的路徑數沒有增多。
(2)RootParallelisation
多個線程各自搜索各自的UCT樹，最後投票
(3)TreeParallelisation
這是真正的並行搜索，用多個線程同時搜索UCT樹。當然統計量的更新需要考慮多線程的問題，比如要加鎖。
另外一個問題就是多個線程很可能同時走一樣的路徑（因為大傢都選擇目前看起來Promising的孩子），一種方法就是臨時的修改virtualloss，比如線程1在搜索孩子a，那麼就給它的Q(v)減一個很大的數，這樣其它線程就不太可能選擇它瞭。當然線程1搜索完瞭之後要記得改回來。
《ALock-freeMultithreadedMonte-CarloTreeSearchAlgorithm》使用瞭一種lock-free的算法，這種方法比加鎖的方法要快很多，AlphaGo也用瞭這個方法。
Segal研究瞭為什麼多機的MCTS算法很難，並且實驗得出結論使用virtualloss的多線程版本能比較完美的scale到64個線程(當然這是單機一個進程的多線程程序）。AlphaGo的Rollout是用CPU集群來加速的，但是其它的三個步驟是在一臺機器完成的，這個就是最大的瓶頸。
DCNN(DeepConvolutionalNeuralNetwork)
（使用深度神經網絡訓練的PolicyNetwork和ValueNetwork）
神經網絡訓練的時間一般很長，即使用GPU，一般也是用天來計算。Google使用GPUCluster來訓練，從論文中看，訓練時間最長的ValueNetwork也隻是用50個GPU訓練瞭一周。
給定一個輸入，用卷積神經網絡來預測，基本運算是矩陣向量運算和卷積，由於神經網絡大量的參數，用CPU來運算也是比較慢的。所以一般也是用GPU來加速，而AlphaGo是用GPU的cluster來加速的。
更多技術細節請參考我的文章《alphaGo對戰李世石誰能贏？兩萬字長文深挖圍棋AI技術》
1.論文送審時(2新竹靜電機租賃015年11月)AlphaGo的水平
論文裡使用EloRating系統的水平：
a圖是用分佈式的AlphaGo，單機版的AlphaGo，CrazyStone等主流圍棋軟件進行比賽，然後使用的是EloRating的打分。
筆者認為AlphaGo的水平超過瞭FanHui（2p)，因桃園靜電機租賃此AlphaGo的水平應該達到瞭2p。【不過很多人認為目前Fanhui的水平可能到不瞭2p】
b圖說明瞭PolicyNetworkValueNetwork和Rollout的作用，做瞭一些實驗，去掉一些的情況下棋力的變化，結論當然是三個都很重要。
c圖說明瞭搜索線程數以及分佈式搜索對棋力的提升，這些細節我們會在下一節再討論，包括AlphaGO的架構能不能再scalable到更多機器的集群從而提升棋力。
AlphaGo的真實棋力
筆者這裡根據一些新聞做推測。而且從文章提交Nature審稿到3月份比賽還有一段不短的時間，AlphaGo能不能還有提高也是非常關鍵。這裡我隻是推測一下在文章提交Nature時候AlphaGo的棋力。至於AlphaGo棋力能否提高，我們下一節分析實現細節時再討論（假設整體架構不變，系統能不能通過增加機器來提高棋力）。
網上很多文章試圖通過Al桃園靜電機出租phaGo與fanhui的對局來估計AlphaGo的棋力，我本人圍棋水平離入門都比較遠，所以就不敢發表意見瞭。我隻是搜索瞭一些相關的資料，主要是在弈城上一個叫DeepMind的賬號的對局信息來分析的。
比如這篇《金燦佑分析deepmind棋譜認為99%與谷歌團隊相關》。作者認為這個賬號就是AlphaGo。如果猜測正確的話，AlphaGo當時的棋力在弈城8d-9d之間，換成我們常用的rankingsystem的話大概也就是6d-7d（業餘6段到7段）的水平，如果發揮得好，最多也許能到1p的水平，戰勝fanhui也有一定合理性（很多人認為fanhui目前實際水平可能已經沒有2p瞭，那算1p的話也差不多）
知乎的這個話題AlphaGo也有很多討論，可供參考。
二、AlphaGo到比賽前可能的提升
不同分佈式版本的水平比較，使用的是Elorating標準
最強的AlphaGo使用瞭64個搜索線程，1920個CPU的集群和280個GPU的集群（其實也就二十多臺機器）
三、AI戰勝圍棋大師李世石：我看懸之前我們討論過分佈式MCTS時說過，MCTS很難在多機上並行，所以AlphaGo還是在一臺機器上實現的LockFree的多線程並行，隻不過Rollout和神經網絡計算是在CPU和GPU集群上進行的。Google的財力肯定不隻二三十臺機器，所以分佈式MCTS的搜索才是最大的瓶頸。如果這個能突破，把機器堆到成百上千臺應該還是能提高不少棋力的。
我個人估計在3月與李世石的對弈中這個架構可能還很難有突破，可以增強的是RLPolicy的自對弈學習，不過這個提升也有限（否則不會隻訓練一天就停止瞭，估計也收斂的差不多瞭）。
所以，這一次，AI的勝算並沒有李世石的大。
http://news.zol.com.cn/572/5720105.html
news.zol.com.cn
true
中關村在線
http://news.zol.com.cn/572/5720105.html
report
4380
按：作者李理，出門問問NLP工程師。AlphaGo在與歐洲圍棋冠軍樊麾(Fan Hui)的對壘從技術的角度分析，個人覺得，3月份AlphaGo要戰勝李世石難度是比較大的。為什麼呢？請看下文。一、AlphaGo的兩大核心技術MCTS(MonteCarloTreeSearch)MCTS之...
留言列表
