AlphaGo算法原理浅析

2016年3月，AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜，震惊世界；2017年5月，AlphaGo与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜，再次震惊世界。围棋界公认AlphaGo的围棋能力已经远远超过了人类职业围棋的顶尖水平了，那么AlphaGo为什么这么厉害，它的算法原理是什么呢，下面结合在互联网上看到的一些文章，整理思路进行浅析。

一、非AI时代的计算机下棋程序基本做法
在信息完整的情况下，在棋局的每一步，计算机可以使用穷举法，自己与自己下棋（self-play），尝试每一个选择，模拟所有可能的完整战局，观察结果，然后选出最佳走法。
这种方法在五子棋、象棋中还可行，但由于围棋的下子地方很多，各种下棋组合非常的大，穷举法的计算量极其庞大，计算机很难在有效地时间里穷举出最佳走法。

案例：

1997年的“深蓝”计算机战胜了人类的国际象棋冠军卡斯帕罗夫，但是没有人会认为“深蓝”真正拥有了人工智能，这是因为国际象棋的每一步都是可见的。在一个确定性的棋局下，仅有有限个走法，而在这有限个走法中必然有一个最优的，那么一个基本的想法就是对棋局进行预测，遍历（穷举）每一种走法直到一方胜出，然后回退计算每一个可能赢的概率，最后使用概率最高的作为最优的走法。“深蓝”就是这么做的，暴力穷举所有的步子，然后找最优的步子。虽然赢了人类，但没有智能，因为整个算法完全就是按人工设计的一个算法，体现不出智能之处。

计算机下围棋，理论上也是可以暴力破解的，但是问题就在于围棋的可走的步子太多了，以至于按目前的计算性能根本做不到暴力破解。而另外一种方式，是使用蒙特卡洛树搜索的方法，蒙特卡洛算法通过某种“实验”的方法，得到一个随机变量的估计，从而得到一个问题的解。这种实验可以是计算机的模拟，那蒙特卡洛树搜索怎么模拟的。算法会找两个围棋傻子（计算机），他们只知道那里可以下棋（空白处，和非打劫刚提子处），他们最终下到终局。好了，这就可以判断谁赢了。算法就通过模拟M（M>>N）盘，看黑赢的概率。可以看到这明显的不合理，因为每步是乱下的，有些棋根本就不可能。