Cracking GO－许峰雄博士的围棋思路

  文章来源：Cracking GO, Feng - Hsiung Hsu, IEEE Spectrum October 2007.

    原文地址： http://spectrum.ieee.org/oct07/5552，有个地方有些 评论。
    先转述一下这篇文章的主要观点。正如国际象棋（chess）在70年代，从selective search到brute search转变就能够走出低估一样，围棋（Go）也可以这样做，而这正是现在围棋计算机博弈水平太差的原因所在。使用brute search，主要包括alpha-beta剪枝、null move以及置换表等基于"method of analogy"的方法，同时借助于10年内芯片技术的发展（Moore定律），可以在10年内战胜围棋世界冠军。
   有人认为这篇文章非常provocative。
    chess跟Go的复杂度远远不同，在chess中所能使用的这些search优化技术在Go中使用的效果如何不能简单类推。如 评论中所言， 因为Go中很少出现一下子就确定胜负的局面，所以很难直接应用大规模剪枝的算法，其实根本也是在于evaluation函数。许博士的想法是绕过这个 evaluation函数，因为它费力还不讨好，不是现有的计算所擅场的，那就扬长避短，借助现有强大的计算能力而规避它的评价能力，实际上，该文中也说 了“Selective search never really made progress”，selective search的基础就是强大的evaluation函数。通过规避这个weak的evaluation函数，而使用强大的计算能力获得strong的 search能力，这是许博士这篇文章的核心。
    事实上，由于chess和Go的不同，比如棋盘大小、游戏规则，导致以前在chess中所采用的（相对）简单计算得到evaluation值的方法失效 了，转而借助与强大的search，一方面也是不得已而为止。但是，强大的计算能力是否就是万能的钥匙呢？我不认为许博士的文章让我信服，以10年之后的 计算能力就能够制造出这么强大的程序，以那条路子走下去，很可能，会发现，evaluation函数成为了瓶颈。正如，文章的附页 http://spectrum.ieee.org/oct07/5552/monte中，许博士认为Monte Carlo算法对9×9有效，并不代表对19×19有效（这个我还不确信）一样，如何能够那么乐观的对于8×8的chess老路就一定能解决19×19的Go呢？
    另外， 有人也提出，假使按这个路子造出了能够crack 19×19的围棋程序，如果不能crack 23×23的围棋程序，是不是也需要等几年到Moore定律发挥到可以战胜的时候呢？
    这就回到了问题的关键－evaluation函数。引用 一段话
"It was a watershed event, but it doesn't have to do with computers becoming intelligent,"
     －Douglas Hofstadter, Professor of computer science at Indiana University
    即使用这些方法战胜了围棋世界冠军，也只是说明了程序制造者的伟大，而没有说明产生了一种新的智能，因为程序只知道0和1的运算，而不知道它真正在做什 么。在围棋程序的构造中，如何发现发掘人类智能的本质，或者证明以现有的机器无法模拟、制造类似人类的智能，甚至构造出新的智能模型，这些才是根本的，而 战胜世界冠军只是个副产品，当然要是那么容易就不会有“never really made progress”这句话了。
   我认为许博士可能是从偏重硬件的角度对围棋做研究，而有更大意义的是对这个”never“的领域的突破，即使需要花费更长的时间。