深度学习讲稿(1)
深度学习
I. 从AlphaGo谈起
大家听说过2015年10月, 英国DeepMind设计的人工智能AlphaGo，以总比分 4 : 1 击败世界最顶尖的围棋高手李世石的故事吗？
击败李世石的就是一种计算机算法：深度学习。具体来说，是基于蒙特卡洛搜索树方法的卷积神经网络算法。
在 AlphaGo 之前，人工智能-深蓝在1997年击败了国际象棋世界第一人卡斯帕罗夫。但在1997年以后，人工智能很少被提及，主要的原因是计算机的算力不能够处理更复杂的实际问题。而围棋作为人类最复杂的思想游戏，19*19的棋盘上，要设计出完美胜利的棋路面临的计算将是天文数字量级的。即便现在的计算机算力，也远远不够。既然无法算出最佳的走棋方案，为什么 AlphaGo 能够击败最顶尖的人类围棋棋手呢？这其实是因为算法设计的原因。
假如让你来设计下围棋的人工智能，你有什么好的方案呢？
毫无疑问，这是一个碟中谍式的任务（Mission Impossible）。
在设计这个任务之前，尝试用最简洁的语言清晰地表达出这个任务来。 请你们闭上眼，深入思考这个问题五分钟，要专注在这个表达任务上，不要急着思考怎么设计。
想好了吗？
现在公布答案：让计算机程序学会并下好围棋。
简单吗？很简单。但是这是个良好定义的表达式，它清楚地表达了任务的所有要素。这个句子告诉我们，任务是编写计算机程序，它要学会下围棋并且知道怎么下比较好。
1.1 解决问题的第一性原理：大象和冰箱
我来说一个很有名的冷笑话。
问：怎么把大象放进冰箱？
答: 第一步，将冰箱门打开；第二步：将大象放进去；第三步：关上冰箱门。
这是一个笑话，但同时也是一个完成任务的方法论。请你不要把这个笑话当成笑话。在面对每一个看起来困难的事情的时候，请你回想这个把大象放进冰箱的笑话。删繁就简，是最佳的设计思路。在这个大象装冰箱的故事里，我们不去考虑大象本身的属性，也不去考虑冰箱的设计，只专注于完成这个主要逻辑。我称这种抓主要逻辑的思路为解决问题的第一性原理。
1.2 四个步骤到围棋人工智能
让我们回到围棋人工智能的问题上来。这个问题的主要逻辑是什么？
- 第一步：让计算机程序认识围棋，并理解围棋规则。
- 第二步：让计算机程序评价当前的形势好与坏。
- 第三步：让计算机程序预测下一步棋的位置，预测标准是使形势变得更有利于获胜。
这样就把解决围棋人工智能问题拆分成了三个步骤。然后对每一个步骤，我们都可以独立去解决。如此拆分下去，最终就会变成一个个小的能解决的问题。
老子说，“难，易之相成也”。把难的拆分成容易的，就能解决了。
三个步骤，实际上相当于三个算法库。
比如第一步，让计算机程序认识围棋，就需要把棋局数字化，并且能够按照下棋的先后记录棋谱。它也需要能够对于棋谱进行规则分析，比如分析棋盘上任意一个棋子或一片棋子的“气”，并且能够分析得出一个棋形的死活。
第二步是要整体评价当前已经获得的“气”和敌方获得的“气”，评价任意一块棋形的风险状态。
第三步是要分析对方和自己的最可能下在什么地方，并且分析随后的棋形的状态。
因此整个的算法设计，核心功能就是识别棋盘当前的状态，预测可能的状态变化，根据变化反馈重新识别状态。
所以我们要识别出棋局上的每个块的特征，根据这些特征来对块周围的区域进行赋权，找到最优的决策路径，在每次决策后对新的块特征进行重新评估。
看到这里的重点了吗？
- 我们要知道每个“棋块”的特征。而这些特征需要被解读出来。
- 我们要用这些“棋块”特征进行搜索最优博弈路径。
从上面的分析，我们知道，设计围棋人工智能需要 1. 数据建模；2. 特征分析 3. 评价机制 4. 决策机制。这是一个循环反馈的计算过程。
所以你看，至少从算法设计的层面来看，设计一个人工智能围棋高手也并不是那么困难。
1.3 AlphaGo 背后的算法
知乎上有一篇描述 AlphaGo 的算法简述，写的非常好。链接如下：https://www.zhihu.com/question/41176911/answer/90118097
AlphaGo总共有四个算法：
- DCNN算法，全称是深度卷积神经网络。它的作用是识别当前棋局的特征。它是数据建模和特征识别。
- 走棋神经网络，它的作用是让特征产生变化，它是一个监督学习网络。它是专家辅助决策系统。
- MCTS算法，全称是蒙特卡洛搜索树算法，它是一种随机搜索的算法。它对应于搜索决策系统。
- 强化学习和评价算法。它的作用是找到局部最优的着法。相当于局部的“棋感”。它通过左右互搏这种方法来提高评价准确度。它对应于我们前面所说的评价机制。
所以你看，最强大的围棋人工智能：AlphaGo 的算法设计并没有什么神奇的地方。它和我们在最开始做的思维游戏是一样的思路。
1.4 学习的第一性原理
实际上，我们应该理解人类学习本身的步骤。我们人类是通过三步学习法来学习的。对于新知识，我们首先是理解这个新知识解决了什么问题。这个可以归纳为“看到”。然后我们思考其中的原理和步骤，这个步骤就是“思考”。最后尝试应用这个新知识去解决类似的问题，这个步骤就是“实践”。通过不断“实践”，刻意练习，我们就对这个知识形成了“肌肉记忆”也就是认知。
AlphaGo的DCNN算法相当于“看到”，而MCTS算法则相当于“思考”，强化学习相当于“实践”或者刻意练习。走棋神经网络则相当于有大量经验的老师，这个老师会指导DCNN算法更快地“看到”。从学习的本质上来看，走棋神经网络并不是必须的，而强化学习才是真正的积累经验的方法。所以在后一代的AlphaZero算法中，加强的就是强化学习，也就是生成对抗网络算法。
现在，我们知道，AlphaGo 的算法和人类学习并没有本质的区别。事实上，任何学习算法都应该遵循“看到”，"思考"，"实践"三个设计原则，这三者互相作用，就是学习的第一性原理。在目前的商业应用中，深度卷积神经网络是比较成熟的，它应用于图像识别，人脸识别，语音识别领域都有很高的精确度。但是我们知道，这其实完全代表不了人工智能。究其原因，是因为现实应用中的规则的复杂度是远远超过围棋的，而且现实中的系统是开放系统，计算机无法获得完备的信息。所以，要实现真正的能够自主学习的“强人工智能”，仍然需要很长时间的研究。但是，在某些应用场景下，比如无人工厂，智能物流等领域，由于规则有限，且环境封闭，正是AlphaGo的算法用武之地。
