1 背景

有道縱橫是網(wǎng)易有道旗下專(zhuān)為4-8歲孩子量身打造的在線少兒圍棋產(chǎn)品，于2019年啟動(dòng)，自研了全國(guó)首部在線交互式圍棋動(dòng)漫課程，從孩子的理解力和喜好出發(fā)，采用直播互動(dòng)的課程形式將圍棋知識(shí)變得簡(jiǎn)單有趣、易懂好學(xué)，幫助孩子掌握圍棋的各類(lèi)規(guī)則和技巧。不僅如此，課后還設(shè)有AI對(duì)弈功能，能夠智能識(shí)別孩子的段位水平匹配對(duì)局練習(xí)，從根源培養(yǎng)孩子的思維習(xí)慣。每局對(duì)弈結(jié)束后的智能分析，會(huì)從大局觀、計(jì)算力、穩(wěn)定性、戰(zhàn)斗和棋型五方面進(jìn)行全方位分析，幫助孩子在復(fù)盤(pán)中進(jìn)步。
Google旗下Deepmind提出的AlphaGo、AlphaGo Zero、AlphaZero系列算法展示了深度強(qiáng)化學(xué)習(xí)在棋類(lèi)領(lǐng)域超凡的能力。2016年AlphaGo橫空出世擊敗歐洲圍棋冠軍樊麾二段，2017年以4：1擊敗韓國(guó)圍棋職業(yè)九段，14個(gè)世界冠軍得主李世石，2018年無(wú)師自通的AlphaGo Zero以3：0擊敗最年輕的六冠王柯潔九段。至此以后再無(wú)人質(zhì)疑AI在圍棋領(lǐng)域的霸主地位，同時(shí)引發(fā)了職業(yè)棋手學(xué)習(xí)AI招法的熱潮。在職業(yè)圍棋賽場(chǎng)上，時(shí)常出現(xiàn)“狗招”，學(xué)習(xí)、研究AI招法的背后的邏輯，已是職業(yè)棋手的必修課。

2 現(xiàn)有AI技術(shù)存在的問(wèn)題

Github上已經(jīng)有了Leela Zero、KataGo等基于AlphaZero系列算法的優(yōu)秀圍棋AI開(kāi)源項(xiàng)目，它們的主要目標(biāo)是提升AI的棋力，目前上述圍棋AI的棋力已遠(yuǎn)超人類(lèi)職業(yè)棋手。然而當(dāng)強(qiáng)AI應(yīng)用在少兒圍棋教學(xué)時(shí)，出現(xiàn)了“水土不服”的現(xiàn)象，比如：
? AI實(shí)在是太強(qiáng)了，人很難在與AI對(duì)弈的過(guò)程中體會(huì)到“旗鼓相當(dāng)”的感覺(jué)，這極易引起用戶的挫敗感。
? 授人以魚(yú)而未授人以漁，AI只告訴人應(yīng)該這么下，而不教會(huì)人為什么這么下。
? AI的學(xué)習(xí)路徑與人大相徑庭，一些在人早期圍棋學(xué)習(xí)階段就可以掌握的知識(shí)（如征子），AI在訓(xùn)練后期才掌握。

3 有道圍棋AI團(tuán)隊(duì)的成果

有道圍棋AI團(tuán)隊(duì)隸屬于有道人工智能語(yǔ)音組，負(fù)責(zé)有道縱橫產(chǎn)品與圍棋AI相關(guān)的研發(fā)、落地工作，主要發(fā)力點(diǎn)在于AI的人機(jī)對(duì)弈和復(fù)盤(pán)。現(xiàn)有的工作成果引用一段CEO周楓的話：

有道縱橫做到了什么？
總體上有道縱橫是一個(gè)面向孩子的圍棋啟蒙課程，大班直播、名師教學(xué)，在邊學(xué)邊練過(guò)程中有豐富的互動(dòng)，同時(shí)也具備AI對(duì)弈能力。與此同時(shí)，有道縱橫將教、學(xué)、練、測(cè)、評(píng)五個(gè)環(huán)節(jié)做了非常好的整合，形成了這個(gè)產(chǎn)品的全貌。
這里面有一個(gè)大家也會(huì)非常關(guān)心的問(wèn)題，即AI老師到底有沒(méi)有用？
技術(shù)團(tuán)隊(duì)永遠(yuǎn)都說(shuō)AI老師特別有用，可以解決個(gè)性化教學(xué)的問(wèn)題，可以因材施教；老師背景的團(tuán)隊(duì)往往覺(jué)得AI老師就是洪水猛獸，既沒(méi)有用而且騙了很多VC的錢(qián)。
AI老師到底有沒(méi)有用？
縱橫項(xiàng)目當(dāng)中做了比較多的AI老師的思考和實(shí)踐。我們看法是，大眾對(duì)于AI的認(rèn)知，其實(shí)對(duì)于產(chǎn)品團(tuán)隊(duì)來(lái)說(shuō)是個(gè)雙刃劍，只有認(rèn)識(shí)到雙刃劍的作用才能做出正確的設(shè)計(jì)。
什么是雙刃劍？一方面AI是一個(gè)非常好的營(yíng)銷(xiāo)抓手；另外一方面，用戶不懂做產(chǎn)品，團(tuán)隊(duì)必須去自己尋找真正的AI價(jià)值點(diǎn)。如果你聽(tīng)用戶對(duì)哪個(gè)東西興奮就做哪個(gè)，最后往往掉坑里了。
在AI場(chǎng)景下，我們思考了非常久。首先想到AlphaGo，不管多牛都下得過(guò)你，但這么和用戶講顯然不可能，所以本身對(duì)弈的難度和棋力不是教學(xué)當(dāng)中AI的指標(biāo)，而是如何降低難度，怎么能夠靈活的調(diào)整難度。
所以，第一，我們團(tuán)隊(duì)花了大量功夫做難度可控的、棋力可控的圍棋AI；第二，可控棋力的AI和復(fù)盤(pán)能力；第三，我們推的是學(xué)員和學(xué)員、學(xué)員和老師之間的對(duì)弈，強(qiáng)調(diào)人人對(duì)弈而不是人機(jī)對(duì)弈，人機(jī)對(duì)弈只是找不到人對(duì)弈時(shí)候的補(bǔ)充手段。
通過(guò)這樣的手段，我們實(shí)現(xiàn)了自主研發(fā)的圍棋AI，教學(xué)過(guò)程當(dāng)中能夠代替掉人的部分工作，提高了團(tuán)隊(duì)的生產(chǎn)效率。

4 解決方案及思路

4.1 人機(jī)對(duì)弈

一個(gè)理想的人機(jī)對(duì)弈教學(xué)系統(tǒng)具有如下特點(diǎn)：
? AI的招法有邏輯性，用戶很難感受到是AI在下棋。
? 合理控制AI的水平，避免一邊倒的局面。
? AI可以配合教學(xué)進(jìn)度，幫助用戶鞏固教學(xué)內(nèi)容（如定式）。

一些其他方案在實(shí)現(xiàn)人機(jī)對(duì)弈系統(tǒng)時(shí)，一般使用AI訓(xùn)練過(guò)程早期的模型，然后使用模型的top-n輸出，隨機(jī)抽樣進(jìn)行落子行為，避免AI落子過(guò)于單一。
這種方案除了易于想到之外沒(méi)有其他優(yōu)點(diǎn)，由于早期模型訓(xùn)練量不大，采用top-n的采樣方法會(huì)導(dǎo)致AI的招式?jīng)]有條理，用戶很容易誘導(dǎo)出這種落子邏輯的漏洞（如征子）。其次，在對(duì)弈過(guò)程中，AI模型和落子策略是固定的，但我們?cè)趯?shí)踐中發(fā)現(xiàn)，AI對(duì)于圍棋中的布局、中盤(pán)、收官等階段的招法學(xué)習(xí)速度并不相同，AI對(duì)布局的掌握速度遠(yuǎn)遠(yuǎn)超出中盤(pán)、收官，使用相同的模型和策略會(huì)導(dǎo)致AI在整盤(pán)棋的表現(xiàn)差異極大。再者，AI的自對(duì)弈訓(xùn)練中，沒(méi)有定式的概念（定式是圍棋高手在某些局部的經(jīng)驗(yàn)總結(jié)，用戶學(xué)習(xí)定式走法可以快速提升棋力），低水平的AI很難在局部中下出最優(yōu)解，而人可以通過(guò)學(xué)習(xí)高手的棋譜快速掌握局部最佳下法，即使人的水平并沒(méi)有達(dá)到提出該定式的圍棋高手水平。上述問(wèn)題的根源在于AI與人的學(xué)習(xí)路徑大相徑庭，難以直接移植。

考慮到以上問(wèn)題后，圍棋AI團(tuán)隊(duì)做了以下工作：
? 棄用top-n隨機(jī)抽樣的落子策略，使用AI引擎的policy輸出，按概率采樣。保證了AI招法邏輯性、連貫性。
? 在不同手?jǐn)?shù)階段，結(jié)合勝率和目差信息，調(diào)用不用的AI模型。保證AI在不同階段的水平表現(xiàn)相近。
? 結(jié)合教學(xué)內(nèi)容，實(shí)現(xiàn)AI模型和定式模板的混合輸出。鞏固用戶學(xué)到的定式知識(shí)。

4.2 復(fù)盤(pán)

復(fù)盤(pán)指對(duì)局完畢后，復(fù)演該盤(pán)棋的記錄，以檢查對(duì)局中招法的優(yōu)劣與得失關(guān)鍵。一般用以自學(xué)，或請(qǐng)高手給予指導(dǎo)分析。下圍棋的高手都有復(fù)盤(pán)的習(xí)慣。復(fù)盤(pán)就是每次博弈結(jié)束以后，雙方棋手把剛才的對(duì)局再重復(fù)一遍，這樣可以有效地加深對(duì)這盤(pán)對(duì)弈的印象，也可以找出雙方攻守的漏洞，是提高自己水平的好方法。在有道縱橫產(chǎn)品中，AI承擔(dān)了復(fù)盤(pán)老師的角色。
一些其他方案中，AI復(fù)盤(pán)主要是展示整局棋的勝率或目差曲線、AI的推薦變化圖、以及一些基礎(chǔ)的統(tǒng)計(jì)數(shù)據(jù)，這些內(nèi)容更適合專(zhuān)業(yè)的用戶，專(zhuān)業(yè)用戶的需求在于快速定位自己下的不好的棋，然后根據(jù)AI提供的變化圖等推理AI的落子邏輯，此類(lèi)用戶僅根據(jù)圍棋AI引擎的原始數(shù)據(jù)就可以完成自我學(xué)習(xí)。
但是當(dāng)用戶群體定位到少兒時(shí)，上述的解決方案效果就會(huì)大打折扣，少兒用戶很難理解統(tǒng)計(jì)數(shù)據(jù)背后的意義，同時(shí)對(duì)AI提供的變化圖的邏輯缺乏分析能力，甚至注意力很難集中在變化圖上，僅關(guān)注整局棋的勝率、目差的變化。此外，其他方案采用的復(fù)盤(pán)使用的GPU資源消耗很大，有的用戶甚至需要半天時(shí)間才能拿到對(duì)局的復(fù)盤(pán)結(jié)果。
考慮到以上問(wèn)題后，圍棋AI團(tuán)隊(duì)做了以下工作：
? 引入語(yǔ)音組的TTS技術(shù)，將復(fù)盤(pán)結(jié)果翻譯成少兒用戶易于接受的文案，提升用戶的注意力。
? 性能優(yōu)化，在少兒用戶的使用場(chǎng)景中，用戶并不需要高算力AI產(chǎn)生的復(fù)盤(pán)結(jié)果，我們指定了根據(jù)局面的復(fù)雜程度分配算力的方案。
? 結(jié)合用戶以往的復(fù)盤(pán)記錄，刻畫(huà)用戶的圍棋水平，形成長(zhǎng)期的學(xué)情報(bào)告。

5 總結(jié)與展望

目前圍棋AI的技術(shù)主要集中于提升AI水平上，這固然為專(zhuān)業(yè)用戶自我訓(xùn)練提供了極大的便利，但由于高水平AI背后的行棋邏輯較為高深，當(dāng)圍棋AI為少兒用戶提供服務(wù)時(shí)，少兒用戶很難直接從高水平AI獲取知識(shí)。
接下來(lái)我們希望可以在人機(jī)對(duì)弈場(chǎng)景中，為用戶提供水平更合適、邏輯更連貫的AI陪練；在復(fù)盤(pán)場(chǎng)景中，為用戶提供更清晰易懂的復(fù)盤(pán)報(bào)告。

總結(jié)

以上是生活随笔為你收集整理的有道围棋 AI：智能匹配儿童棋力的良师益友的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。