2
雷鋒網注：本文作者彭博，Blink·稟臨科技聯合創始人。文章由雷鋒網整理自作者知乎專欄，獲授權發布。
一、圍棋 AI 基礎
大家都知道 AlphaGo v13 的三大組件是：
MCTS（蒙特卡洛樹搜索）
CNN （卷積神經網絡，包括：策略網絡 policy network、快速走子網絡 playout network、價值網絡 value network）
RL （強化學習）
現有的圍棋 AI 也都是這個思路了，我們也會按這個思路講。在此先看看圍棋和博弈 AI 的一些基本常識。
1、首先是圍棋規則。
圍棋博大精深，但基本規則很簡潔。推薦這個在線教程：
注意，正常來說，黑棋的第 1 手要下到你的右上角，比如說右上角的"星位"或者"小目"。雖然棋盤是對稱的，下其它三個角也可以，但這是對弈的一種禮貌，這樣下對方就知道你是懂規矩的（當然，也可以第 1 手下在邊上，或者中腹，但目前人類一般認為是虧的）。
如果等不及，看完教程的"第一天"內容，其實就可以立刻玩一下了。下圖是純神經網絡走棋，你持黑，電腦持白（因為黑棋先走，有優勢，所以最后要倒貼幾目給白棋，叫做貼目），大家可以點擊打開：
這個網頁第一次打開會比較慢，因為要加載一個 50M 的神經網絡數據。
圖中的顏色可以點擊 "Show Analysis" 打開，是神經網絡的最終輸出。越紅的地方，代表神經網絡認為越可能成為下一手。你也可以把 "Auto Move" 關掉，自己和自己下。
試試先按電腦的建議，走在紅的地方，培養一下"感覺"吧！
如果有多個紅點，可以任選一個。當然，不可迷信，它的紅點時常是錯的，也時常不全面！
這個電腦不會計算，完全沒有搜索，全部都是靠神經網絡的“感覺”，用圍棋的話說，可以說是按照"定式"和"常型"等等，所以死活弱（就是你可能會有機會把它的棋吃掉！），很適合新人找感覺。
2、圍棋規則實際有很多細節，而且并沒有世界統一的規則。
現有的規則有中國、韓國、日本、應式等等，在大多數情況下不影響勝負的判斷結果，但還是有微妙區別，比如說中國是數子，有"粘劫收后"，日韓是數目，終局有死活的判斷問題。
較為簡潔，適合電腦描述的可能是 Tromp-Taylor 規則： Tromp-Taylor Rules 。不妨做幾個調整：
a. 再簡化一點，去掉"全局禁同形再現"，改成"罕見循環局面由裁判決定"（畢竟三劫以上循環的可能性很小），這樣程序就不一定要存一個每個局面的hash表。
b. 禁止自殺，這樣更接近其它規則。
c. 雖然目前看最佳貼目可能更接近 5.5，但還是按中國現有規則的 7.5 吧，方便大家統一。
目前市面最強的程序是 銀星17 和 Zen6，不過價錢也比較高（雖然都有X版）。而目前免費軟件中最強的是 Leela，棋力也還不錯，請點擊：chess, audio and misc. software
而且 Leela 有 console 的接口，可以接上目前常用的圍棋 GTP 協議。如果你有興趣，現在還有一個電腦圍棋的天梯，可以連進去與其它程序對戰，看自己的排名： 19x19 All Time Ranks 。
3、關于蒙特卡洛樹搜索
有一個常見的錯誤認識，在此先糾正。
在棋類博弈 AI 中，很多年前最早出現的是蒙特卡洛方法，就是到處隨機走，然后看哪里的勝率最高。但這有一個問題，舉個例子：
a. 如果走在 A，人有100種應對，其中99種，電腦會立刻贏，只有1種電腦會立刻輸。
b. 如果走在 B，人有100種應對，但局勢很復雜，大家都看不清，如果隨機走下去，后續的勝率雙方都是50%。
那么如果計算蒙特卡洛的勝率，電腦會發現走在 A 的勝率是 99%，走在 B 的勝率是 50%。
可是，電腦的正解是應該走 B！因為如果走了 A，人如果夠聰明，就一定會走電腦立刻輸的變化。如果電腦執意要走 A，就只能稱之為"騙著"了。
于是有的人會說蒙特卡洛方法有缺陷。但是，蒙特卡洛樹搜索在理論上解決了這個問題。
怎么把人想象得盡量聰明？這就要靠博弈樹。蒙特卡洛樹搜索是博弈樹和蒙特卡洛方法的結合，它不會犯 A 和 B 的問題，它很快就會發現 B 比 A 好。容易證明，如果給定足夠的計算時間和足夠的存儲空間，蒙特卡洛樹搜索可以收斂到完美的博弈樹，成為圍棋之神。
然而，實際的計算和存儲資源是有限的，實際的 A （不妨稱之為陷阱）也會更復雜。比如說：
c. 如果走在 A，經過博弈樹的模擬，電腦幾乎是怎么走都怎么贏；但是人更清楚后續的走法，人會走出完美的應對，在許多步后電腦一定會突然死亡。
這時，電腦要走遍了博弈樹的許多層，才能發現原來走到 A 會存在致命缺陷，掉入陷阱。這種情況下，蒙特卡洛樹搜索就容易在 A 和 B 的問題上給出錯誤的答案。這有好多種表現，比如說"地平線效應"，又像 AlphaGo 被擊中的第 78 手。
圍棋中是有很多陷阱局面的，比如說"大頭鬼"。人工智能如何正確應對陷阱局面，或者避免進入陷阱局面？這就需要 策略網絡（policy network）、價值網絡（value network）、強化學習 的共同作用。在后續的文章將會逐步介紹，包括具體的訓練方法。
二、安裝 MXNet 搭建深度學習環境
介紹完圍棋 AI 的基本常識，咱們開始搭建深度學習環境。
目前的環境很多，最多人用的是 Google 的 TensorFlow；不過 MXNet 感覺也蠻不錯，比較省資源（當然，最好兩個都裝）。配圖是 MXNet 的例子里面的 LeNet 訓練 MNIST 數據集，這是很經典的模型，可以看到準確率在隨著訓練不斷提高：
安裝之前先看個好玩的：github.com/dmlc/mxnet.js 是在瀏覽器直接運行 MXNet 的效果。TensorFlow 也有類似的東西： transcranial/keras-js。也就說，我們訓練好模型后，可以直接在網頁里面可視化，這樣就可以輕松跨平臺。
1、Windows的安裝
第一次裝深度學習環境經常會遇到一些坑，這里看一個實際安裝 MXNet 的過程。先看 Windows 的安裝，比較簡單和快速，因為不需要編譯。
說句無關的，我個人是推薦 Windows 的，因為顯卡還可以用于娛樂（這幾年的新游戲的圖像進步很大），有興趣還可以玩個 VR 啥的。
1） 首先裝了 VC2015，安裝時語言記得選上 C++。
2）然后如果你有 nVidia 的 GPU，裝一下 CUDA：CUDA 8.0 Downloads 。選本地安裝版，建議用迅雷下比較快。如果沒有 nVidia 顯卡，買一塊吧，顯存盡量選大的，機器的電源也記得要跟上。實在沒錢就二手 750Ti 2G 顯存版吧，足夠玩玩簡單模型，因為 MXNet 省顯存。當然，用 CPU 也可以跑，就是慢。
3）再下載 cuDNN，這個要注冊一個帳號。注冊一個吧： NVIDIA cuDNN 。解壓備用。
4）下載 MXNet 的編譯好的包：github.com/ 先下載 vc14 base package，然后下載更新包（例如 20170114_mxnet_x64_vc14_gpu.7z 注意 GPU 包就是同時支持 CPU 和 GPU）解壓進去，然后把 cuDNN 也解壓進去（見它的文檔）。執行 setupenv.cmd 。
5）裝個 Python 吧，推薦 Anaconda，選 Python 2.7 的版本： Download Anaconda Now! 。建議用迅雷下比較快。裝完檢驗一下 python 命令可用。
6）進開始的 MXNet 目錄的 python 子目錄，執行 python setup.py install 。會發現提示要裝一個 Microsoft Visual C++ Compiler for Python 2.7，去裝了。
7）然后再執行 python setup.py install，可能會發現提示缺頭文件，把他們從你的 VC2015 的 include 目錄拷貝到 Microsoft Visual C++ Compiler for Python 2.7 的 include 目錄即可。要根據提示拷貝好幾個頭文件。然后就可以成功編譯了。
8）運行 python，然后 import mxnet 然后 (mxnet.nd.ones((2,2), mxnet.cpu())*100).asnumpy()然后 (mxnet.nd.ones((2,2), mxnet.gpu())*100).asnumpy() 如果全部成功，恭喜你，裝好了。
9）再下載 dmlc/mxnet，在 example 目錄 python train_mnist.py --network lenet 。會先下載測試數據，等下它，比較慢。看看是否成功訓練。
10）再測試 VC++ 的環境。下載 MXNet.cpp （不需要執行里面的 setupenv.cmd），然后打開 windows 目錄下面的 vs 下面的 MxnetTestApp，運行試試。再試試里面有句可以改成 Context ctx_dev(DeviceType::kGPU, 0); 會發現 GPU 確實比 CPU 快。
11）可以用 CPU-z 和 GPU-z 看你的 CPU 和 GPU 有沒有偷懶，是否是在全心全意工作。
2、Mac 的安裝
下面看 Mac 的安裝，我是 OSX 10.11。
這個安裝麻煩一些，因為首先下面有些下載過程可能要 export ALL_PROXY="代理地址"（否則很慢）。另外 pip 也要換國內源，git 也要加代理，homebrew 也可以改國內源。
然后有時會遇到權限問題，請 chown 一下。有時可能也要 sudo。
1）裝 XCode。最新 CUDA 已經兼容 XCode 8 了。
2）裝 CUDA 和 cuDNN。
3）裝 homebrew（百度搜索一下）。裝 python，建議 brew install pyenv 然后用它裝 anaconda2，防止破壞系統 python 版本：Mac OS X下安裝pyenv 。
注：如果發現 pyenv 下載文件奇慢無比，可以給 pyenv 加上 -v 看到找到下載路徑，然后手工下載，然后打開 /usr/local/bin/python-build 然后在 download_tarball() 函數里面，直接把第一行改成 local package_url="http://127.0.0.1/Anaconda2-4.2.0-MacOSX-x86_64.sh" 然后你自己開一個 http 服務器即可。
4）裝 MXNet： Installing MXNet on OS X (Mac) 按照 Standard installation 走。不要執行它的 Quick Installation 自動腳本，因為還會去重新裝 homebrew，非常慢。
5）按它說的編譯（非常慢）。在 config.mk 中加：
USE_BLAS = openblas
ADD_CFLAGS += -I/usr/local/opt/openblas/include
ADD_LDFLAGS += -L/usr/local/opt/openblas/lib
ADD_LDFLAGS += -L/usr/local/lib/graphviz/
USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
USE_CUDNN = 1
USE_NVRTC = 1
另外可能要 ln -s /usr/local/cuda/lib /usr/local/cuda/lib64 。有問題就 make clean 一下再試試。
6）檢查是否裝好：
cd example/image-classification/
python train_mnist.py
祝安裝成功！在下一篇我們會看看從棋譜提取訓練特征。
小作業：
1. 介紹圍棋基礎的純神經網絡走棋是開源的，請改它的代碼，做一個基本的圍棋界面，包括吃子、打劫、點目等等基本規則。
2. 請閱讀它的論文： http://jmlr.org/proceedings/papers/v37/clark15.pdf 。
3. 請做一個傻瓜版的 策略網絡，比如說會做眼，會吃子。可以參考 GnuGO 的 6. Move generation 。
4. 請做一個傻瓜版的 價值網絡，比如說可以用"棋子向外輻射影響"的方法。可以參考 GnuGO 的 13. Influence Function 和 Bouzy's 5/21 algorithm 。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
