台湾时间 12 月 11 日晚上，DeepMind 在 Twitter 宣布推出围棋教学工具 AlphaGo Teach。
Explore how #AlphaGo rates thousands of the most popular opening moves from the recent history of Go using our new tool – AlphaGo Teach https://t.co/Rnfbanqybh pic.twitter.com/PuEPrUD318
— DeepMind (@DeepMindAI) 2017年12月11日
上图中，标有白圈的黑子表示上一手，虚线圆圈表示 AlphaGo 下一步可能的走法，实线圆圈表示人类选手下一步可能的走法，圆圈中的数字表示 AlphaGo 评估的黑子胜率。
从官网可以看到，该工具透过利用 231,000 盘人类棋手对局、75 盘 AlphaGo 与人类棋手对局的数据，能分析围棋近代史上 6,000 种比较常见的开局。透过这个工具，大家可以探索围棋奥妙，比较 AlphaGo 的下棋路数与专业选手、业余选手的不同点，从中学习。
官网对工具的使用也有相关说明：
如何使用这一工具？
点击棋盘上的彩色圆圈，或使用棋盘下方的导航工具，即可探索不同的开局变化，以及 AlphaGo 对每一步棋的黑棋胜率预测。
圆圈中的数字代表该步棋的黑棋胜率。当轮到黑棋落子时，数值越接近 100 表示黑棋优势越大；当轮到白棋落子时，数值越接近 0 表示白棋优势越大。50 则表示均势。
了解 AlphaGo 的胜率预测
AlphaGo 的下法不一定总是有最高胜率，这是因为每个下法胜率都是得自单独一个 1,000 万次模拟的搜寻。AlphaGo 的搜索有随机性，因此 AlphaGo 不同的搜寻可能会选择胜率接近的另一种下法。
除了官网的简单介绍，身为 DeepMind 围棋大使、AlphaGo 的“教练”，樊麾也在个人微博宣布“AlphaGo 教学工具终于上线。”
他表示，
教学工具共有两万多个变化，37 万多步棋组成，透过 AlphaGo 的视角，分析并建议围棋开局的诸多下法。同时每步棋 AlphaGo 都会分析自己的胜率，希望 AlphaGo 对围棋的独特理解可以给我们一些启发。
本教学工具使用的版本是 AlphaGo Master。具体讯息可在主页看到，工具设有包括中文简体在内的多个语言。
同时，樊麾也从 AlphaGo 的教学举了几个有意思的例子，并进行幽默的解说。“下边几个图是我从万千变化图中发现比较有冲击力的几个，类似的变化图有很多很多，大家可以自己找找。”
▲ 原来二路虎不见得好。
▲ 对付迷你中国流的新办法。
▲ 小林流也不是只有大飞挂。
▲ 原来这里还可以飞！
▲ 妖刀公式！
看到樊麾老师的微博之后，大家也开始各色各样的调侃。
@ 楼天：“有 21 天从入门到精通系列课程吗？”
@ 我就是那一片浮云：“完了，十段棋手猛烈增加。”
@ 自动高速公路：“做成 App 就可以成为围棋比赛作弊器了。”
@ 于缚风：“围棋辅导班的老师没法讲课了。”（围棋老师表示哭晕在厕所）
看完了大家的调侃，来看看专业棋士怎么说。
世界围棋冠军、职业九段棋士常昊表示，教学工具不一定是标准答案，更多的是给予我们无限的思考空间。
首届百灵爱透杯世界围棋公开赛冠军周睿羊说，“公式什么的还是不要随便学了，看到工具一些高级下法之后，感觉又可以起飞了。”
第 3 届钻石杯龙星战冠军、围棋国手李喆也对这教学工具发表中肯评价：很多人会担心今后布局的标准化，其实不必担心。教学工具并不是告诉大家“只能这么下”，而是告诉大家“有些下法不太好”以及“可以这么下”。有些图中没有的下法只是因为模拟的随机性而未收录，之中包含很多高胜率的选点，仍可以大胆尝试。
此外，今年 5 月被 AlphaGo Master 打败的柯洁第一时间转发微博表示“重新学围棋”（还用了一个贱贱的表情）。
而这个工具到底好不好用，大家可以体验看看。
官网英文网址：https://alphagoteach.deepmind.com/。
中文网址：https://alphagoteach.deepmind.com/zh-hans。
附上 DeepMind 研究科学家 David Silver 介绍 AlphaGo Master 的研发关键：
AlphaGo Master 为何如此厉害呢？
我们让 AlphaGo 跟自己对弈。这是基于强化学习，我们已经不再拿人类的棋局让它学习了。AlphaGo 自己训练自己、自己从自己身上学习。透过强化学习的形式，它学到如何提高能力。
棋局每一回合，AlphaGo 运行火力全开（full power）的搜寻以生成落子建议，即计划。当它选择这一步落子、实施，并到一个新回合时，会再一次搜寻，仍是基于策略网络和价值网络、火力全开的搜寻，来生成下一步落子计划，如此循环，直到一局棋结束。它会无数次重复这过程，产生大量训练数据。随后，我们用这些数据来训练新的神经网络。
首先，当 AlphaGo 和自己下棋时，用这些训练数据来训练一个新策略网络。事实上，在 AlphaGo 执行搜寻、选择一个落子方案之前，这些是我们能获取的最高品质数据。
下一步，让策略网络只用它自己、不用任何搜寻，来看它是否能产生同样的落子方案。这里的思路是：让策略网络只靠它自己，试图算出和整个 AlphaGo 火力全开搜寻结果一样的落子方案。这样一来，这种策略网络就比之前版本的 AlphaGo 要厉害得多。我们还用类似方式训练价值网络。它用最好的策略数据来训练，而这些数据，是出于完全版本的 AlphaGo 和自己下棋时的赢家数据。你可以想像，AlphaGo 和自己下了非常多盘棋。其中最有代表性的棋局选出来提取赢家数据。因此，这些赢家数据是棋局早期回合步法非常高品质的评估。
最后，我们重复这过程许多遍，最终得到全新的策略和价值网络。比起旧版本，它们要强大得多。然后再把新版本的策略、价值网络整合到 AlphaGo 里，得到新版本、比之前更强大的 AlphaGo。这导致树搜寻中更好的决策、更高品质的结果和数据，再循环得到新的、更强大的策略、价值网络，再次导致更强大的 AlphaGo，如此不断提升。
（本文由 雷锋网 授权转载；首图来源：pixabay）
