擊敗申真諫陪練的圍棋AI，卻輸給了業餘人類棋手

一個連業餘棋手都打不過的新模型，竟然擊敗了世界最強圍棋AI——KataGo？

沒錯，這會驚掉人下巴的結果來自MIT、UC柏克萊等的最新論文。

研究人員利用對抗攻擊方法，抓住了KataGo的盲點，並基於該技術使一個菜鳥級圍棋程序成功打敗了KataGO。

在沒有搜尋的情況下，這勝率甚至達到了99%。

這麼算下來，圍棋界的食物鏈瞬間變成了：業餘棋手>新AI>頂級圍棋AI？

等等，這個神奇的新AI是怎麼做到又菜又厲害的？

刁鑽的攻擊角度

在介紹新AI之前，讓我們先來了解一下這次被攻擊的主角－KataGo。

KataGo，目前最強大的開源圍棋AI，由哈佛AI研究員開發。

先前，KataGo擊敗了超人類水準的ELF OpenGo和Leela Zero，即使沒有搜尋引擎的情況下，其水準也與歐洲前100名圍棋專業選手相當。

剛拿下三星盃冠軍、實現「三年四冠」的韓國圍棋「第一人」申真諦，就一直用的KataGo進行陪練。

△圖源：Hangame

面對實力如此強勁的對手，研究人員選擇的方法可以說是四兩撥千斤了。

他們發現，儘管KataGo透過與自己進行數百萬次遊戲來學習圍棋，但這仍然不足以涵蓋所有可能的情況。

於是，這次他們不再選擇自我博弈，而是選擇對抗攻擊方法：

讓攻擊者（adversary）和固定受害者（victim，也就是KataGo）之間進行博弈，利用這種方式訓練攻擊者。

這一步改變讓他們只用訓練KataGo時0.3%的數據，訓練出了一個端到端的對抗策略（adversarial policy）。

具體來說，該對抗策略並不是完全在做博弈，而是透過欺騙KataGo在對攻擊者有利的位置落子，以過早地結束遊戲。

以下圖為例，控制著黑子的攻擊者主要在棋盤的右上角落子，把其他區域留給KataGo，並且還心機的在其他區域下了一些容易被清理的棋子。

論文共同一作Adam Gleave介紹：

這種做法會讓KataGo誤以為自己已經贏了，因為它的地盤(左下)比對手的要大得多。

但左下角的區域並沒有真正貢獻分數，因為那裡仍留有黑子，這意味著它並不完全安全。

由於KataGo對勝利過於自信——認為如果遊戲結束併計算分數自己就會贏——所以KataGo會主動pass，然後攻擊者也pass，從而結束遊戲，開始計分。 (雙方pass，棋就結束)

但正如Gleave分析的一樣，由於KataGo圍空中的黑子尚有活力，按照圍棋裁判規則並未被判定為“死子”，因此KataGo的圍空中有黑子的地方都不能被計算為有效目數。

因此最後的贏家不是KataGo，而是攻擊者。

這場勝利並不是個例，在沒有搜尋的情況下，該對抗策略對KataGo的攻擊達到了99%的勝率。

當KataGo使用足夠的搜尋接近超人的水平時，他們的勝率達到了50%。

另外，儘管有這種巧妙的策略，但攻擊者模型本身的圍棋實力卻不強：事實上，人類業餘愛好者都可以輕鬆地擊敗它。

研究者表示，他們的研究目的是透過攻擊KataGo的一個意想不到的漏洞，證明即使高度成熟的AI系統也會存在嚴重的漏洞。

正如共同一作Gleave所說：

（這項研究）強調了對AI系統進行更好的自動化測試以發現最壞情況下的失敗模式的必要性，而不僅僅是測試一般情況下的性能。

研究團隊

研究團隊來自MIT、UC柏克萊等，論文共同一作為Tony Tong Wang和Adam Gleave。

Tony Tong Wang，麻省理工學院電腦科學專業博士生，曾有在英偉達、Genesis Therapeutics等公司實習的經驗。

Adam Gleave，加州大學柏克萊分校人工智慧博士生，碩士和大學部畢業於劍橋大學，主要研究方向是深度學習的穩健性。

論文的連結附在最後，有興趣的夥伴們可以自取～

論文連結：https://arxiv.org/abs /2211.00241

參考連結：https://arstechnica.com/information-technology/2022/11/new-go-playing-trick-defeats-world-class-go-ai-but-loses-to -human-amateurs/

以上是擊敗申真諫陪練的圍棋AI，卻輸給了業餘人類棋手的詳細內容。更多資訊請關注PHP中文網其他相關文章！