一盘棋都没下过，AI只听人类评论比赛，就学会了国际象棋，还战胜了DeepChess

栗子 2019-08-06 20:01:41 来源：量子位

栗子 发自 凹非寺

量子位 出品 | 公众号 QbitAI

一只AI要学会国际象棋，是不是一定要下过棋才行？

不一定。

伦敦大学学院的小伙伴们，开发了一只新的国际象棋AI，只看人类对比赛的评论，就能学会下棋。

AI的名字叫SentiMATE，是通过解说员/评论员言语里的情绪，来判断一手棋的好坏。

团队发现，只靠这些情绪，AI就学到了国际象棋的基本规则，以及一些关键策略，并战胜了前辈DeepChess算法。

重点是，它对训练数据量的要求还不高。

那么，这只AI到底都经历了什么？

不一样的学习方法

故事要从大部分国际象棋AI的工作方式讲起。

现在的国际象棋算法，基本都有两个关键部分：

一是搜索算法，用来搜索所有可能的下一步，搭起一棵树，树上有很多节点。二是评估算法，用来分析如果走到树上的某个节点，会有怎样的优势。

△ 比如，这就是一棵树

而SentiMATE，就是把第二部分，换了一种方法来做：

分析比赛评论里句子的情绪，判断每手棋的好坏，由此训练一个新的评估函数。

情绪评估

评论的文本，是从一个国际象棋论坛上扒的。

为了分析评论员的情绪，团队用到了两个分类器。

第一个分类器，要从解说文本里，把形容一手棋质量的评论挑出来，无关质量的扔出去。

研究人员用手动标注的2700条评论，再加上另外300条作为测试集，训练好了这个二分类器。

这样从能就原始数据集里，筛选出有用的评价了。

第二个分类器，要从筛选好的句子里，分析出情绪。

这个部分很关键，也很复杂。因为有些句子，很难判断情绪是正面还是负面：

比如，“保护了这枚棋子 (Protecting a Piece) ”，可以看作一步棋避免了负面的后果，也可能说明当前的状态比较危险。再比如，“攻击 (Attack) ”这个词对普通的情绪分析AI来说是贬义，容易被分类成负面情绪。可“对后的攻击 (an Attack on the Queen) ”，通常是步有利的棋。这样，上下文对情绪的理解就很重要了。而数据集里的样本，多是短文本，没有太多上下文可以参考。

团队选择了Flair用的架构。Flair是Zalando Research开发的一个NLP库。

研究人员认为，在文本很短的情况下，LSTM (长短期记忆) 加上合适的词嵌入方法，会有助于学到国际象棋背景下的用词规律。

于是，在word2vec词嵌入的基础上，又加了一些上下文的字符串嵌入 (Contextual String Embeddings) ，用来提升分类的准确度。

这样，有利于在一个小训练集 (团队只标注了2090条评价的感情，分正面和负面) 上，给一些情绪模糊的文本做分类。

情绪分类做好之后，就到最重要的一步了：

每步棋的质量评估

团队用的评估方式，和从前的AI很不一样。

前人用的数据多是静止的棋盘状态，没有关于每步棋的信息。训练过程相对低效，需要巨大的数据量，才能比较好地泛化。

而这里，是把落子之前和之后的棋盘 (下图左) ，一起输入神经网络，搭配刚分析出的情绪 (下图右) 。如此，补全了从前被遗忘的数据，训练会更高效。

△ 中间部分，是质量评估网络

(质量评估网络的架构，是团队基于Sabatelli等人2017年提出的方法搭的。)

团队说，像下围棋的AlphaZero，要经过百万/千万次迭代 (Iterations) 的自我对弈，用上几千个GPU，才能出师；

而学界通常没有这样的条件，所以提升评估算法的效率非常重要。

那么，成果怎么样呢？

赢了DeepChess

首先，看一下两个分类器的效果。

第一个分类器，找到能描述一步棋质量如何的评论：

团队尝试了三种网络，发现双向LSTM表现最好，识别有用评论的准确率是93.4%，超越了普通LSTM和普通RNN。

然后，又在表现最好的双向LSTM上面，尝试了不同的词嵌入方法：

发现把BERT和GloVe的嵌入结合起来，是表现最好的，识别有用评论的准确率达到了97.2%。

第一步颇有成效，下面是第二个分类器，评估情绪的正面负面：

这是一个LSTM分类器，用2090条评论来训练，用233条评论来测试的。

结果是，识别正面情绪的准确率是91.42%，平衡准确率 (Balanced Accuracy) 是90.83%。

超越了CNN-RNN架构，超越了双向LSTM。

顺便说句，这个分类器里表现最好的词嵌入方式来自BERT。

到这里，第二步也得到了有效的成绩。

那么，SentiMATE最终有没有学会下棋？还是要真刀真枪比赛才行：

首先，和随机AI对战100场，胜率81%。

然后，和2017年诞生的DeepChess (的一个实现) 对战。

由于计算的限制 (Computational Constraints) ，SentiMATE没办法向前查看 (Look-Ahead) 很多步，来评估一手棋的好坏，所以把自己和对手搜索深度设为1，就是只向前查看一步。

在这个条件下，SentiMATE执黑和执白都战胜了对手。

MIT科技评论报道说，AI掌握了许多关键策略，比如捉双 (Forking) 和异位 (Castling) 等等。

研究人员还注意到，这只AI很喜欢王兵开局 (King Pawn opening) ，这是一种十分激进、带有攻击性的操作，能迅速打开局面。

国际象棋特级大师鲍比·费舍尔 (Bobby Fischer) 也说过：实践证明，这是最好的开局方式。

虽然，SentiMATE现在只能往前推算一步，但依然证明了NLP可以训练出有效的评估函数，并且用少量样本就能达成。

这样，就为今后的棋类AI训练，提供了一个清新低碳的思路，意义不小。

论文传送门：

https://arxiv.org/abs/1907.08321

参考报道：

https://www.technologyreview.com/s/614043/instead-of-practicing-this-ai-mastered-chess-by-reading-about-it/

— 完 —