击败申真谞陪练的围棋AI，却输给了业余人类棋手 | MIT&伯克利新研究
羿阁 发自 凹非寺
量子位 | 公众号 QbitAI
一个连业余棋手都打不过的新模型，竟然击败了世界最强围棋AI——KataGo？
没错，这惊掉人下巴的结果来自MIT、UC伯克利等的最新论文。
研究人员利用对抗攻击方法，抓住了KataGo的盲点，并基于该技术使一个菜鸟级围棋程序成功打败了KataGO。
在没有搜索的情况下，这一胜率甚至达到了99%。
这么算下来，围棋界的食物链瞬间变成了：业余棋手>新AI>顶级围棋AI？
等等，这个神奇的新AI是怎么做到又菜又厉害的？
刁钻的攻击角度
在介绍新AI之前，让我们先来了解一下这次被攻击的主角——KataGo。
KataGo，目前最强大的开源围棋AI，由哈佛AI研究员开发。
此前，KataGo战胜了超人类水平的ELF OpenGo和Leela Zero，即使没有搜索引擎的情况下，其水平也与欧洲前100名围棋专业选手相当。
刚刚拿下三星杯冠军、实现“三年四冠”的韩国围棋“第一人”申真谞，就一直用的KataGo进行陪练。
△图源：Hangame
面对实力如此强劲的对手，研究人员选择的方法可以说是四两拨千斤了。
他们发现，尽管KataGo通过与自己进行数百万次游戏来学习围棋，但这仍然不足以涵盖所有可能的情况。
于是，这次他们不再选择自我博弈，而是选择对抗攻击方法：
让攻击者（adversary）和固定受害者（victim，也就是KataGo）之间进行博弈，利用这种方式训练攻击者。
这一步改变让他们仅用训练KataGo时0.3%的数据，训练出了一个端到端的对抗策略（adversarial policy）。
具体来说，该对抗策略并不是完全在做博弈，而是通过欺骗KataGo在对攻击者有利的位置落子，以过早地结束游戏。
以下图为例，控制着黑子的攻击者主要在棋盘的右上角落子，把其他区域留给KataGo，并且还心机的在其他区域下了一些容易被清理的棋子。
论文共同一作Adam Gleave介绍：
这种做法会让KataGo误以为自己已经赢了，因为它的地盘(左下)比对手的要大得多。
但左下角的区域并没有真正贡献分数，因为那里仍留有黑子，这意味着它并不完全安全。
由于KataGo对胜利过于自信——认为如果游戏结束并计算分数自己就会赢——所以KataGo会主动pass，然后攻击者也pass，从而结束游戏，开始计分。(双方pass，棋就结束)
但正如Gleave分析的一样，由于KataGo围空中的黑子尚有活力，按照围棋裁判规则并未被判定为“死子”，因此KataGo的围空中有黑子的地方都不能被计算为有效目数。
因此最后的赢家并不是KataGo，而是攻击者。
这一胜利并不是个例，在没有搜索的情况下，该对抗策略对KataGo的攻击达到了99%的胜率。
当KataGo使用足够的搜索接近超人的水平时，他们的胜率达到了50%。
另外，尽管有这种巧妙的策略，但攻击者模型本身的围棋实力却并不强：事实上，人类业余爱好者都可以轻松地击败它。
研究者表示，他们的研究目的是通过攻击KataGo的一个意想不到的漏洞，证明即使高度成熟的AI系统也会存在严重的漏洞。
正如共同一作Gleave所说：
（这项研究）强调了对AI系统进行更好的自动化测试以发现最坏情况下的失败模式的必要性，而不仅仅是测试一般情况下的性能。
研究团队
该研究团队来自MIT、UC伯克利等，论文共同一作为Tony Tong Wang和Adam Gleave。
Tony Tong Wang，麻省理工学院计算机科学专业博士生，有过在英伟达、Genesis Therapeutics等公司实习的经历。
Adam Gleave，加州大学伯克利分校人工智能博士生，硕士和本科毕业于剑桥大学，主要研究方向是深度学习的鲁棒性。
不过也有质疑说作者只是hack了bug，论文的链接附在最后，感兴趣的小伙伴们可以自取～
论文链接：
https://arxiv.org/abs/2211.00241
参考链接：
https://arstechnica.com/information-technology/2022/11/new-go-playing-trick-defeats-world-class-go-ai-but-loses-to-human-amateurs/
— 完 —
「2022人工智能年度评选」火热报名中
倒计时两周，量子位「2022人工智能年度评选」即将截止报名！本次评选将从企业、人物、产品/解决方案三大维度设置5类奖项，抓紧时间参与吧！
更多关于评选标准、榜单报名欢迎扫描下方二维码～
点这里关注我 👇 记得标星噢 ~