有道围棋 AI：智能匹配儿童棋力的良师益友

1 背景

有道纵横是网易有道旗下专为 4-8 岁孩子量身打造的在线少儿围棋产品，于 2019 年启动，自研了全国首部在线交互式围棋动漫课程，从孩子的理解力和喜好出发，采用直播互动的课程形式将围棋知识变得简单有趣、易懂好学，帮助孩子掌握围棋的各类规则和技巧。不仅如此，课后还设有 AI 对弈功能，能够智能识别孩子的段位水平匹配对局练习，从根源培养孩子的思维习惯。每局对弈结束后的智能分析，会从大局观、计算力、稳定性、战斗和棋型五方面进行全方位分析，帮助孩子在复盘中进步。

Google 旗下 Deepmind 提出的 AlphaGo、AlphaGo Zero、AlphaZero 系列算法展示了深度强化学习在棋类领域超凡的能力。2016 年 AlphaGo 横空出世击败欧洲围棋冠军樊麾二段，2017 年以 4：1 击败韩国围棋职业九段，14 个世界冠军得主李世石，2018 年无师自通的 AlphaGo Zero 以 3：0 击败最年轻的六冠王柯洁九段。至此以后再无人质疑 AI 在围棋领域的霸主地位，同时引发了职业棋手学习 AI 招法的热潮。在职业围棋赛场上，时常出现“狗招”，学习、研究 AI 招法的背后的逻辑，已是职业棋手的必修课。

2 现有 AI 技术存在的问题

Github 上已经有了 Leela Zero、KataGo 等基于 AlphaZero 系列算法的优秀围棋 AI 开源项目，它们的主要目标是提升 AI 的棋力，目前上述围棋 AI 的棋力已远超人类职业棋手。然而当强 AI 应用在少儿围棋教学时，出现了“水土不服”的现象，比如：

• AI 实在是太强了，人很难在与 AI 对弈的过程中体会到“旗鼓相当”的感觉，这极易引起用户的挫败感。

• 授人以鱼而未授人以渔，AI 只告诉人应该这么下，而不教会人为什么这么下。

• AI 的学习路径与人大相径庭，一些在人早期围棋学习阶段就可以掌握的知识（如征子），AI 在训练后期才掌握。

3 有道围棋 AI 团队的成果

有道围棋 AI 团队隶属于有道人工智能语音组，负责有道纵横产品与围棋 AI 相关的研发、落地工作，主要发力点在于 AI 的人机对弈和复盘。现有的工作成果引用一段 CEO 周枫的话：

有道纵横做到了什么？

总体上有道纵横是一个面向孩子的围棋启蒙课程，大班直播、名师教学，在边学边练过程中有丰富的互动，同时也具备 AI 对弈能力。与此同时，有道纵横将教、学、练、测、评五个环节做了非常好的整合，形成了这个产品的全貌。这里面有一个大家也会非常关心的问题，即 AI 老师到底有没有用？技术团队永远都说 AI 老师特别有用，可以解决个性化教学的问题，可以因材施教；老师背景的团队往往觉得 AI 老师就是洪水猛兽，既没有用而且骗了很多 VC 的钱。

AI 老师到底有没有用？

纵横项目当中做了比较多的 AI 老师的思考和实践。我们看法是，大众对于 AI 的认知，其实对于产品团队来说是个双刃剑，只有认识到双刃剑的作用才能做出正确的设计。什么是双刃剑？一方面 AI 是一个非常好的营销抓手；另外一方面，用户不懂做产品，团队必须去自己寻找真正的 AI 价值点。如果你听用户对哪个东西兴奋就做哪个，最后往往掉坑里了。在 AI 场景下，我们思考了非常久。首先想到 AlphaGo，不管多牛都下得过你，但这么和用户讲显然不可能，所以本身对弈的难度和棋力不是教学当中 AI 的指标，而是如何降低难度，怎么能够灵活的调整难度。

所以，第一，我们团队花了大量功夫做难度可控的、棋力可控的围棋 AI；第二，可控棋力的 AI 和复盘能力；第三，我们推的是学员和学员、学员和老师之间的对弈，强调人人对弈而不是人机对弈，人机对弈只是找不到人对弈时候的补充手段。通过这样的手段，我们实现了自主研发的围棋 AI，教学过程当中能够代替掉人的部分工作，提高了团队的生产效率。

4 解决方案及思路

4.1 人机对弈

一个理想的人机对弈教学系统具有如下特点：

• AI 的招法有逻辑性，用户很难感受到是 AI 在下棋。

• 合理控制 AI 的水平，避免一边倒的局面。

• AI 可以配合教学进度，帮助用户巩固教学内容（如定式）。

一些其他方案在实现人机对弈系统时，一般使用 AI 训练过程早期的模型，然后使用模型的 top-n 输出，随机抽样进行落子行为，避免 AI 落子过于单一。这种方案除了易于想到之外没有其他优点，由于早期模型训练量不大，采用 top-n 的采样方法会导致 AI 的招式没有条理，用户很容易诱导出这种落子逻辑的漏洞（如征子）。其次，在对弈过程中，AI 模型和落子策略是固定的，但我们在实践中发现，AI 对于围棋中的布局、中盘、收官等阶段的招法学习速度并不相同，AI 对布局的掌握速度远远超出中盘、收官，使用相同的模型和策略会导致 AI 在整盘棋的表现差异极大。再者，AI 的自对弈训练中，没有定式的概念（定式是围棋高手在某些局部的经验总结，用户学习定式走法可以快速提升棋力），低水平的 AI 很难在局部中下出最优解，而人可以通过学习高手的棋谱快速掌握局部最佳下法，即使人的水平并没有达到提出该定式的围棋高手水平。上述问题的根源在于 AI 与人的学习路径大相径庭，难以直接移植。

考虑到以上问题后，围棋 AI 团队做了以下工作：

• 弃用 top-n 随机抽样的落子策略，使用 AI 引擎的 policy 输出，按概率采样。保证了 AI 招法逻辑性、连贯性。

• 在不同手数阶段，结合胜率和目差信息，调用不用的 AI 模型。保证 AI 在不同阶段的水平表现相近。• 结合教学内容，实现 AI 模型和定式模板的混合输出。巩固用户学到的定式知识。

4.2 复盘

复盘指对局完毕后，复演该盘棋的记录，以检查对局中招法的优劣与得失关键。一般用以自学，或请高手给予指导分析。下围棋的高手都有复盘的习惯。复盘就是每次博弈结束以后，双方棋手把刚才的对局再重复一遍，这样可以有效地加深对这盘对弈的印象，也可以找出双方攻守的漏洞，是提高自己水平的好方法。在有道纵横产品中，AI 承担了复盘老师的角色。

一些其他方案中，AI 复盘主要是展示整局棋的胜率或目差曲线、AI 的推荐变化图、以及一些基础的统计数据，这些内容更适合专业的用户，专业用户的需求在于快速定位自己下的不好的棋，然后根据 AI 提供的变化图等推理 AI 的落子逻辑，此类用户仅根据围棋 AI 引擎的原始数据就可以完成自我学习。

但是当用户群体定位到少儿时，上述的解决方案效果就会大打折扣，少儿用户很难理解统计数据背后的意义，同时对 AI 提供的变化图的逻辑缺乏分析能力，甚至注意力很难集中在变化图上，仅关注整局棋的胜率、目差的变化。此外，其他方案采用的复盘使用的 GPU 资源消耗很大，有的用户甚至需要半天时间才能拿到对局的复盘结果。

考虑到以上问题后，围棋 AI 团队做了以下工作：

• 引入语音组的 TTS 技术，将复盘结果翻译成少儿用户易于接受的文案，提升用户的注意力。

• 性能优化，在少儿用户的使用场景中，用户并不需要高算力 AI 产生的复盘结果，我们指定了根据局面的复杂程度分配算力的方案。

• 结合用户以往的复盘记录，刻画用户的围棋水平，形成长期的学情报告。

5 总结与展望

目前围棋 AI 的技术主要集中于提升 AI 水平上，这固然为专业用户自我训练提供了极大的便利，但由于高水平 AI 背后的行棋逻辑较为高深，当围棋 AI 为少儿用户提供服务时，少儿用户很难直接从高水平 AI 获取知识。接下来我们希望可以在人机对弈场景中，为用户提供水平更合适、逻辑更连贯的 AI 陪练；在复盘场景中，为用户提供更清晰易懂的复盘报告。