AlphaGo战胜李世石10年，机器人打乒乓球再胜人类

iWeekly

在AlphaGo击败围棋冠军李世石十年后，人工智能再次迎来标志性时刻：一款名为“Ace”的机器人在真实竞技中击败了人类乒乓球职业运动员。不同于当年发生在棋盘上的对决，这一次AI走入物理世界，在高速、不确定的环境中与人类正面对抗并取得优势，显示出感知、决策与执行能力的全面提升。开发这款机器人的索尼公司表示，这是“机器人首次在现实世界中一个广泛开展的竞技体育项目中达到人类专家级水平”。从围棋到乒乓球，这一跨越不仅体现了技术从虚拟推理向现实互动的跃迁，也意味着AI正逐步逼近甚至重塑人类在复杂运动与技能领域的边界。

“Ace”

《自然》杂志4月22日发布的一项最新研究显示，日本电子巨头Sony打造的一款名为“Ace”机器人在打乒乓球方面表现得极其娴熟，甚至对顶尖人类乒乓球选手构成严峻挑战，有时还能战胜他们。这一成果表明，AI的进步正让机器人变得更加敏捷。日本职业乒乓球运动员安藤南和曾根翔等人参与了与索尼机器人的对战。两名来自日本乒乓球协会的裁判对比赛进行了判定。索尼称，去年12月，在与Ace对战的4名高水平选手中，仅有1人未败给Ace。Ace成功证明了自己是一个强劲的对手。索尼表示，这是“机器人首次在现实世界中一个广泛开展的竞技体育项目中达到人类专家级水平——这是AI和机器人研究的一个长期里程碑”。

Ace通过强化学习（Reinforcement Learning）的AI训练方法学会了如何打乒乓球。“程序员没有办法通过手动编程让机器人学会打乒乓球。它必须从经验中学习如何打球。”索尼AI研究员彼得·迪尔（Peter Dürr）表示。他是这项发表在《自然》杂志上的研究的共同作者。在实验中，索尼在东京总部建造了一座奥运规格的乒乓球场，让职业及其他高水平运动员与机器人在“公平的场地”上对决。迪尔在接受美联社采访时表示，一些运动员对Ace的实力感到惊讶。曾参加1992年巴塞罗那奥运会的选手中村锦次郎在观看Ace打出一记击球后告诉研究人员：“没有人能做到这一点，我原以为这是不可能的。”但他补充说，既然机器人已经做到，“这意味着人类也有可能做到”。

让机器人以瞬时反应速度与熟练人类运动员互动和竞争是一件极其困难的事情。索尼AI总裁迈克尔·施普兰格（Michael Spranger）表示，研究人员有意避免给予机器人不公平的优势，使其速度、臂展和表现与每周训练至少20小时的熟练运动员相当。它在标准尺寸球台上，按照官方乒乓球规则比赛。“打造一个超越人类的乒乓球机器人其实很容易。”他说，“你可以造一台机器，把球吸进去，再以远超人类回击能力的速度打出去。但这不是我们的目标。我们的目标是实现某种程度的可比性，对人类保持一定程度的公平，并在AI层面、决策和战术层面，以及某种程度的技术能力上取胜。”

不过，Ace确实也具备一些“超越人类”的特征，这让它在乒乓球运动上产生了一定的优势：研究人员在球场周围布置了九个摄像头作为Ace的“眼睛”，这让Ace拥有通过追踪乒乓球上标志来测量旋转的惊人能力。这款定制机器人的手臂拥有8个关节（即运动自由度），可以控制其移动，使其能够精准定位球拍、执行击球动作，并快速应对对手的来球。“速度确实是当今机器人技术中的一个核心问题，尤其是在不固定的场景或环境中。”施普兰格表示，“我们看到很多工厂里的机器人速度非常非常快，但它们只是重复同样的轨迹。而通过这项技术，我们展示了实际上可以训练机器人在不断变化的不确定环境中变得高度适应、具有竞争力且快速。”这意味着“Ace不是仅仅通过击球速度超过人类来取胜，而是通过真正地‘打比赛’来赢”。

AlphaGo击败李世石十年后

2016年，超过2亿人观看了AlphaGo在首尔对阵围棋世界冠军李世石的比赛。这场对决因第二局中的“第37手”而被铭记——这一落子极其反常，以至于职业解说最初认为这是失误。但事实证明它具有决定性意义。大约一百步之后，这枚棋子恰好处在赢棋所需的位置。这一表现展现了惊人的前瞻性，也体现了AI系统不仅能模仿人类专家，还能发现全新的策略。不过，长期以来，AI研究人员一直将国际象棋等棋类游戏作为衡量计算机能力的基准，随后又扩展到更加开放的电子游戏世界。但将AI从模拟环境带入物理世界，一直是机器人制造商的“黄金标准”。过去一年标志着“机器人领域某种意义上的ChatGPT时刻”。施普兰格表示。他指的是出现了新的AI驱动方法，使机器人能够理解现实环境，并执行诸如后空翻等高强度物理任务。

事实上，索尼并不是第一个尝试让机器人打乒乓球的机构。约翰·比林斯利（John Billingsley）早在1983年就以一篇题为《机器人乒乓球》（Robot Ping-Pong）的论文开创了这一研究领域的先河。比林斯利评价Ace道，成果令人印象深刻，索尼强大的计算机视觉和运动检测能力，使得只有两只眼睛的人类几乎难以匹敌。“我并不想贬低这一成就，但他们是以一种‘人多势众’的方式推进任务，并使用了‘大锤式’技术。”这名澳大利亚南昆士兰大学的退休机电一体化教授在发给美联社的电子邮件中表示。他用“大锤式”的技术描述用“大力出奇迹”的方式去解决问题，而不是用精细且高效的方法。尽管认为这一技术仍有改进空间，但是施普兰格称，这种技术可能在制造业及其他行业中发挥作用，甚至也不难想象，这种高速且高度感知的硬件可能被用于战争。

AlphaGO的母公司DeepMind也参与了这一领域的研究。不仅如此，DeepMind还将Alpha系列AI的能力拓展到了生物医疗、数学推理、算法发现、基因组研究、核聚变等多项科学领域，展示了AI帮助人类理解物理世界复杂性的潜力。2020年，DeepMind通过 AlphaFold 2系统终于攻克了蛋白质折叠这一长期难题。这对于理解疾病和开发新药至关重要。随后，DeepMind解析了科学界已知的全部2亿种蛋白质结构，并通过开源数据库向全球科学家免费开放。Alpha系列的AlphaProof模型结合语言模型与 AlphaGo的升级版AlphaZero 的强化学习和搜索算法，能够证明形式化数学命题。同系列的AlphaEvolve模型能够在程序空间中搜索更高效算法。

在与AlphaGo对局十年后，李世石故地重游，在当时对局的场馆中一场主题为“智能体AI时代”的活动中，他提出了关于AI的新叙事，但是这一次他更强调合作：若当年的对局象征着人与机器的竞争，那么如今AI正演变为能够理解人类意图并执行复杂任务的协作伙伴。

图片来源于网络

iWeekly独家稿件，未经许可，请勿转载