1 背景
有道縱橫是網易有道旗下專為4-8歲孩子量身打造的線上少兒圍棋產品，於2019年啟動，自研了全國首部線上互動式圍棋動漫課程，從孩子的理解力和喜好出發，採用直播互動的課程形式將圍棋知識變得簡單有趣、易懂好學，幫助孩子掌握圍棋的各類規則和技巧。不僅如此，課後還設有AI對弈功能，能夠智慧識別孩子的段位水平匹配對局練習，從根源培養孩子的思維習慣。每局對弈結束後的智慧分析，會從大局觀、計算力、穩定性、戰鬥和棋型五方面進行全方位分析，幫助孩子在覆盤中進步。
Google旗下Deepmind提出的AlphaGo、AlphaGo Zero、AlphaZero系列演算法展示了深度強化學習在棋類領域超凡的能力。2016年AlphaGo橫空出世擊敗歐洲圍棋冠軍樊麾二段，2017年以4：1擊敗韓國圍棋職業九段，14個世界冠軍得主李世石，2018年無師自通的AlphaGo Zero以3：0擊敗最年輕的六冠王柯潔九段。至此以後再無人質疑AI在圍棋領域的霸主地位，同時引發了職業棋手學習AI招法的熱潮。在職業圍棋賽場上，時常出現“狗招”，學習、研究AI招法的背後的邏輯，已是職業棋手的必修課。
2 現有AI技術存在的問題
Github上已經有了Leela Zero、KataGo等基於AlphaZero系列演算法的優秀圍棋AI開源專案，它們的主要目標是提升AI的棋力，目前上述圍棋AI的棋力已遠超人類職業棋手。然而當強AI應用在少兒圍棋教學時，出現了“水土不服”的現象，比如：
• AI實在是太強了，人很難在與AI對弈的過程中體會到“旗鼓相當”的感覺，這極易引起使用者的挫敗感。
• 授人以魚而未授人以漁，AI只告訴人應該這麼下，而不教會人為什麼這麼下。
• AI的學習路徑與人大相徑庭，一些在人早期圍棋學習階段就可以掌握的知識（如徵子），AI在訓練後期才掌握。
3 有道圍棋AI團隊的成果
有道圍棋AI團隊隸屬於有道人工智慧語音組，負責有道縱橫產品與圍棋AI相關的研發、落地工作，主要發力點在於AI的人機對弈和覆盤。現有的工作成果引用一段CEO周楓的話：
有道縱橫做到了什麼？
總體上有道縱橫是一個面向孩子的圍棋啟蒙課程，大班直播、名師教學，在邊學邊練過程中有豐富的互動，同時也具備AI對弈能力。與此同時，有道縱橫將教、學、練、測、評五個環節做了非常好的整合，形成了這個產品的全貌。
這裡面有一個大家也會非常關心的問題，即AI老師到底有沒有用？
技術團隊永遠都說AI老師特別有用，可以解決個性化教學的問題，可以因材施教；老師背景的團隊往往覺得AI老師就是洪水猛獸，既沒有用而且騙了很多VC的錢。
AI老師到底有沒有用？
縱橫專案當中做了比較多的AI老師的思考和實踐。我們看法是，大眾對於AI的認知，其實對於產品團隊來說是個雙刃劍，只有認識到雙刃劍的作用才能做出正確的設計。
什麼是雙刃劍？一方面AI是一個非常好的營銷抓手；另外一方面，使用者不懂做產品，團隊必須去自己尋找真正的AI價值點。如果你聽使用者對哪個東西興奮就做哪個，最後往往掉坑裡了。
在AI場景下，我們思考了非常久。首先想到AlphaGo，不管多牛都下得過你，但這麼和使用者講顯然不可能，所以本身對弈的難度和棋力不是教學當中AI的指標，而是如何降低難度，怎麼能夠靈活的調整難度。
所以，第一，我們團隊花了大量功夫做難度可控的、棋力可控的圍棋AI；第二，可控棋力的AI和覆盤能力；第三，我們推的是學員和學員、學員和老師之間的對弈，強調人人對弈而不是人機對弈，人機對弈只是找不到人對弈時候的補充手段。
通過這樣的手段，我們實現了自主研發的圍棋AI，教學過程當中能夠代替掉人的部分工作，提高了團隊的生產效率。
4 解決方案及思路
4.1 人機對弈
一個理想的人機對弈教學系統具有如下特點：
• AI的招法有邏輯性，使用者很難感受到是AI在下棋。
• 合理控制AI的水平，避免一邊倒的局面。
• AI可以配合教學進度，幫助使用者鞏固教學內容（如定式）。
一些其他方案在實現人機對弈系統時，一般使用AI訓練過程早期的模型，然後使用模型的top-n輸出，隨機抽樣進行落子行為，避免AI落子過於單一。
這種方案除了易於想到之外沒有其他優點，由於早期模型訓練量不大，採用top-n的取樣方法會導致AI的招式沒有條理，使用者很容易誘匯出這種落子邏輯的漏洞（如徵子）。其次，在對弈過程中，AI模型和落子策略是固定的，但我們在實踐中發現，AI對於圍棋中的佈局、中盤、收官等階段的招法學習速度並不相同，AI對佈局的掌握速度遠遠超出中盤、收官，使用相同的模型和策略會導致AI在整盤棋的表現差異極大。再者，AI的自對弈訓練中，沒有定式的概念（定式是圍棋高手在某些區域性的經驗總結，使用者學習定式走法可以快速提升棋力），低水平的AI很難在區域性中下出最優解，而人可以通過學習高手的棋譜快速掌握區域性最佳下法，即使人的水平並沒有達到提出該定式的圍棋高手水平。上述問題的根源在於AI與人的學習路徑大相徑庭，難以直接移植。
考慮到以上問題後，圍棋AI團隊做了以下工作：
• 棄用top-n隨機抽樣的落子策略，使用AI引擎的policy輸出，按概率取樣。保證了AI招法邏輯性、連貫性。
• 在不同手數階段，結合勝率和目差資訊，呼叫不用的AI模型。保證AI在不同階段的水平表現相近。
• 結合教學內容，實現AI模型和定式模板的混合輸出。鞏固使用者學到的定式知識。
4.2 覆盤
覆盤指對局完畢後，復演該盤棋的記錄，以檢查對局中招法的優劣與得失關鍵。一般用以自學，或請高手給予指導分析。下圍棋的高手都有覆盤的習慣。覆盤就是每次博弈結束以後，雙方棋手把剛才的對局再重複一遍，這樣可以有效地加深對這盤對弈的印象，也可以找出雙方攻守的漏洞，是提高自己水平的好方法。在有道縱橫產品中，AI承擔了覆盤老師的角色。
一些其他方案中，AI覆盤主要是展示整局棋的勝率或目差曲線、AI的推薦變化圖、以及一些基礎的統計資料，這些內容更適合專業的使用者，專業使用者的需求在於快速定位自己下的不好的棋，然後根據AI提供的變化圖等推理AI的落子邏輯，此類使用者僅根據圍棋AI引擎的原始資料就可以完成自我學習。
但是當使用者群體定位到少兒時，上述的解決方案效果就會大打折扣，少兒使用者很難理解統計資料背後的意義，同時對AI提供的變化圖的邏輯缺乏分析能力，甚至注意力很難集中在變化圖上，僅關注整局棋的勝率、目差的變化。此外，其他方案採用的覆盤使用的GPU資源消耗很大，有的使用者甚至需要半天時間才能拿到對局的覆盤結果。
考慮到以上問題後，圍棋AI團隊做了以下工作：• 引入語音組的TTS技術，將覆盤結果翻譯成少兒使用者易於接受的文案，提升使用者的注意力。
• 效能優化，在少兒使用者的使用場景中，使用者並不需要高算力AI產生的覆盤結果，我們指定了根據局面的複雜程度分配算力的方案。
• 結合使用者以往的覆盤記錄，刻畫使用者的圍棋水平，形成長期的學情報告。
5 總結與展望
目前圍棋AI的技術主要集中於提升AI水平上，這固然為專業使用者自我訓練提供了極大的便利，但由於高水平AI背後的行棋邏輯較為高深，當圍棋AI為少兒使用者提供服務時，少兒使用者很難直接從高水平AI獲取知識。
接下來我們希望可以在人機對弈場景中，為使用者提供水平更合適、邏輯更連貫的AI陪練；在覆盤場景中，為使用者提供更清晰易懂的覆盤報告。