1997 年，国际象棋特级大师加里·卡斯帕罗夫输给 IBM 开发的深蓝计算机围棋系统，从此人们相信，人工智能具有可塑性。就拿今年 Google AlphaGo 战胜韩国棋手李世石这件事来说，人工智能的智能程度就已经超乎了人类的想象。况且，Google 的人工智能团队也一直在不断增强 Deep Mind 的 AI 能力，除了让人工智能写诗、写小说、作曲，还教它玩起了益智游戏。

前不久，就有消息称中国围棋手柯洁年内将战 AlphaGo，但比赛还未真正开始，又有消息显示，柯洁被已 AlphaGo 反超，排名由世界第一降至第二。这一系列的事情似乎都在向人类表示，人工智能即将超越人类。

但围棋真的是人工智能训练的最佳工具吗？近日，国外一名来自赫特福德大学的人工智能教授 Daniel Polanl 发文表示，物理形式的足球训练才是人工智能训练真正的归属。

从桌面的围棋赛到物理形式的足球大战

对于人工智能来说，围棋已经足够成为一个任务艰巨的挑战项目。围棋比赛涉及到错综复杂的战术，比如对每一步棋子的走势进行预估和判断。基于大量棋局的训练，人工智能算法将能对一系列错误的走势进行评估。

而直到本世纪初，围棋人工智能程序的进展仍然不大，甚至还能被业余爱好者打败。到了 2006 年，蒙特卡罗算法（Monte Carlo tree search）的出现，以及人们对深度学习网络的重新探索，使得这一局势发生了改变。

得益于这些新技术的融入和整合，AlphaGo 得到了大量的改进，最终在今年 3 月份击败世界围棋冠军李世石。虽然胜局已定，人工智能的深度学习还在继续。

自 1997 年加里·卡斯帕罗夫战败后，科学界普遍认为，人工智能所要应对的挑战不应只是桌面上的脑力游戏，相反，它还需要以肢体的表现形式应对现实世界中的挑战——足球比赛就是一个很好的挑战方式。

踢足球对于人类来说并非难事，但在 1997 年，能有一个会行走的机器人，用两腿对足球进行控制，还要会在摔倒的时候爬起来，并且在球场上能与队友进行沟通……这些几乎是不可能的事情。因为在当时，只有极少数的实验室能够做出会行走的人形机器人。

机器人世界杯与足球人工智能训练

在索尼电脑科学研究所所长北野宏明（ Hiroaki Kitano ）和曼努埃拉·维罗索（Manuela Veloso）等人的倡导下，机器人足球世界杯（Robo Cup）比赛应运而生，其官方目标为：在 2050 年前，研发出一支能战胜人类的人形机器人足球队。

在机器人技术还不够发达的情况下，机器人世界杯一开始采用的是轮式机器人，并且仅在二维平面上进行简单的模拟比赛。但很快，后来的赛事引进了索尼的四足机器狗 AIBO（虽然并非是人形机器人，但相比轮式机器人已经是很大的飞跃）。

直到 2003 年，人形机器人球员才进入到了这场角逐中，但其起初的表现力也十分有限：几乎每位「足球运动员」都会出现双脚颤抖的问题，一旦被足球碰上，也极容易摔倒。

第 20 届机器人足球世界杯于今年 6 月底在莱比锡举行，在逐年的比赛中，这些人形机器人球员的性能得到了很大的改善，比如，其脚步的稳定性得到了增强，即使摔倒了也能迅速的爬起，机器人球员之间的沟通能力也有了显著的进步。

·2015 年机器人世界杯比赛视频

从去年的赛事开始，为了 2050 年的人机大战做准备，这些机器人球员的比赛环境已被做了修整：原本的绿色毛毯被人造草坪替代，球和门柱均采用白色。这对于机器人对目标的辨识能力和步伐的稳定性都具有一定的挑战。所以，在今年的比赛中，这些机器人球员的表现较去年的会稍逊色些。

·2016 年机器人世界杯比赛的视频

足球人工智能训练有多复杂？

目前，许多实验室有了属于自己的机器人球队，其中不少足球机器人的定位系统采用了与围棋机器人 AlphaGo 同样的蒙特卡洛算法。

据悉，围棋的点位高达 361（19*19），但其每个点位的坐标都是唯一确定的，并且在目前的可计算范围内。对于非平面运动的足球而言，没有离散的点以供定位，足球机器人要不停优化自己的动作，还需对位置坐标进行不断的细分。总的来说，这是一个三维空间内 22 名球员以及 1 只足球的运动定位问题。

另外，人工智能足球机器人在实际环境中还面临着更多的挑战：在跑动的过程，如何掌控好脚下的足球；在耀眼的阳光下，如何准确判断出足球的所在位置；在湿漉漉的草地上如何确保自身的稳定性；保证充足的电源，以完成长达 45 分钟的比赛；需要采用足够坚固的材料，不至于被撞碎…… 这其中都涉及到各种复杂的技术解决方案。

「机器人世界杯引发了我们对人工智能更多细微的思考。」Daniel Polanl 如是说。

本文内容采编自：Robohub