? ? ?谷歌圍棋人工智能AlphaGo今天與韓國棋手李世石的人機圍棋大戰(zhàn)塵埃落定，AlphaGo拿下最后一場，將總比分定格在4:1。雙方聯(lián)手為世人貢獻了五場精彩絕倫的圍棋比賽，比賽結(jié)束了，而相關(guān)的話題討論才剛剛進入高潮。

關(guān)注

其實人們最關(guān)注的話題集中在以AlphaGo代表的人工智能是否會取代人類上，AlphaGo之父、DeepMind聯(lián)合創(chuàng)始人德米斯·哈薩比斯表示，圍棋是一種"完全信息博弈"，比賽雙方所有信息都呈現(xiàn)在棋盤上。而例如撲克和電腦游戲等由多人參與的對戰(zhàn)游戲是"不完全信息博弈"，計算機無法獲知所有信息，目前這些領(lǐng)域?qū)θ斯ぶ悄軄碚f還存在困難。另外，對DeepMind來說，他們研發(fā)AlphaGo的最終目標指向為智能手機助手、醫(yī)療健康和機器人，只是目前先在圍棋領(lǐng)域測試系統(tǒng)，達到檢測其學(xué)習(xí)能力算法的目的。所以大可不必過于驚慌，將此番圍棋較量上升至保衛(wèi)"人類智慧最后一塊高地"的地步。

哈薩比斯稱，人工智能的下一步目標是讓計算機自己學(xué)棋。也就是說，下個版本的AlphaGo將從零開始，不接受人類的灌輸?shù)奶囟ㄖR，做到真正的自主學(xué)習(xí)。

回顧：

人機大戰(zhàn)首局：李世石中盤認輸

北京時間3月9日，李世石執(zhí)黑先行，為打亂電腦布局采用新走法，AlphaGo應(yīng)對不佳，出現(xiàn)失誤。在中盤階段的勝負關(guān)鍵時期，AlphaGo下法變得強硬，雙方展開接觸戰(zhàn)。李世石圍住一塊大空，在大局上搶得先機。隨后李世石卻放出了非常業(yè)余的手法，瞬間使微弱的優(yōu)勢化為烏有，進入官子，AlphaGo根本不犯一點錯誤，著著精準，李世石算清后投子認輸。

人機大戰(zhàn)次局：李世石完敗

北京時間3月10日，?AlphaGo執(zhí)黑先行，李世石轉(zhuǎn)變行棋風(fēng)格，開局下得非常穩(wěn)健。AlphaGo也下出了不少新手，這讓李世石應(yīng)對得非常謹慎，黑37和41兩步尖沖令人匪夷所思，尤其是第41手，致目數(shù)大虧。中盤階段，本來形勢占優(yōu)的李世石行棋過緩，右上角的一步二路打拔被視作敗手，AlphaGo的優(yōu)勢逐漸清晰起來。在形勢陷入被動的情況下，李世石下出一手扳的好棋，但幾次轉(zhuǎn)換后，黑棋還是牢牢守住了領(lǐng)先的局面，而且棋形很厚。李世石無力改變，AlphaGo執(zhí)黑獲勝且優(yōu)勢明顯，總比分2-0領(lǐng)先。

人機大戰(zhàn)第三局：李世石破釜沉舟未果

北京時間3月12日，李世石執(zhí)黑先行，布局階段，李世石左下掛角后走高中國流。行不到二十手，李世石局面就落入下風(fēng)。隨后，雙方在左上角展開戰(zhàn)斗，AlphaGo對全局的把握一如既往地強大。李世石不但自己的模樣被對手輕松打入，AlphaGo還借助戰(zhàn)斗在下邊圍起一大塊空，局面看上去還不如前兩盤好看。隨后的比賽，雖然李世石仍然極力抵抗，并且祭出劫爭的手段，但是電腦精確應(yīng)對，讓他無功而返，只有投子認負。

人機大戰(zhàn)第四局：李世石祭出"神之一手"獲首勝

北京時間3月13日，李世石祭出白78"挖"妙手，?AlphaGo被李世石的"神之一手"下得陷入混亂，走出了黑93一步常理上的廢棋，導(dǎo)致棋盤右側(cè)一大片黑子"全死"。?此后，"阿爾法圍棋"判斷局面對自己不利，每步耗時明顯增長，更首次被李世石拖入讀秒。最終，李世石冷靜收官鎖定勝局。

人機大戰(zhàn)第五局：李世石執(zhí)黑280手認負

在上局比賽扳回一城后，李世石向AlphaGo團隊提出要在末戰(zhàn)中執(zhí)黑，因為他覺得AlphaGo執(zhí)黑時發(fā)揮并不完美，戰(zhàn)勝執(zhí)白的AlphaGo才更有意義。執(zhí)黑的李世石選擇了穩(wěn)健的錯小目、無憂角開局，AlphaGo則以二連星應(yīng)對。李世石和79和81手連出緩手，被視為敗招。AlphaGo82靠也并非好的應(yīng)手，一波錯進錯出后，黑棋在87和89手再出緩手，致使白棋左上角的圍剿更加有力，黑棋形勢瞬間坍塌。此后，占據(jù)優(yōu)勢的AlphaGo展現(xiàn)了它強大的中后盤計算能力，鮮有失誤，落子效率極高。不過李世石也并未放棄，連續(xù)走出強硬應(yīng)手，可惜棋盤下得越來越小，難再覓逆轉(zhuǎn)機會。第280手，李世石投子認負。

AlphaGo原理

在人機大戰(zhàn)開始前，職業(yè)棋手們幾乎一邊倒地傾向于李世石。就連這個性格執(zhí)拗、棋風(fēng)兇悍的韓國人也認為5比0不成問題，只是在開賽前了解到AlphaGo自我學(xué)習(xí)的原理后，才略有擔(dān)心。其實在科技界人士看來，代表人工智能頂尖水準的AlphaGo勝出同樣是大概率的事情。

傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹?，但這種方法對圍棋并不適用。AlphaGo則是將高級搜索樹與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起，這些神經(jīng)網(wǎng)絡(luò)通過12個處理層傳遞對棋盤的描述，處理層則包含數(shù)百萬個類似于神經(jīng)的連接點。

其中一個神經(jīng)網(wǎng)絡(luò)"決策網(wǎng)絡(luò)"(policy?network)負責(zé)選擇下一步走法，另一個神經(jīng)網(wǎng)絡(luò)"值網(wǎng)絡(luò)"("value?network)則預(yù)測比賽勝利方。谷歌方面用人類圍棋高手的三千萬步圍棋走法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，與此同時，AlphaGo也自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò)之間運行了數(shù)千局圍棋，利用反復(fù)試驗調(diào)整連接點，這個流程也稱為鞏固學(xué)習(xí)(reinforcement?learning)。通過廣泛使用Google云平臺，完成了大量研究工作。

AlphaGo在與人的對弈中用了"兩個大腦"來解決問題："決策網(wǎng)絡(luò)"和"值網(wǎng)絡(luò)"。通俗來說就是，一個大腦用來決策當(dāng)前應(yīng)該如何落子，另一個大腦來預(yù)測比賽最終的勝利方。

值得一提的是，李世石也是第一次與機器對戰(zhàn)，所以他無法像和人類對戰(zhàn)那樣，先研究對方的棋譜和下棋風(fēng)格。李世石所能做的就是和自己對弈。AlphaGo也是通過這種方式鍛煉自己，真正做到了"人工智能"。

聲音：

"這是我的失敗，'阿爾法圍棋'很強大。但這不代表了人類棋手的失敗，更不代表圍棋的失敗。"–李世石九段

"棋道一百，我只知七。"–日本棋圣藤澤秀行九段

"AlphaGo就像是好萊塢影片《侏羅紀世界》里，人類暗中研究培育的那頭變異暴龍。"–上海知名圍棋教練夏勝浩

"職業(yè)棋手已經(jīng)接受競技角度上，AI超越人類的現(xiàn)實。但從思維方式上，AlphaGo會對棋手有更多幫助，局部方面的對抗，大局觀的把控。"–上海棋院副院長劉世振

"人機大戰(zhàn)的勝利者依舊是人類，人類制造了AlphaGo，這次比賽預(yù)估也將讓歐美的圍棋普及度增加5倍。"–韓國棋院院長洪錫炫

"世界上真正的挑戰(zhàn)不是'人類對機器'，而是人類利用機器與那些全球性難題之間的對決。'阿爾法圍棋'對人工智能的發(fā)展和人類的發(fā)展都是積極的一步，今后它的水平還可能應(yīng)用到醫(yī)療等其他領(lǐng)域，更好地造福人類。"–谷歌CEO桑達-皮查

“這絕不是圍棋的終點，而是一個新的起點！我們正處在最好的時代，一個激動人心的科技發(fā)展的時代。人工智能、機器人、深度學(xué)習(xí)、VR虛擬現(xiàn)實這些將代表未來科技發(fā)展方向的事物我們都還在探索，云和數(shù)據(jù)現(xiàn)在正在主攻VR虛擬現(xiàn)實領(lǐng)域?！薄坪蛿?shù)據(jù)CEO郭凱

?

網(wǎng)友吐槽：

看了前三局本來想給孩子報個圍棋班呢，第四局看完，得，還是給送到云和學(xué)院學(xué)編程吧！–云和小編阿凡

我估摸著把李世石拆了，會發(fā)現(xiàn)有個阿爾法狗beta版本趴在里面–云和數(shù)據(jù)某程序員一

李世石連輸5局氣急敗壞地砸開電腦，發(fā)現(xiàn)柯潔趴在機箱里–云和數(shù)據(jù)某程序員二

啊~啊~啊~九段，你比八段多一段；啊~啊~啊~九段，你比十段少一段；終于有一天，阿法狗來挑戰(zhàn)，連輸三盤怎么辦，只好拔插線板~要是再輸怎么辦，要么麻將來兩盤~–麻將哥哥

我腳得，大殺器是這樣的：下著下著，李世石從棋盤上拿起一粒棋子，"啪"的一聲拍在棋盤另一個位置，大喊一聲"將軍"?，然后，阿法狗就當(dāng)機了…–象棋弟弟

我去都3.15了啊，阿爾法狗的產(chǎn)品質(zhì)量問題有沒有人能關(guān)注下？–打假達人

"我叫李世石，我是一名來自韓國的棋手，今天早上出門前我在網(wǎng)上各大投注點用盡家財下了巨額賭注買我自己輸，我想，這就是人類比人工智能強的地方。"–某直播員