人工智能打败围棋冠军-围棋人工智能打败世界冠军的工作原理歌

战胜围棋世界冠军的人工智能的工作原理

歌作为世界上最好的 AI 公司之一，其实已经做了类似的探索，那就是阿尔法围棋（AlphaGo）。作为第一个战胜围棋世界冠军的人工智能机器人，AlphaGo 由谷歌旗下 DeepMind 公司戴密斯·哈萨比斯（Demis Hassabis）领衔的团队开发，其主要工作原理正是 “深度学习”。

人工智能战胜人类围棋冠军

是阿尔法狗。战胜的人类。

围棋人工智能打败世界冠军

是电脑人工智能阿尔法机器人

人工智能围棋战胜人类

人工智能击败围棋顶尖高手，在棋界没在引起强烈震动，显现了对这个事件的极大重视人工智能打败围棋冠军，原因或许有一下几个方面:

一是，我国是文明古国，历史以来琴棋书画被崇尚，围棋被视为棋类里的阳春白雪，集智慧和艺术之大成，无数人痴迷热爱。简单的讲围棋的地位崇高。

二是，人工智能这一现代前沿科技，虽然只有几十年的历史，但是在它发展的历程中，始终用能否会下棋，会下什么棋作为一种检验方式，比较近的是1997年“深蓝”战胜国际象棋世界冠军卡斯帕罗夫，当时震惊全世界。惊呼“人类的尊严不再”、“攻克人类智慧的堡垒“。仿佛人工智能欲将统治人类的日子就要来临。可见，人们对在棋上输给机器是何等的关注！

三是，围棋在如今流行的几大棋类中是最为复杂的，据说变化有10的170次方之多，比宇宙中的原子数目还要多。如此复杂的变化过去人类总是以为只有自己才能应对，阿尔法狗战胜围棋世界冠军时人们是难以理解和接受的。

四是，人们的认识产生了矛盾。如今最为先进阿尔法零，已经不需要人类的任何经验只根据规则学会围棋、国际象棋、日本将棋，并轻松战胜之前任何的棋软，人类棋手望尘莫及。机器没有智能，却成为了人类的老师。

总之，人们的惊诧与不解，让人们不得不严重关注。

赢过人工智能的围棋手

围棋曾被视为

“可以抵挡电脑进攻的最后阵地”

围棋与芯片成为新一期英国《自然》杂志的封面，因为一个名为alphago的电脑程序战胜了围棋欧洲冠军，这是第一次有电脑程序能在不让子的情况下，在完整的围棋竞赛中击败专业选手。

据英国《自然》杂志网站1月27日发布的最新一期学术论文，2015年10月，谷歌公司下属的“深度思维”公司开发的alphago电脑程序在英国伦敦以5比0的战绩打败了三届欧洲围棋冠军、前中国职业棋手樊麾。由于论文评审的保密流程，对局详情刚刚被刊登出来。

其实，早在1997年ibm公司研发的超级电脑“深蓝”就战胜了国际象棋世界冠军卡斯帕罗夫。这场胜利，拉开了在棋类竞技比赛中电脑向人脑叫板的序幕。2006年，中国象棋也宣告沦陷。在“浪潮杯”人机大战中，电脑“浪潮天梭”战胜中国象棋特级大师柳大华等人。

不过，果壳网署名“开明”的文章中还是用“人类最后的智力骄傲即将崩塌”来渲染这一次alphago的战绩，这是因为，很多人都把围棋视为“可以抵挡电脑进攻的最后阵地”。此前一些观点称，至少还要10年甚至100年人工智能才能战胜围棋职业棋手。

计算围棋，确实比国际象棋和中国象棋都要困难得多。“围棋具有巨大的状态空间复杂度和博弈树复杂度，又在本质上无法做准确的静态盘面评估”，这使得即使采样样本足够大，也有力所不逮之处。北京邮电大学教授、计算机围棋研究所所长刘知青用以下一组数据来说明：从状态空间复杂度（用于搜索）来看，围棋是10172，中国象棋和国际象棋分别只有1048、1046；从博弈树复杂度（用于决策）来看，围棋是10300，中国象棋和国际象棋则分别只有10150、10123。

另一重复杂，是围棋落子选点无法验证。一手棋有多大价值，数学证明，或搜索验证，都难以胜任。“分析围棋棋子位置，数目的多少，以及棋子之间的静态关系（例如影响函数），无法完整、准确地评判围棋棋子的作用和最终死活；围棋棋子的作用和最终死活必须由博弈的具体进程决定”。

简单而言，围棋的下法可能多达10的700次方，比全宇宙的原子数还多，而国际象棋的下法大约只有10的60次方。所以说，围棋这种源自中国的古老游戏更加“烧脑”。就在去年11月，在北京举行的“美林谷杯”计算机围棋锦标赛上获得冠军的程序“石子旋风”，在人机大战中仍然不敌人类职业棋手。所以，尽管alphago此次完胜的对手并非职业顶尖棋手，中国围棋队总教练余斌九段仍感觉“吃惊”。以往认为，计算机围棋“100年都不会有突破”的他，从中看到“关键的突破点已被找到”。

人类也下不过电脑了

让电脑学会下

到底有多难？

以往的下棋电脑程序都是运用传统的智能运算方法，即对所有可能的落子位置建立搜索树，但这种方法在对付围棋时就失灵了。“无论如何，枚举所有情况的方法都是不可行的”，所以研究者们祭出了终极杀器——“深度学习”（deeplearning）。这是目前人工智能领域中最热门的科目，它能完成笔迹识别、面部识别、驾驶自动汽车、自然语言处理、识别声音、分析生物信息数据等非常复杂的任务。

据专家介绍，alphago应用的是目前人工智能领域最热门的卷积神经网络技术，能模拟人脑神经元，具有深度学习、主动识别、自适应等功能，在图像处理方面异常强大。其核心成功应用了两种深度神经网络：“策略网络”（policynetwork）和“价值网络”（valuenetwork）。

“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。这样就可以将盘面落子选点从几百、几十个大大缩减为三五个，逐渐接近职业棋手；

“价值网络”则负责减少搜索的深度——ai会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑后者。这也是最难的，在盘面形势判断上，通过职业棋手棋谱的验证、筛选，给出下一步的预判，这比以往基于海量数据的“蒙特卡洛树搜索”（未加任何验证）对职业棋手盘面符合率达到40%—50%要好很多。

这两种网络合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋手所做的一样。这样alphago在分析了比如未来20步的情况下，就能判断在哪里下子赢的概率会高。

谷歌公司说：“我们用人类职业棋手的3000万步下法来训练‘神经网络系统’，直到它能以57%的准确率预测职业棋手的下一步走法。”

值得一提的是，人类在下棋时有一个劣势，在长时间比赛后，他们会犯错，但机器不会。而且人类或许一年能玩1000局，但机器一天就能玩100万局。所以alphago只要经过了足够的训练，就能击败所有的人类选手。

人工智能会迈出

真正挑战人类的“关键一步”吗？

alphago这个名称由两部分组成，alpha对应希腊语的第一个字母，有“首要、关键”的意思；go来自日语对围棋的称呼，在英语中也有“行走、前进”的意思。因此，alphago也许可以意译为“关键一步”。

接下来alphago将在今年3月挑战韩国棋手李世石。李世石曾多次赢得围棋世界冠军，所以这场大赛，被视为是电脑与人脑竞技大战中的“关键一步”。“这是第一次有电脑在公平规则下挑战人类顶级职业围棋手，我很荣幸成为这名棋手，”李世石说，“无论结果如何，都将是围棋历史上意义重大的事件。”

如果电脑赢了，一个科幻般的念头可能会浮上许多人的心头。既然在棋类游戏中人类已经没法阻止电脑，那么未来是否真会像《终结者》、《黑客帝国》等电影里那样，出现电脑满世界追着人类打的场景？如果李世石赢了，人们心中也不会太轻松。毕竟许多人认为还要过很多年才会发生的事情，已经逼近到眼前。电脑更新换代的速度有目共睹人工智能打败围棋冠军，谁知道人类还能阻挡它们多久？

在人工智能领域，还有另一个著名的关卡是“图灵测试”。这种由著名计算机科学家图灵提出的测试，是让电脑模仿人类与人类裁判“对话”，如果成功诱使人类裁判认为与之对话的是人，则通过测试。2014年，在英国皇家学会于伦敦举行的“图灵测试”竞赛上，一台名为“尤金·古兹曼”的电脑通过了测试。

电脑在与人脑的大战中不断过关斩将，但它们目前还面临一个限制，那就是还不会将其智能“通用化”。“深度思维”首席执行官德米什·哈萨比斯说，alphago目前只会下围棋，如何将这种智能用于其他领域还是一个挑战。如果电脑能够突破这个限制，无疑会将人工智能带入一个新的境界。

在推动人工智能发展的过程中，人类如何在伦理上“控制”电脑也是一个挑战。如一些科幻电影描述的那样，许多人担心人工智能的发展可能会带来灾难，著名科学家霍金就曾表示人工智能可能会导致人类灭绝。因此，科学家也需要注意让人工智能不会迈出真正挑战人类的“关键一步”

人工智能击败围棋冠军

1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国际象棋AI。欧美的智力骄傲被狠狠地碾压，想想都要哭晕在厕所。

另一边，围棋AI长期以来举步维艰，顶级AI甚至不能打败稍强的业余选手。这也很正常，国际象棋中，平均每回合只有35种可能，一盘棋只有80回合；围棋每回合有250种可能，一盘棋可以长达150回合。这都不是数学能解决的，有一个叫“策略”。说白了，就是套路。人心犹如海底针，岂是一个凡俗机器人能懂的？