3月9日下午，谷歌AlphaGo在人機對戰(zhàn)的第一盤戰(zhàn)勝李世石。雖然李世石賽前曾經(jīng)表示，人工智能擊敗人類長期來看將是不可避免的事，但這次他將堅決為捍衛(wèi)人類尊嚴而戰(zhàn)。但是他還是出現(xiàn)了幾個失誤，輸給了AlphaGo。
 

2016年1月，國際頂尖期刊《自然》曾經(jīng)報道了谷歌研究開發(fā)的名為AlphaGo的人工智能電腦，這款人工智能于去年10月以5比0完勝歐洲圍棋冠軍、職業(yè)二段樊麾。

當谷歌旗下的DeepMind公司宣布邀請韓國著名職業(yè)九段棋手李世石五局比賽的時候。大多數(shù)人并不看好AlphaGo，包括中國古力，聶衛(wèi)平和目前第一高手柯杰，很多人都預測AlphaGo會0比5輸。而第一局是李世石輸了。

雖然，李世石有幾個明顯失誤，但是AlphaGo所表現(xiàn)出來的戰(zhàn)斗力遠不是1月份的水平，為何高手紛紛走眼？AlphaGo為何表現(xiàn)出比1月份強出若干倍的戰(zhàn)斗力呢？這得從AlphaGo是什么說起。

一、AlphaGo牛在哪？

AlphaGo 是什么？在今年一月的Nature上有AlphaGo的詳細介紹，AlphaGo是一套為了圍棋優(yōu)化的設計周密的深度學習引擎，使用了神經(jīng)網(wǎng)路加上 MCTS (Monte Carlo tree search），并且用上了巨大的谷歌云計算資源，使用了GPU的通用計算能力。

AlphaGo 的特點在于充分利用現(xiàn)在的機器學習技術，可擴張的架構，它不僅僅是用一臺超級計算機，而是可以利用谷歌龐大的計算資源來做這個深度學習，提升學習能力。谷歌提供了15-20名世界頂級的計算機科學家和機器學習專家和全世界最龐大的谷歌后臺計算平臺，看看能把圍棋這種高難度的人類游戲項目做到什么高度？

圍棋是相當感性的項目，它不像象棋每個子都有價值計算，目標明確就是將死對方的王，不被對方將死。圍棋的形好壞是相當感性的東西。對優(yōu)劣的判斷也不是純計算的結果。

而且，圍棋的棋盤太大，手數(shù)太多，五子棋的復雜度是10的28次冪，國際象棋是10的46次冪，而圍棋因為棋盤大，復雜度是10的172次冪。復雜度越高，對計算能力的要求就越高，所以圍棋計算機程序的水平一直無法與人類高手相比。

所以，雖然從1997年以來，計算機性能遵照摩爾定律一直在飛速增長，超級計算機每年性能都刷新紀錄，但是要挑戰(zhàn)圍棋這種復雜游戲的人類高手，要到2016年才開始。

AlphaGo雖然有谷歌的龐大計算資源，雖然有GPU通用計算能力。但是它也算不了圍棋這種超高復雜度的游戲，不能像簡單的棋一樣把每一步算清楚。

所以AlphaGo綜合了各種人工智能的成果，首先通過深度學習引擎，AlphaGo搞來人類的數(shù)千萬盤對局，學習人類高手的招數(shù)，來選擇每一步可能下的幾個點。

這個深度學習是可以不斷進化的，學習過的越多，選點的水平就越高，而在選擇了有限的點之后，就可以用MCTS (Monte Carlo tree search）來算下去了，求出最優(yōu)解。

當然，圍棋的棋盤太大，手數(shù)太多，即使是選擇有限的點，計算量也無法承受，所以AlphaGo又對棋盤分了區(qū)，算局部而整體。

以前結合深度學習和運算能力，配上谷歌龐大的計算資源加以訓練（深度學習是可以自己與自己下棋不斷提高的）AlphaGo的水平就超越了以前的圍棋AI，可以挑戰(zhàn)職業(yè)棋手了。

二、為何高手會看錯

在對局前，從李世石自己到中國高手們，對AlphaGo都是不屑一顧的，因為它們看到的是AlphaGo對樊麾的棋譜，這個棋譜的水平只是贏了，并沒有高到那里。所以高手們認為AlphaGo不堪一擊。

而事實上，AlphaGo是根據(jù)對手的每一步棋在選擇，只要贏的概率大，AlphaGo不會像人類一樣走追求完美的棋，所以AlphaGo被低估了。

而AlphaGo的深度學習能力是可以不斷強化的，人類的棋譜可以輸入，機器可以不斷的自我對局來積累經(jīng)驗，選擇最佳點。求最優(yōu)解的計算也可以積累。所以AlphaGo的進步實際上是非常非?？斓?，而且會越來越快。

如同谷歌工程師所說，李世石一年最多下一千盤，而計算機可以一天一百萬盤，而且每一盤的經(jīng)驗和計算都可以儲存積累。

所以3月份的AlphaGo與1月份的AlphaGo也有了非常大的不同。高手們看到第一盤的棋譜，紛紛認為自己走了眼。中國棋院的一些高手對AlphaGo的認識從職業(yè)初段的水平提升到職業(yè)五六段，而圍棋第一人柯杰的評價更高，他表示自己也只有六成勝算。

AlphaGo以前的棋譜不能代表其極限水平，它是遇強更強的，另外AlphaGo的進步速度也遠超人類，所以AlphaGo超越人類高手也許很快就可以做到。

三、人類還有機會嗎？

其實，以圍棋的復雜程度，現(xiàn)在計算機雖然用上GPU通用計算，用上了分布式計算，依然沒有計算清楚圍棋所有的變化。

所以，圍棋還要深度學習模擬人類選擇點，還要用棋盤分區(qū)來減輕計算量，在布局和中盤，計算機由于時間和運算能力限制并非能拿出最優(yōu)解。

因為深度學習選擇的點未必是最優(yōu)的，而靠MCTS 完全計算清楚再有時間限制的情況下也很困難。
但是到了最后的宮子階段，計算量大大減少，AlphaGo可以完全算清楚，讓每一步都是最優(yōu)解。人類最多也是與之平手。

所以AlphaGo至少在目前還不是不可戰(zhàn)勝，在開局和中盤，人類還是有機會領先的，在宮子階段可以與之戰(zhàn)成平手。實際上1月份二段水平的樊麾也贏了兩局快棋。

但是，由于AlphaGo強大的深度學習能力，其深度學習后選擇點的能力會越來越高，它也會越來越難戰(zhàn)勝。

而今后若干年，隨著計算機能力的再擴充，AlphaGo有可能通過MCTS把圍棋每一步都計算清楚，那個時候圍棋這個運動的意義就不大了。

四、AlphaGo的意義

圍棋本來認為是無法算清的，至少現(xiàn)在的計算能力不行，而AlphaGo把人類感性的東西，通過計算機龐大的計算能力和高水平的人工智能程序來解釋，通過機器的自我學習來提升，這是很有意義的。

AlphaGo里面的深度學習、神經(jīng)網(wǎng)絡、MCTS，和AlphaGo的擴張能力計算能力都是通用的技術。AlphaGo今天要進入一個新的應用領域，用AlphaGo的底層技術和AlphaGo的團隊，應該可以更快更有效地開發(fā)出解決方案。

AlphaGo如果有朝一日在圍棋上擊敗頂級的人類智能，那么這種學習能力用于其他難以精確計算而依靠人類經(jīng)驗判斷的領域，也會擊敗人類。

要知道，現(xiàn)在傳感器實際上有遠遠優(yōu)于人類的感知能力，如果計算機對非精確描述的事物學習能力也超過人類，那么人類真的就可以被替代了。

無人駕駛是小菜一碟，人類能學會的，計算機都可以學會，而且學得更好，那么人類的所有的技能與經(jīng)驗就全部變成可替代的了，包括編程。計算機可以自我發(fā)展，完成各種功能，人類的各種勞動都可以解放了。

計算機具備了深度學習能力以后，人類的所有勞動都可以被替代。工廠是無人的，車輛是無人的，飛機是無人的，飯店服務員是機器人，名廚是一臺自動烹調的機器， 人類只復雜在機器故障或者失靈時候，做人為的干預與檢修。而機器給人創(chuàng)造的財富幾乎沒有上限，只取決于自然資源的多少。
這個世界聽上去似乎很熟悉，沒錯，天網(wǎng)就在不遠的將來。

（來源：百略網(wǎng)    作者：maomaobear[投稿百略網(wǎng)]    原文鏈接：http://www.ibailve.com/show/6-4547-1.html）