2016年3月9日可能會成為寫入人類史冊的一天——持續(xù)五天的谷歌AlphaGo大戰(zhàn)李世石開始，一場世界上最會下圍棋的人與人工智能的超級對弈，被全人類通過網(wǎng)絡(luò)直播共同圍觀。

在賽前，圍棋界和科學界的很多人都對這場比賽做了預(yù)測。谷歌對自己開發(fā)的機器人信心很足，聲稱根據(jù)電腦計算的結(jié)果，李世石打敗“阿爾法狗”的概率為0。而圍棋界則多數(shù)站在李世石這一邊，中國棋圣聶衛(wèi)平認為李世石敗北是不可能的事情。

就在這第一場比賽中，李世石在前期優(yōu)勢的情況下不敵“阿爾法狗”，并在終局宣告認輸。而在賽前，李世石曾自信表示自己能夠贏滿5盤。所以說flag不要亂立。AlphaGO 到底是何方神圣？竟強到讓圍棋一代天驕李世石九段敗下陣來？

簡單介紹一下，谷歌AlphaGo是什么？作為一種人工智能的AlphaGo，和IBM 在上個世紀打敗國際象棋大師卡斯帕羅夫的深藍超級計算機，以及當代的蘋果Siri、Google Now有著顯著的區(qū)別。要解讀AlphaGo，首先我們需要了解AlphaGo背后到底是一個什么東西。其實谷歌AlphaGo背后是一套神經(jīng)網(wǎng)絡(luò)系統(tǒng)，由 Google 2014 年收購的英國人工智能公司 DeepMind 開發(fā)。這個系統(tǒng)和深藍不同，不是一臺超級計算機，而是一個由許多個數(shù)據(jù)中心作為節(jié)點相連，每個節(jié)點內(nèi)有著多臺超級計算機的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。就像人腦，是由 50-100 億個神經(jīng)元所組成的，這也是為什么這種機器學習架構(gòu)被稱為神經(jīng)網(wǎng)絡(luò)。

AlphaGo 是在這個神經(jīng)網(wǎng)絡(luò)系統(tǒng)上，專為下圍棋 （Go） 而開發(fā)出的一個實例。然而，雖然名字已經(jīng)介紹了它的功能，AlphaGo 背后的神經(jīng)網(wǎng)絡(luò)系統(tǒng)卻適合用于任何智力競技類項目。

其實“Master”的棋手就是AlphaGo的升級版

1月5日消息，谷歌DeepMind開發(fā)的AI在圍棋棋盤上戰(zhàn)勝韓國世界冠軍之后再度重返，2016年12月29日至2017年1月4日，谷歌AlphaGo的升級版本以Master為名，在弈城圍棋網(wǎng)和野狐圍棋網(wǎng)的快棋比賽中對人類最高水平的選手取得了60:0的壓倒戰(zhàn)績，再次讓人們對圍棋AI的實力感到震驚。5日早些時候，谷歌DeepMind創(chuàng)始人丹米斯·哈撒比斯（Demis Hassabis）在Twitter發(fā)布消息，證實升級版AlphaGo在網(wǎng)上與真人對決。

哈撒比斯寫道：“在過去幾天里，我們在網(wǎng)上進行了一些非正式圍棋比賽，對局以快棋的形式進行……我們的目的只是為了查看系統(tǒng)是否如預(yù)期一樣好。”他 還說：“感謝那些在弈城圍棋網(wǎng)和野狐圍棋網(wǎng)與我們對弈的棋手，我們的賬號是Magister（P） 和Master（P），我們還要感謝那些觀戰(zhàn)的人。”

之前許多人都在猜測這位圍棋高手是誰，大家都不確定，有人懷疑它是電腦。中國棋手古力懸賞10萬元，尋找可以打敗“Master”的棋手。

DeepMind發(fā)布的消息顯示，非正式測試可能已經(jīng)結(jié)束，今年晚些時候，AlphaGo將會參加一些正式比賽。

一直以來，我們都在努力改進AlphaGo，在過去幾天里，我們進行了一些非正式網(wǎng)上比賽，對局以快棋的形式進行，參加比賽的是最新開發(fā)的原型版系 統(tǒng)，進行網(wǎng)上對決只是為了檢查系統(tǒng)，看它是不是和預(yù)料的一樣好。感謝那些在弈城圍棋網(wǎng)和野狐圍棋網(wǎng)與我們對弈的棋手，我們的賬號是Magister（P） 和Master（P），我們還要感謝那些觀戰(zhàn)的人。

新版AlphaGo在比賽中下出了一些富有創(chuàng)意、非常漂亮的棋步，我們和圍棋社區(qū)從中學到了許多東西，對此我們感到很興奮，結(jié)果讓人滿意。

人工智能大家談：AI在圍棋界已再無對手，但并不證明在其他領(lǐng)域也是這樣

與AlphaGo對弈之后，棋手古力發(fā)帖稱：“人類與AI攜手合作，很快將會揭開圍棋的深層秘密。”現(xiàn)在我們的非正式測試已經(jīng)結(jié)束，今年我們準備與圍棋組織、專家合作，舉辦正式、完整的比賽，進一步探索圍棋的秘密，讓人類與AI互相啟迪，共同進步。很快我們就會公布更多消息。

Master目前一局未輸，是不是代表人工智能在圍棋界已再無對手？第四范式CEO戴文淵認為基本已成定局。戴文淵稱，機器學習的能力太強了，它是勤奮好學的不知疲倦的小孩，沒有人能維持這樣的強度，所以人類和機器的差距會越來越大?，F(xiàn)在想贏機器，需要頂尖高手戳中機器盲點這樣的黑天鵝事件才有可能。

對于Master是否是AlphaGo這個問題，戴文淵稱這個已經(jīng)不重要了。因為AlphaGo本身的技術(shù)已沒有什么秘密可言，只要有足夠的計算資源，然后按照AlphaGo的方式去訓練一個下圍棋的程序，最終都能實現(xiàn)這樣的高水平。戴文淵稱，技術(shù)其實不需要有特別大的突破，只需要按照原來的方式多訓練一段時間，就會比原來的AlphaGo更強。不過，雖然從技術(shù)上來說其它公司實現(xiàn)Master是可能的，但從成本上考慮，應(yīng)該不可能是個小公司，因為計算成本還是蠻高的。

對于Master在圍棋界大殺四方的舉動，出門問問CEO李志飛稱，我不知道（Master）是不是AlphoGo，但堅信所有的ArTIficial Games（人工游戲）最終機器都會大勝人類。AlphoGo是AI能力的很好demo，但是如果說AlphoGo贏了人類就代表AI智商超過人類完全是 無稽之談，比如說AlphaGo還完全沒有涉及到很多人的智商里的組成如自然語言理解和對話。

是不是在別的領(lǐng)域訓練出一個AlphaGo也在變得更容易？戴文淵認為并不是這樣的，“下棋這個的場景有著天然的優(yōu)勢，即每天機器只需要和自己下棋就夠了，不需要外界很多的輸入。類似的場景還有游戲 類競技領(lǐng)域，機器也只需要自己和自己不斷比賽練習就可以；還有開車、開飛機等現(xiàn)實場景，雖然其中會涉及成本問題但也只需要自己積累數(shù)據(jù)就可完成訓練。”戴文淵表示，在其他領(lǐng)域，比方說醫(yī)療領(lǐng)域，想訓練出AlphaGo的目標就很難實現(xiàn)，因為不是說機器想學習案例，就一定恰好有合適的足夠多的病例出現(xiàn)，這樣的場景需要外界給予足夠的輸入和配合。