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(yán)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(dāng)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(yù)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(yuǎn)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(xì)介紹，AlphaGo是一套為了圍棋優(yōu)化的設(shè)計周密的深度學(xué)習(xí)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(xué)習(xí)技術(shù)，可擴張的架構(gòu)，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(xué)習(xí)，提升學(xué)習(xí)能力。谷歌提供了15-20名世界頂級的計算機科學(xué)家和機器學(xué)習(xí)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(dāng)感性的項目，它不像象棋每個子都有價值計算，目標(biāo)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(dāng)感性的東西。對優(yōu)劣的判斷也不是純計算的結(jié)果。

而且，圍棋的棋盤太大，手?jǐn)?shù)太多，五子棋的復(fù)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(fù)雜度是10的172次冪。復(fù)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(jì)錄，但是要挑戰(zhàn)圍棋這種復(fù)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(fù)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(xué)習(xí)引擎，AlphaGo搞來人類的數(shù)千萬盤對局，學(xué)習(xí)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(xué)習(xí)是可以不斷進化的，學(xué)習(xí)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(dāng)然，圍棋的棋盤太大，手?jǐn)?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(jié)合深度學(xué)習(xí)和運算能力，配上谷歌龐大的計算資源加以訓(xùn)練（深度學(xué)習(xí)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(rèn)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(xué)習(xí)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(rèn)為自己走了眼。中國棋院的一些高手對AlphaGo的認(rèn)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(yuǎn)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(fù)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(xué)習(xí)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(xué)習(xí)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(lǐng)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(xué)習(xí)能力，其深度學(xué)習(xí)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(rèn)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(xué)習(xí)來提升，這是很有意義的。

AlphaGo里面的深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、MCTS，和AlphaGo的擴張能力計算能力都是通用的技術(shù)。AlphaGo今天要進入一個新的應(yīng)用領(lǐng)域，用AlphaGo的底層技術(shù)和AlphaGo的團隊，應(yīng)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(xué)習(xí)能力用于其他難以精確計算而依靠人類經(jīng)驗判斷的領(lǐng)域，也會擊敗人類。

要知道，現(xiàn)在傳感器實際上有遠(yuǎn)遠(yuǎn)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(xué)習(xí)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(xué)會的，計算機都可以學(xué)會，而且學(xué)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(xué)習(xí)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(wù)員是機器人，名廚是一臺自動烹調(diào)的機器， 人類只復(fù)雜在機器故障或者失靈時候，做人為的干預(yù)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(yuǎn)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）