谷歌AlphaGo赢了李世石，然后呢？

　　昨天，谷歌人工智能AlphaGo与韩国棋手李世石的“人机大战”在韩国首尔落子，全球瞩目。第一场，双方在长达3个半小时的较量后，李世石宣布认输。 

　　昨日对战棋谱： 

　　双方还将分别在3月10日(周四)、12日(周六)、13日(周日)、15日 (周二)的北京时间中午12点进行剩余4场比赛。

　　顶尖棋手李世石九段在能否“捍卫”人类智慧的“最后一块棋盘”？人工智能AlphaGo究竟已经“进化”到什么水平？全世界都在看，都在猜。

　　作为看客，这几件事，你必须了解： 
　　
　　1 为什么是围棋？

　　棋类智力对战游戏，历来是计算机“智能”水平的试金石之一。计算能力、判断能力、思考甚至学习能力，都可在胜负分明的棋盘上得以检验。

　　围棋棋盘横竖各有19条线，共有361个落子点，双方交替落子，这意味着围棋总共可能有10^171(1后面有171个零)种可能性。这个数字到底有多大，你可能没有感觉。我们可以告诉你，宇宙中的原子总数是10^80(1后面80个零)，即使穷尽整个宇宙的物质也不能存下围棋的所有可能性。

　　随着人工智能技术进步，人类在棋盘上的阵地近年来不断“失守”：

　　1997年

 　　IBM的电脑深蓝 VS 加里·卡斯帕罗夫（世界排名第一的国际象棋大师）
　　深蓝胜出

　　2006年 
　　中国超算“浪潮天梭” VS 5位中国象棋特级大师
　　浪潮天梭胜出
　　取胜关键被认为是不知疲倦的稳定性和超强计算能力。

　　2011年
　　人工智能系统沃森 VS 人类
　　人工智能系统沃森以自然语言处理、信息搜索、推理等多个领域的突破在智力问答节目《危险边缘》中战胜人类

　　2015年
　　人工智能程序“AlphaGo” VS 欧洲围棋冠军樊麾
　　AlphaGo以5:0胜出
　　这是人工智能程序首次在不让子的情况下战胜人类围棋选手。

　　之后，“阿尔法围棋”所属公司向李世石发出邀约，他是过去十年获得围棋冠军头衔最多的人。 

　　2 对阵双方什么来历？

　　李世石：

　　韩国棋手，世界围棋领域代表性人物之一。1995年入段，2003年7月获第16届富士通杯冠军后直接升为九段。他属于典型的力战型棋风，善于敏锐地抓住对手的弱处主动出击，集中力量击垮对手。落子“稳、准、狠”，经常能在劣势下完成逆转。

　　AlphaGo ：

　　美国谷歌公司旗下人工智能公司“深度思维”开发的智能软件。它可以运行在不同的硬件平台上。其“单机”版本用到48个CPU（中央处理器），而还有一个分布式运算的版本，可同时用到多台计算机的1202个CPU，大大提升计算能力。

　　除了超强的计算力，“AlphaGo”最大的特点是……它会自己学习！在战胜樊麾之前，“AlphaGo”已进行了超过3000万局的自我训练，不断提升棋力。 

　　3 人机按什么规则比赛？

　　5盘对决，分5天进行，分别是3月9日、10日、12日、13日和15日，地点在首尔四季酒店。

　　胜者奖金为100万美元。此外，李世石每盘对局费为3万美元，每赢一盘还将获得2万美元的奖金。也就是说，如果李世石5盘全胜，将获得125万美元。

　　如果“AlphaGo”获胜的话，主办方将把奖金捐给联合国儿童基金会以及有关教育团体和围棋慈善团体。

　　这次比赛在韩国、中国、日本同时直播，比赛采用中国规则，执黑一方贴7目半，各方用时为两小时，3次60秒的读秒。即使一方率先取得3胜，也会下满5盘。 

　　4 AlphaGo如何思考？

　　AlphaGo下围棋的原理或者方式和人类有相似之处，一是判断局部，二是把握全局。

　　Deepmind 公司在 Nature 杂志发表的论文《Mastering the game of Go with deep neural networks and tree search》中，介绍了有关AlphaGo这个AI程序的细节。

　　通俗的说：

　　AlphaGo总体上由两个不同功能的“大脑“网络组成： Policy network（策略网络）和 Value network（价值网络）。

　　对弈中，两个“大脑“协同工作。

　　策略网络负责在当前局面下判断“最好的“下一步，可以理解为落子选择器；价值网络负责评估整体盘面的优劣，淘汰掉不值得深入计算的走法，协助前者提高运算效率，可以理解为棋局评估器。

　　然后，两个“大脑“取各自选择的平均值，做出最终的决定。

　　这个选择，是论文在实践中发现并总结的。

　　上图展示了策略网络是怎么看棋盘的。数字表示了AI计算的人类选手下一步的可能。

　　团队通过在KGS上与高手对决，用百万级的对弈去训练这部分的“大脑“。随着大数据的积累和版本的优化迭代，越强的AI在每一步的落子上耗费的时间也越久。为了解决这个问题，他们调整的AI阅读的模式。AI不会去看整个大的棋盘，但是会在前一手和新下的落子中考虑，把思考的范围缩小了。

　　如上图所示，价值网络会分析整个棋局。深蓝色表示下一步有利于赢棋的位置。

　　为了提高棋局评估器的能力，团队是复制了落子选择器，精心挑选随即样本创造了这些棋局，让AI在高效中自我对弈来提升和练习。毕竟录入百万级的人类棋局数据并不现实，也不效率。

　　也不知大家到底看懂了没有。不过小编知道，如果人类不进步，不学习，说不定将来真的会被人工智能淘汰掉。毕竟我们就是这么淘汰其它物种的，不是吗？ 

　　5 大咖们赌谁赢？

　　李世石：虽然人工智能的水平相当不错而且持续提高，但我至少这次有获胜的信心。考虑到自己可能多少会出现失误，预测自己将以4比1获胜；如果不出现失误，自己会100%获胜。

　　樊麾：如果没有人告诉我，我一定不知道AlphaGo是电脑程序，它太像人了，它一定是在思考。按照人的说法，它应该有棋风吧。如果AlphaGo还是去年的水平，肯定下不过李世石，但现在应该已经有进步，结果真的难以预测。

　　聂卫平：不信电脑能赢人。AlphaGo的判断是其死穴。围棋需要很强大的判断力，而人工智能目前还缺乏判断力。

　　卡斯帕罗夫：他表示单论这次对垒，人类处于优势，但他断言未来人工智能将更强。“象棋机器从薄弱的状态到强大，这样的飞跃只花了十几年。围棋，你的时间不多了。”

　　施密特（谷歌董事长）：AlphaGo这次比赛胜算不大，但将来必将获胜。这次无论谁胜谁负，实际上都是人类的胜利。

　　安德烈亚斯·登格尔（德国人工智能研究中心管理层成员）：我会亲临现场，很好奇谁能赢。从人工智能的角度看，如果AlphaGo胜出，那将是证明深度学习技术潜力的有力证据。然而用国际象棋大师卡斯帕罗夫当时输给超级计算机深蓝后的话说，AlphaGo不会因为它取得胜利而感到喜悦！

　　李开复（创新工场董事长兼CEO）：我认为AlphaGo这次的比赛打败李世石比较悬，但是1-2年之内必然完胜人类。

　　马尔科夫（《纽约时报》资深记者、畅销书《与机器人共舞》的作者）：他是AlphaGo的绝对支持者，但他也表示，即使最终AI获胜，也只能够证明人类的程序设计能力和计算能力超强，并不能说明AI已超越了人类。

　　刘慈欣（著名科幻作家）：这次我感觉李世石会获胜，因为与其他棋类相比，围棋更加复杂，人类的围棋大师有许多计算机难以拥有的素质，也许以后计算机会在围棋上战胜人类顶尖高手，但现在还有些困难。 

　　6 人机大战有何意义?

　　AlphaGo若能获胜，反映出的是人工智能的新进步。

　　从小的方面来讲，这些进步可能意味着，机器人将成为我们未来学习生活中的重要部分。或许有一天，家里的家务机器人全包了，工作上的很多事情机器人也能帮我们完成……

　　从大的方面来讲，这些进步的总和可能意味着，人工智能正在走向“指数式发展的下半场”，引领新一轮产业创新与变革的到来。

　　救援机器人：两个履带可以适应复杂的路况，有能力抬举伤亡人员

　　农业机器人：更加高效，例如勘查地况、修剪收割农作物等

　　人工智能作为人类的创造之一，本身就是人脑非凡能力的产品，人工智能技术的发展，也正是由人类智慧所推动。而且，尽管人工智能发展的趋势是“更像人”，但本质上它仍是服务于人类的机器。 

　　7 人工智能是否会毁灭人类？

　　这是所有问题的终极。

　　斯蒂芬·威廉·霍金曾说过，由于生物学意义上的限制，人类无法赶上技术的发展速度。人类由于受到缓慢的生物进化的限制，无法与机器竞争，并会被取代。全人工智能的发展可能导致人类的终结。

　　在很多电影当中也有类似预言。谁又知道人工智能未来不会发展成更高一级的物质性态？

　　想到这儿真是不寒而栗……

　　但愿我们的人工智能专家们能始终遵循一些法则，保证机器人只做“我们希望它们做的事。”

　　正如科幻作家阿西莫夫曾经提出一个著名的“机器人三定律”：
　　1. 机器人不能伤害人类，也不能在人类受到伤害的时候置之不理；
　　2. 机器人必须服从人类发出的任何命令，只有在违背第一条定律的时候除外；
　　3. 机器人可以保护自己，前提是保护过程中不会违背第一和第二定律。

　　事实上，无论输赢，以AlphaGo为代表，一场人工智能的革命，已经浩浩荡荡从远处走到跟前。

　　Atlas机器人可以独立穿越气候条件恶劣的雪地，有效解决双足机器人的运动稳定性业界的难题。

　　所以，与其在胜负上纠结，不如发挥智慧提前设计好“路线图”和“安全阀”，让技术更好地推动社会文明发展。