勝負難分：AlphaGo攻破智慧高地人機大戰要來了

　　新年伊始，在圍棋界就上演了一場驚心動魄的世紀大戰，從2016年12月29日開始，一名身份不明、號稱「Master」的神秘棋手就開始在圍棋界展開挑戰。這名不顯山不露水的「掃地高僧」竟然用短短七天的時間挑戰了圍棋界頂尖的圍棋高手，最終完成了60勝0負1和的戰績，而最後和的那場棋也是因為對方掉線無法重連造成的。回看「Master」的勝利名單中，世界排名第一的柯潔、世界冠軍朴廷桓、日本圍棋第一人景山裕太甚至棋聖聶衛平均在其中。早在「Master」戰勝柯潔之後，就有觀點認為「Master」並非人身。果然在1月4日，隨著Master豪取連勝橫掃圍棋界之後，谷歌DeepMind發布公告，正式承認「Master」的背後正是AI機器人AlphaGo。2016年3月份，AlphaGo引起了世界範圍內的關注，在對弈結束後谷歌DeepMind團隊對AlphaGo進行了全面的升級。被人工智慧打敗的「恐懼」還未消散，而今AlphaGo再次捲土重來。不同的是，雖然2016年的那場人機大戰引起了世界範圍內的關注，但是在這一年人工智慧還是被科技領域提及最多最被看好的概念，而2017年被業內普遍認為將會是人工智慧爆發的元年，在新年伊始AlphaGo就為人工智慧的發展帶來了一顆重磅炸彈，讓人們不由得對人工智慧的期待和恐懼又多了一層思考。

　　用圍棋擊敗人類意味著什麼

　　2017年的開幕大戰讓很多人只是看個熱鬧，就像2016年李在石輸給AlphaGo一樣，並不覺得有什麼大驚小怪的，不明白為何會引起世界範圍內的討論。畢竟目前手機、電腦等數碼產品都會有各種電子棋，計算機打敗人類似乎在很多領域、很多棋盤上早已經實現，畢竟「人腦算不過電腦」，甚至有網上的觀點認為圍棋大師輸給AlphaGo是正常的，就好像走路跑不過汽車一樣。其實關於這個問題需要知道圍棋的一些基礎知識，目前在人類的棋類中，圍棋是最為複雜的一種，甚至被視為人類智慧的一個標誌而讓人類引以自豪。雖然其他棋類運動人類都已經被計算機虐得「死去活來」，但是直到AlphaGo出現之前，還沒有一台計算機能夠在圍棋領域打敗人腦。圍棋的演算法極為複雜而且變化多端，即便是再快的運算機器也難以在圍棋棋盤的361個點位中戰勝人類。

　　而AlphaGo從2016年出現後首先以4比1的成績打敗了韓國悍將李在石，隨後又在2017年橫掃圍棋界豪取60連勝，可以說人類目前為止智慧的最後一塊高地被人工智慧徹底攻下了，所以才會給予世界如此強烈的震撼。當被視為人類最高智慧的領域被自己研發出來的智能產品所打敗的時候，人類就會充滿期待、興奮的同時產生各種擔心和隱憂。AlphaGo並沒有學習過人類的圍棋演算法，而是完全通過自學在和人類對弈，對於國手大師而言，AlphaGo的棋譜是「不可理喻」、「狗屁不通」的，甚至有人覺得是對圍棋智慧的侮辱，然而在最後卻遭到「吊打」，毫無反抗之力，AlphaGo總能夠獲勝，這種痛苦彷彿自己費勁心力、絞盡腦汁想要得到的東西別人卻不屑一顧輕而易舉就能夠得到。尤其對於職業棋手而言，是一種近乎絕望的感受。所以柯潔輸棋之後竟然住院了。有傳言說柯潔受到了打擊，甚至他本人表示：「從來沒見過這樣的招法，圍棋還能這麼下？」他感嘆道，Master不按常理出牌，與之前學習的圍棋路數相悖，「原來學棋時被罵的招法現在Master都下出來了」。當晚，柯潔一夜無眠。他在社交賬戶上說，他從很早開始研究棋軟，就為了探究計算機到底強在哪裡。「人類數千年的實戰演練進化，計算機卻告訴我們人類全都是錯的。我覺得，甚至沒有一個人沾到圍棋真理的邊。」棋聖聶衛平也感嘆Master是「圍棋上帝」派來給人類引路的。

　　AlphaGo強在深度學習

　　根據谷歌DeepMind設計團隊介紹，AlphaGo的主要系統有四個部分，分別是：走棋網路，能夠採樣棋盤，預測下一步的走棋；快速走子，輔助走棋網路的系統，不過會犧牲走棋的質量；估值網路，根據目前棋局情況估算是白方勝利還是黑方勝利；蒙特卡羅樹搜索就像是人類的神經系統把以上三個系統都連接起來形成一個完整的系統。

　　介紹起來十分簡單，但是其內部的運算方法極其複雜，而AlphaGo真正強大的原因在於其深度學習的能力。對於其他棋類運動而言，教會機器人下棋其實並不難，現在隨便一台智能終端設備都能夠搜索到相關的棋類遊戲的應用，但是想要教一台「人工智慧」學會下圍棋就沒有那麼簡單了。傳統的方法是給計算機錄入大量的棋譜以及可能的走法，然後構建棋盤的計算方法，套用可能走法形成一個計算系統。但是圍棋並不這麼簡單，變化多端以及極其複雜的變盤對於計算機而言都是超大的負荷，甚至對於現在而言圍棋的所有走法是否開發完全還不能確定，因此谷歌給AlphaGo加入了深度學習的方法。「深度學習」是指多層的人工神經網路和訓練它的方法。一層神經網路會把大量矩陣數字作為輸入，通過非線性激活方法取權重，再產生另一個數據集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織鏈接一起，形成神經網路「大腦」進行精準複雜的處理，就如同人們識別物體標註圖片一樣。AlphaGo就可以通過兩個大腦的左右互搏方法進行自我學習，甚至不需要學習人類的棋譜。

　　人類該如何應對智能危機

　　圍棋作為人類最引以為傲的腦力運動最終在AlphaGo面前不堪一擊，似乎人類最後的智慧尊嚴也受到了踐踏。但是不得不承認的是，AlphaGo不僅學會了圍棋，用圍棋打敗了人類歷史上最偉大的棋手們，還通過自我學習的能力開拓了圍棋，為人類打開了通向圍棋「真理」的大門。

　　被視為人工智慧元年的2017年，AlphaGo現象不會是個案。隨著人工智慧的進步和發展，圍棋只是個開始，現在已經有人工智慧機器人寫經濟類的新聞稿件和戰場新聞稿件了，或許通過自我學習能力，人工智慧很快就會學會人類情感表達的模式。未來會計行業、繪畫、音樂製作、建築設計所有被人類稱為靈魂、藝術的腦力勞動或許都將失手被人工智慧所攻破。

　　人工智慧業內人士預測，100年之內，人類99%的智力勞動和100%體力勞動將會在未來被人工智慧所取代。目前人工智慧在很多的「人機大戰」中已經展現出強大的統治力，而隨著圍棋這塊高地的被突破，人工智慧將會進一步向人類的智慧發起挑戰。

　　當年深藍剛剛出現打敗了國際象棋大師的時候，圍棋的棋手們還大膽放出豪言，「放馬過來，人工智慧絕不會在圍棋領域打敗人類」，然而短短十幾年的時間挑戰就已經變成了現實。人工智慧的腳步絕不會僅限於此，人工智慧的勝利從另一個角度來講也是人類突破自己大腦極限的成果，畢竟人工智慧的開發者也是人類。未來，人工智慧將會在越來越多的領域改變人類的生活。針對人工智慧對人類社會的挑戰已經慢慢從影視劇作品中進入現實生活，但是結局是好是壞沒人能知曉。正如AlphaGo雖然棋藝看起來是在摧毀人類智力的高地，但是卻為人類打開了圍棋的另一扇門，更加接近「真理」。或許人工智慧將會成為人類再次大跨度進步、通往一個全新世界的鑰匙。文/馬思遙