AlphaGo對戰柯潔首場完賽 除了輸贏AI還帶來了更多

柯潔與AlphaGo首場對弈結束，柯潔執黑，以四分之一子落敗。

時隔一年多，AlphaGo再次以真身出現在專業比賽上，與世界排名第一的柯潔，在中國規則下進行比賽。

AlphaGo出棋之果斷、速度，是觀賽中最直接的感受。根據規則，雙方各有3小時時間，不過， AlphaGo平均出子僅用30秒，最終用時不足一半，而向來以進攻性強、出棋速度快著稱的柯潔，在比賽中明顯思考的時間更長，在面無表情的AlphaGo「代言人」面前，顯得更加緊張。

其實，這場人機對戰的結局，並不具太大的懸念，專業的國手，比如棋聖聶衛平和古力，都在賽前預測了0:3的失利局面。就連曾經揚言「阿爾法狗戰勝不了我」的柯潔，也在比賽前夜表示，「現在的AI進步之快遠超我們的想像，我相信未來是屬於人工智慧的。」

自我學習的AlphaGo與學習AlphaGo的柯潔

在AlphaGo之前，每一個職業棋手都堅信，至少十年之內，計算機都是不可能戰勝任何職業棋手的。

圍棋每一步的下法平均200種，一個棋盤上可能出現的局面數量大約是361階乘除以4，有人以玄幻的方式表示，圍棋的走法比宇宙中原子的數量還要多。在人工智慧之前，在人類現有的計算量之下，通過無窮盡地計算篩選出最佳的走法，並不現實。

AlphaGo對戰李世石

從15年10月，首次擊敗職業選手歐洲圍棋冠軍樊麾二段，16年3月戰勝韓國棋手李世石，到今年年初連勝60場的Master承認自己就是AlphaGo，再到現在的烏鎮圍棋峰會，AlphaGo卻徹底顛覆了人們對於機器在圍棋領域的想像。

AlphaGo最初訓練方法即深度的神經網路、強化學習、監督學習和蒙特卡洛樹搜索演算法。從最初的收集信息，也就是大量的人類棋局，將它們綜合學習，變成自己的經驗，學習判斷棋局的戰略、學習下棋的戰術，像人類一樣，它不再需要對每一步都進行無止境的計算。最後，利用蒙特卡洛樹，不斷進行模擬運算，推斷出結果。這樣的每天左右互搏的訓練過程，很快將AlphaGo從一個業餘棋手，打造成一個頂尖的專業棋手。

在擊敗李世石之後，Deepmind創始人、AlphaGo之父Demis Hassabis和團隊一起，開始對AlphaGo進行了全面的升級，年初獲得60勝的Master就是AlphaGo「2.0」的試水，這一次的超快棋的比賽，讓之前還並不完全看好它的專業棋手們刮目相看。

Demis Hassabis 烏鎮

升級後的AlphaGo不僅是一個頂尖棋手，更重要的，它已經不再是人類圍棋的一個學生，而是跳脫出了專業棋手的思維，也造就了聶衛平座說的「遠勝於人類的大局觀」。

比賽之前，柯潔在近期的比賽中，刻意地學習了許多AlphaGo的步法，最著名的當然是Master60局中的「點三三」，這種長久以來被專業棋手認為過早給對方外勢的下法，被AlphaGo多次運用在Master的超快棋局中。

不過，即使今天柯潔在布局中複製了這一走法，最終還是沒有保住左上角。人類有限的時間與經歷在機器面前，顯然是不夠用了。更何況，AlphaGo在掌握了人類的下法之後，達到了超脫之勢，開創出了幾乎是完全屬於自己的棋路，自成一宗。

所以，即使柯潔並不是之前的柯潔，他依舊趕不上分分鐘都在自我超越的AlphaGo。

除了輸贏，我們還有競技的樂趣；除了比賽，AlphaGo還有更多的任務

有人擔心，AlphaGo證明了人工智慧在圍棋領域戰勝了人類，那麼人類的圍棋競技歷史，將要面臨終結嗎？當然不是，作為一項運動、作為一種競技遊戲，圍棋帶給每個人的快感，是無法被取代的。

我們會在觀棋的過程中，看著柯潔一會兒抿嘴，一會兒抓頭的各種動作；我們與棋手共同思考每一手棋的下法，從講解中得到不同的啟發；作為智力開發課程，它依舊受到家長們的追捧。

我們也許無法在競技中戰勝AI，但卻依舊能從中找到快樂，情感與經歷，才是對個人最重要的東西。當然，某一天，在我們當然無法隨便找個國手來陪自己下棋的時候，我們也許就有機會與AlphaGo對弈一局，享受一下被高手碾壓的酸爽。

而對於AlphaGo來說，贏下一個棋手、玩《星際爭霸》、打德州撲克，從來不是開發者最終的目的。在Demis Hassabis的計劃中，AlphaGo系統的未來，是要將它的變體帶到其他行業之中，據Hassabis所說，目前，AlphaGo的一種變體，正在為醫療行業服務，他們已經和英國國家醫療服務體系合作，最近，正在試圖解決蛋白質摺疊的問題。

最後，柯潔與AlphaGo的圍棋大戰還遠沒有結束，在完成了今天的首場比賽之後，雙方將在25日、27日的10:30在進行2、3輪對決。此外，AlphaGo還將在配對賽和團隊賽中，與多位國手對弈。

人機大戰，未完待續。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！