2016年3月9日可能會成為寫入人類史冊的一天——持續五天的谷歌AlphaGo大戰李世石開始，一場世界上最會下圍棋的人與人工智能的超級對弈，被全人類通過網絡直播共同圍觀。

在賽前，圍棋界和科學界的很多人都對這場比賽做了預測。谷歌對自己開發的機器人信心很足，聲稱根據電腦計算的結果，李世石打敗“阿爾法狗”的概率為0。而圍棋界則多數站在李世石這一邊，中國棋圣聶衛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背后是一套神經網絡系統，由 Google 2014 年收購的英國人工智能公司 DeepMind 開發。這個系統和深藍不同，不是一臺超級計算機，而是一個由許多個數據中心作為節點相連，每個節點內有著多臺超級計算機的神經網絡系統。就像人腦，是由 50-100 億個神經元所組成的，這也是為什么這種機器學習架構被稱為神經網絡。

AlphaGo 是在這個神經網絡系統上，專為下圍棋 （Go） 而開發出的一個實例。然而，雖然名字已經介紹了它的功能，AlphaGo 背后的神經網絡系統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開發的AI在圍棋棋盤上戰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，在弈城圍棋網和野狐圍棋網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創始人丹米斯·哈撒比斯（Demis Hassabis）在Twitter發布消息，證實升級版AlphaGo在網上與真人對決。

哈撒比斯寫道：“在過去幾天里，我們在網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是否如預期一樣好。”他 還說：“感謝那些在弈城圍棋網和野狐圍棋網與我們對弈的棋手，我們的賬號是Magister（P） 和Master（P），我們還要感謝那些觀戰的人?！?/p>

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發布的消息顯示，非正式測試可能已經結束，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上比賽，對局以快棋的形式進行，參加比賽的是最新開發的原型版系 統，進行網上對決只是為了檢查系統，看它是不是和預料的一樣好。感謝那些在弈城圍棋網和野狐圍棋網與我們對弈的棋手，我們的賬號是Magister（P） 和Master（P），我們還要感謝那些觀戰的人。

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

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域也是這樣

與AlphaGo對弈之后，棋手古力發帖稱：“人類與AI攜手合作，很快將會揭開圍棋的深層秘密?！爆F在我們的非正式測試已經結束，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。現在想贏機器，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，戴文淵稱這個已經不重要了。因為AlphaGo本身的技術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，最終都能實現這樣的高水平。戴文淵稱，技術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，雖然從技術上來說其它公司實現Master是可能的，但從成本上考慮，應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、開飛機等現實場景，雖然其中會涉及成本問題但也只需要自己積累數據就可完成訓練?！贝魑臏Y表示，在其他領域，比方說醫療領域，想訓練出AlphaGo的目標就很難實現，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，這樣的場景需要外界給予足夠的輸入和配合。