柯潔回應首戰失利，惜敗AlphaGo，柯潔認為主要是還沒有找到它的弱點，“它確實下得太好了，很多地方都值得我們學習，AlphaGo讓我們明白沒有什么棋是不能下的，它正在越來越多地改變我們最初對圍棋的理解。”柯潔表示，如果把AlphaGo當作人來看的話，它今年跟去年完全是兩個人，因為人工智能是在進化的。

　　從早上10點半到下午接近3點，柯潔執黑與AlphaGo鏖戰了4個多小時。他以小目三三開局，但AlphaGo并沒有受到影響，用超強的計算能力持續對柯潔壓制。盡管宮子階段柯潔竭盡全力，但也沒有找到逆轉的機會。戰至單官收完，黑棋盤面6目，按照中國規則數棋，柯潔以1/4子惜敗。

　　不可否認，這盤棋柯潔已經發揮得非常出色，卻仍無法阻擋AlphaGo前進的步伐。盡管最終是最微小的差距，但從過程來看，柯潔一直沒有太好的贏棋機會。難得的是，柯潔賽前收起了他一貫的驕傲，“我覺得我們人類只要努力過了拼搏過了，就算輸也沒有什么遺憾的。”結果，以中國圍棋規則中最小的劣勢輸棋，對柯潔來說已然成功。

　　“就算阿法狗戰勝了李世石，但它贏不了我。”曾經，柯潔是如此看待AlphaGo，但去年年底到今年年初，這名世界圍棋第一人在面對AlphaGo新版本Master時遭遇連敗。而在今天的烏鎮，舉世矚目的人機大戰2.0首戰中，柯潔依然敗下陣來，不過只以四分之一子小負的他，還有機會贏嗎？

　　柯潔首戰惜敗AlphaGo

　　需要指出的是，和去年人機大戰1.0不同，在比賽用時分配上，當時李世石對AlphaGo的用時是每方2小時，1分鐘讀秒5次，而此次則是每方用時3小時，1分鐘讀秒5次，這樣的改變自然是為了更大程度上為人類提供利好，但這樣依然無力幫助柯潔戰勝AlphaGo。

　　“它確實下得太好了，很多地方都值得我們學習，AlphaGo讓我們明白沒有什么棋是不能下的，它正在越來越多地改變我們最初對圍棋的理解。”柯潔表示，如果把AlphaGo當作人來看的話，它今年跟去年完全是兩個人。

　　比賽前日，柯潔曾發微博表示，這是他最后三場的人機大戰。對于之后兩場比賽，他說：“AlphaGo的弱點我現在還沒有找到，但是對自己要永遠有信心，我覺得能跟AlphaGo對決是我人生中最榮幸的事，所以我會全力以赴下后面的兩盤棋，珍惜這個機會。”

　　在為期5天的圍棋峰會中，除了AlphaGo和柯潔進行的三番戰之外，古力和連笑將分別與AlphaGo組隊進行配對賽，五位中國頂尖職業棋手將組成戰團，以集體智慧對抗人工智能。柯潔將于明天早上10點半再度登場，對戰AlphaGo。

　　柯潔迎戰AlphaGo表現優于李世石？

　　據香港《經濟日報》5月23日報道，根據清華航院AI神算子給出的數據是，雙方行棋至106手，柯潔勝率持續提升至45.91，落后僅7目。至108手，柯潔勝率為45.63。

　　與去年對弈AlphaGo的韓國棋手李世石相比，李世石首局4個半小時完成186手；其勝率曾維持在40％開頭，一度升至47％左右，但隨后又在116手后跌至僅兩成多。

　　從初步推據推算，柯潔的表現可能已好于去年李世石。

　　當然這些報道是港媒的說法，不管怎么說，我們都相信人定勝天，只是在一些計算、功能性的層面人類確實是比不個機器，但是機器畢竟是為人類服務的，就像中國圍棋名將柯潔與谷歌人工智能系統AlphaGo的人機圍棋大戰，盡管落敗，但與去年挑戰AlphaGo的韓國棋手李世石相比，柯潔的表現有過之而無不及。

　　中國圍棋協會主席王汝南認為，到目前為止還是很有意思的，柯潔有備而來，備戰還是很詳細的。

　　韓國棋手金庭賢點評柯潔今天的表現時，以前柯潔和人類下，始終顯得很從容。但今天臉上充血，顯得很緊張。

　　人工智能注定統治人類？

　　AlphaGo挑戰現排名世界第一的圍棋國手柯潔九段，對于這件事，創新工場李開復評價道，此次對決人類勝率幾乎為零。

　　李開復說，AlphaGo和李世石的人機大戰是第一次，可能還有懸念，但是現在進化的AlphaGo和柯潔的人機大戰，不再擁有任何其他的可能。李開復指出，AlphaGo和柯潔的比賽并非沒有意義，而是在科學價值層面已經失去看點。他呼吁既然AlphaGo和冷撲大師，已經讓機器在游戲領域的“不可戰勝”不再有懸念，那不如把更多的精力投入到人工智能的商業應用層面。

　　還有個觀點是這樣說的：如果人工智能比作一個生物，那為什么這種生物比人類對下棋更執著？

　　很難說清究竟是誰第一個教會了計算機下棋，二十世紀最偉大的計算機科學專家克勞德·香農在1949年發表了論文《編程實現計算機下（國際）象棋》。

　　而另一位同樣被載入計算機發展史的學者艾倫·圖靈在1952年編寫了第一個計算機下棋程序——當時計算機的算力無法支撐這個程序的運轉，圖靈用筆和紙進行模擬驗算與人類同事對弈，每走一步要花半小時的時間，最后輸了。

　　如果AlphaGo戰勝柯潔，那么就意味著：從學會下棋到在棋盤游戲領域完勝人類，人工智能等了這一天50年。如果輸了，它還要繼續進化下去。其實早在20世紀50年代、70年代、90年代和21世紀初，分別有人預言“人工智能馬上就要統治人類了”。

　　要知道，在深度學習出現之前，單層神經網絡算法只能做簡單的線性判斷。為了解決非線性判斷，研究人員發明的多層神經網絡在訓練上又需要幾乎不可實現的計算量。直到上面描述的參數一層一層自動傳導的“反向傳播”機制出現，才讓深度學習成為了可以實際應用的技術。

　　在多層神經網絡中的每一個“神經元”都與我們大腦中的神經元一樣簡單而優雅，卻能至少在一定程度上模擬我們的大腦對世界的感知和判斷。這讓采用深度學習的人工智能真的可以用一個“孩子”來形容。人工智能的進步會來自于兩方面：一方面爆炸式的算法改進，另一方面是漸進式的算力提升。

　　人工智能一直在持續進步，回顧人工智能的進步史，盡管時間并不確定我們卻不難得出這樣一個結論：人工智能終將戰勝人類。

　　人類對算法的研究，更像是對宇宙客觀存在的發現。盡管它依然需要積累、嘗試和科學家的睿智，但它對人工智能的影響是突變式的。就像我們可以將物理學分為牛頓發現萬有引力前和發現萬有引力后一樣。

　　多層神經網絡算法可能并不是未來真正高級人工智能的最終算法。這意味著即便以AlphaGo為代表的此時代人工智能，在現實生活中可能永遠是現在這幅智障模樣。但并不意味著人工智能發展會就此停滯。

　　與算法不同，算力的進步是一種對工程精度和工業化水平的考驗——盡管摩爾定律已經主見失效，但量子計算機、生物計算機等前沿計算設備可能會讓算力的進步繼續下去。

　　圍繞AlphaGo，背后的技術包括圖像處理、大數據分析等，這些技術目前在其它領域的使用還在早期探索階段，只在AlphaGo研究的中間環節某些領域應用，但是在未來肯定會在多個領域推廣相關的技術。

AlphaGo之父Demis Hassabis

　　AlphaGo之父Demis Hassabis表示，目前信息過載和系統冗雜是人類面臨的巨大挑戰。希望利用AI找到元解決方案。“我們的目標是實現‘人工智能科學家’或‘人工智能輔助科學‘。”

　　“人工智能和所有強大的新技術一樣，在倫理和責任的約束中造福人類。” Demis Hassabis說。這意味著，人工智能應該是應用于科學、制藥等領域，而不是應用于研發武器、戰爭上;此外，人工智能不能只為少數幾家公司使用，而是為全人類所共享。

　　我們確實發現AlphaGo已經展示出了創造力，在某一個領域它甚至已經可以模仿人類直覺了。但是小編認為科幻小說中被機器人統治的場景出現的概率很小，既然已經有預計會出現這種情況，人類在發展人工智能的同時就不會加以手段和限制條件？肯定有雙贏的策略可以去規避。