谷歌人工智能圍棋程序AlphaGo戰(zhàn)勝李世石

今天下午谷歌人工智能AlphaGo與韓國棋手李世石的第一場比賽結(jié)束，AlphaGo獲得今日比賽的勝利。今日比賽結(jié)束后，雙方還將分別在3月10日(周四)、12日(周六)、13日(周日)、15日 (周二)的北京時間中午12點進行剩余4場比賽。本次比賽用時每方2小時，1分鐘讀秒三次。比賽采用中國規(guī)則，黑貼3又3/4子(黑貼7目半)。采用中國規(guī)則是因Alpha GO以中國規(guī)則為基礎(chǔ)開發(fā)。

比賽采用5局3勝制，最終比賽獲勝方將獲得獎金100萬美元。如果AlphaGo獲勝，獎金將捐贈給聯(lián)合國兒童基金會(UNICEF)，STEM教育，以及圍棋慈善機構(gòu)(Go Charity)。

AlphaGo開發(fā)者DeepMind公司在今年1月的學術(shù)雜志《Nature》刊登封面文章，展示了圍棋人工智能領(lǐng)域突破性進展的詳細情況。

谷歌AlphaGo在第一次與世界頂尖圍棋手的較量中取得勝利，這是人工智能發(fā)展史上重要的里程碑，代表人工智能已經(jīng)能在諸如圍棋等高度復(fù)雜的項目中發(fā)揮出超過人類的作用。

谷歌為何要做人工智能圍棋程序AlphaGo

谷歌并不只是想做一個棋類程序，而是想做一個通用的智能計算系統(tǒng)。如果解決了圍棋問題，谷歌希望能把這套人工智能算法用于災(zāi)害預(yù)測、風險控制、醫(yī)療健康和機器人等復(fù)雜領(lǐng)域。也就是說谷歌的目的還是為了更好的服務(wù)人類，沒有任何惡意。DeepMind(AlphaGo的研究公司)創(chuàng)始人哈薩比斯說：公眾對人工智能的警示掩蓋了人工智能帶來的幫助。距離人腦水平的人工智能仍然相當遙遠，可能還需要幾十年。

在昨天的賽前發(fā)布會上，谷歌董事長施密特表示，輸贏都是人類的勝利。因為正是人類的努力才讓人工智能有了現(xiàn)在的突破。

但并不是所有人都會對人工智能持樂觀態(tài)度。諸如特斯拉CEO馬斯克、理論物理學家霍金等科技界的名人就對此產(chǎn)生了擔憂。

圍棋復(fù)雜度超過宇宙原子總數(shù)

圍棋棋盤橫豎各有19條線，共有361個落子點，雙方交替落子，這意味著圍棋總共可能有10^171(1后面有171個零)種可能性。這個數(shù)字到底有多大，你可能沒有感覺。我們可以告訴你，宇宙中的原子總數(shù)是10^80(1后面80個零)，即使窮盡整個宇宙的物質(zhì)也不能存下圍棋的所有可能性。

19年前，IBM公司的“深藍”計算機戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，引起了巨大轟動。但是因圍棋的復(fù)雜度，直到近期，人類才在圍棋人工智能項目上取得重大突破。

由于圍棋的可能性如此之多，根本就沒有什么套路可言。下贏圍棋的唯一的辦法就是讓電腦也學會“學習”，而不是死記硬背。為了在圍棋上戰(zhàn)勝人類，硅谷的兩家科技公司——Facebook和谷歌開始研究，希望有朝一日能讓計算機戰(zhàn)勝人類圍棋冠軍。

李世石簡介

李世石是李昌鎬之后，韓國最具代表性的棋手，他在2003年獲第16屆富士通杯冠軍后升為九段棋手。自2002年加冕富士通杯以來，十年時間里他共獲18個世界冠軍。李世石屬于典型的力戰(zhàn)型棋風，善于敏銳地抓住對手的弱處主動出擊，以強大的力量擊垮對手，他的攻擊可以用“穩(wěn)，準，狠”來形容，經(jīng)常能在劣勢下完成逆轉(zhuǎn)。

AlphaGo去年10月?lián)魯W洲冠軍

谷歌曾于2014年以4億歐元收購人工智能公司DeepMind。由DeepMind研發(fā)的AlphaGo項目已有兩年歷史，AlphaGo曾在去年戰(zhàn)勝了歐洲圍棋冠軍樊麾(職業(yè)二段)。

去年10月5日-10月9日，谷歌AlphaGo在比賽中以5：0的比分完勝了歐洲冠軍。除了戰(zhàn)勝人類外，AlphaGo還與其他的圍棋程序?qū)?zhàn)，獲得了500場勝利。

AlphaGo原理簡介

傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹 ，但這種方法對圍棋并不適用。此次谷歌推出的AlphaGo，將高級搜索樹與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起。這些神經(jīng)網(wǎng)絡(luò)通過12個處理層傳遞對棋盤的描述，處理層則包含數(shù)百萬個類似于神經(jīng)的連接點。

其中一個神經(jīng)網(wǎng)絡(luò)“決策網(wǎng)絡(luò)”(policy network)負責選擇下一步走法，另一個神經(jīng)網(wǎng)絡(luò)“值網(wǎng)絡(luò)”(“value network)則預(yù)測比賽勝利方。谷歌方面用人類圍棋高手的三千萬步圍棋走法訓練神經(jīng)網(wǎng)絡(luò)，與此同時，AlphaGo也自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò) 之間運行了數(shù)千局圍棋，利用反復(fù)試驗調(diào)整連接點，這個流程也稱為鞏固學習(reinforcement learning)。通過廣泛使用Google云平臺，完成了大量研究工作。