人机大战科普解读

北京时间2016年3月9日12点，韩国棋手李世石九段与谷歌人工智能系统AlphaGo（读音阿尔法·GO）进行了五场挑战赛中的第一场，双方经过三个半小数的鏖战，最后李世石九段投子认输结束了比赛。在本场比赛开局阶段，双方走法就非常特别。由于是对战机器人，李世石开始的打法就选择了不常规的走法，试图打乱机器人思维。但在开局阶段，AlphaGo仍获得了比较大的优势。在中盘期间，李世石有所反击，在比赛2个小时后，李世石的优势逐渐开始明显，AlphaGo陷入到劣势，李世石逐渐有了比较大的赢面。但在后期，李世石走法稍显轻率，连续几处应对都没有下出最强手段，最终因为失误导致李世石全盘皆输。

围棋，据称是人类发明的最复杂的智力游戏。围棋棋盘上每一点，都有黑，白，空，三种情况，棋盘上共有19*19=361个点，所以可能产生的局数为3的361次方种。可以想象，从137亿年前宇宙初始下起，60亿人口每天下60亿盘，到目前为止，只下了不到亿亿亿万分之一。围棋的搜索空间是漫无边际的——比围棋棋盘要大1个古戈尔（数量级单位，10的100次方，甚至比宇宙中的原子数量还要多）。因此，传统的“强力”人工智能方法也就是“为所有可能的步数建立搜索树”，在围棋游戏中根本无法实现。有着2500多年历史的围棋，一直被视作计算机最难以攻克的大众棋类。

人工智能的原理是企图了解人类智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能研究的主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

阿尔法围棋（AlphaGo）的主要工作原理是“深度学习”。深度学习的动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

人工智能程序AlphaGo是如何击败围棋高手的？AlphaGo系统的关键是，将围棋巨大无比的搜索空间压缩到可控的范围之内。而为了达到这一目的，AlphaGo系统将最先进的蒙特卡洛树状搜索技术与两个深层神经网络相结合，每个深层神经网络均包含许多层，每层又包含数以百万计的神经元一样的连接。在AlphaGo两种不同的神经网络中，“策略网络（policynetwork）”的作用是预测下一步，并用来将搜索范围缩小至最有可能硬起的那些步骤。另一个神经网络“价值网络（valuenetwork）”则是用来减少搜索树的深度，每走一步估算一次获胜方，而不是搜索所有结束棋局的途径。

从技术角度而言，今天的胜利确实是一个里程碑。不过，就此作出人工智能最终取代人类生产力的判断，却有些为时过早。人不能跳出“人的视角”去验证人，毕竟机器还需人类去造。最后，借用一位网友的评论来结束这篇文章：“人类有缺点，机器有缺电"。