Google围棋击败职业选手，即将挑战李世石# Biology - 生物学
y*i
1 楼
用的是神经网络技术。很有可能这个技术能逆推出神经系统的智能机制。
生物学吭哧吭哧多少年毛都没摸找的问题，眼看要被码工找到道理了。
http://www.nature.com/news/google-ai-algorithm-masters-ancient-
http://it.sohu.com/20160128/n436102903.shtml
面对谷歌围棋AI 人类最后的智力骄傲即将崩塌
1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国
际象棋AI。欧美传统里的顶级人类智力试金石，在电脑面前终于一败涂地，应了四十多
年前计算机科学家的预言。
至少还有东方，人们自我安慰道。围棋AI长期以来举步维艰，顶级AI甚至不能打败
稍强的业余选手。这似乎也合情合理：国际象棋中，平均每回合有35种可能，一盘棋可
以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。这一巨大
的数目，足以令任何蛮力穷举者望而却步——而人类，我们相信，可以凭借某种难以复
制的算法跳过蛮力，一眼看到棋盘的本质。
但是，无论人怎么想，这样的局面当然不可能永远延续下去。就在今天，国际顶尖
期刊《自然》报道了谷歌研究者开发的新围棋AI。这款名为“阿尔法围棋”（AlphaGo
）的人工智能，在没有任何让子的情况下以5:0完胜欧洲冠军，职业围棋二段樊麾。
AlphaGo与欧洲围棋冠军樊麾的5局较量。图片来源：参考文献[1]
这是人类历史上，围棋AI第一次在公平比赛中战胜职业选手。
AlphaGo的战绩如何？
此次比赛和以往不同。之前的比赛中，由于AI棋力比人类弱，人类选手都会让子，
而且AI主要和业余段位的棋手比赛。而AlphaGo对战樊麾是完全公平的比赛，没有让子
。职业二段樊麾出生于中国，目前是法国国家围棋队总教练，已经连续三年赢得欧洲围
棋冠军的称号。
研究者也让AlphaGo和其他的围棋AI进行了较量，在总计495局中只输了一局，胜率
是99.8%。它甚至尝试了让4子对阵Crazy Stone，Zen和Pachi三个先进的AI，胜率分别
是77%，86%和99%。可见AlphaGo有多强大。
在接下来3月份，AlphaGo将和韩国九段棋手李世乭在首尔一战，奖金是由Google提
供的100万美金。李世乭是最近10年中获得世界第一头衔最多的棋手。围棋是最后一个
人类顶尖高手能战胜AI的棋类游戏。之前有人预测说，AI需要再花十几年才能战胜人类
。所以这场比赛或许会见证历史，我们将拭目以待。
李世乭表示很荣幸自己将与电脑公平对弈。“无论结果如何，这都会是围棋史上极
具意义的事件。”他说，“我听说谷歌Deep Mind的AI出人意料地强，而且正在变得更
强。但我有自信至少这次能赢。”图片来源：tygem.com
AI下围棋到底有多难？
计算围棋是个极其复杂的问题，比国际象棋要困难得多。围棋最大有3361 种局面
，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只
有2155种局面，称为香农数，大致是1047。
面对任何棋类，一种直观又偷懒的思路是暴力列举所有能赢的方案，这些方案会形
成一个树形地图。AI只要根据这个地图下棋就能永远胜利。然而，围棋一盘大约要下
150步，每一步有250种可选的下法，所以粗略来说，要是AI用暴力列举所有情况的方式
，围棋需要计算250150种情况，大致是10360。相对的，国际象棋每盘大约80步，每一
步有35种可选下法，所以只要算3580种情况，大概是10124。无论如何，枚举所有情况
的方法不可行，所以研究者们需要用巧妙的方法来解决问题，他们选择了模仿人类大师
的下棋方式。
机器学习
研究者们祭出了终极杀器——“深度学习”（Deep Learning）。深度学习是目前
人工智能领域中最热门的科目，它能完成笔迹识别，面部识别，驾驶自动汽车，自然语
言处理，识别声音，分析生物信息数据等非常复杂的任务。
描述AlphaGo研究成果的论文成为了1月28日的《自然》杂志的封面文章。图片来源
：Nature/Google DeepMind
AlphaGo 的核心是两种不同的深度神经网络。“策略网络”（policy network）和
“值网络”（value network）。它们的任务在于合作“挑选”出那些比较有前途的棋
步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋
手所做的一样。
其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显
劣势的时候，就直接抛弃某些路线，不用一条道算到黑；而“策略网络”负责减少搜索
的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃
。将这些信息放入一个概率函数，AI就不用给每一步以同样的重视程度，而可以重点分
析那些有戏的棋着。
AlphaGo所使用的神经网络结构示意图。图片来源：参考文献[1]
AlphaGo利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会
判断当前局面以及推断未来的局面一样。这样AlphaGo在分析了比如未来20步的情况下
，就能判断在哪里下子赢的概率会高。
研究者们用许多专业棋局训练AI，这种方法称为监督学习（supervised learning
），然后让AI和自己对弈，这种方法称为强化学习（reinforcement learning），每次
对弈都能让AI棋力精进。然后他就能战胜冠军啦！
人类在下棋时有一个劣势，在长时间比赛后，他们会犯错，但机器不会。而且人类
或许一年能玩1000局，但机器一天就能玩100万局。所以AlphaGo只要经过了足够的训练
，就能击败所有的人类选手。
Google DeepMind
Google DeepMind是这个程序的创造者，我们来看一下他们萌萌的程序员。
杰米斯·哈萨比斯（Demis Hassabis） 是Google DeepMind 的CEO。图片来源：
Nature Video
文章的第一作者大卫·西尔弗（David Silver）。图片来源：Nature Video
Google DeepMind 去年在《自然》杂志上发表过一篇论文[2]，他们用增强学习的
方法训练AI玩经典的Atari游戏。其实在几年前就有人研究如何让AI玩《星际争霸》，
目前人类大师还是能击败AI的。电脑游戏中大量使用人工智能技术，你有没有觉得游戏
变得越来越聪明了？
那么……未来呢？
人工智能研究者面对这样的成就当然欣喜。深度学习和强化学习等技术完全可以用
于更广泛的领域。比如最近很火的精准治疗，我们可以训练它们判断哪些治疗方案对某
个特定的人有效。
但是，围棋毕竟不仅仅是一项智力成就。就像十多年前的国际象棋一样，围棋必定
也会引发超出本领域之外的讨论。等到计算机能在围棋上秒杀人类的时候，围棋是不是
就变成了一种无聊的游戏？人类的智力成就是不是就贬值了？AI还将在其他层面上继续
碾压人类吗？传统认为AI不可能完成的任务是否也都将被逐一打破？人类最后是会进入
AI乌托邦还是被AI淘汰呢？
没人知道答案。但有一点毫无疑问：AI一定会进入我们的生活，我们不可能躲开。
这一接触虽然很可能悄无声息，但意义或许不亚于我们第一次接触外星生命。
（编辑：Ent，Calo）
参考文献：
David Silver, et al. "Mastering the game of Go with deep neural networks
and tree search." Nature doi:10.1038/nature16961Mnih, Volodymyr, et al. "
Human-level control through deep reinforcement learning." Nature 518.7540 (
2015): 529-533.
文章题图：Nature/Google DeepMind
生物学吭哧吭哧多少年毛都没摸找的问题，眼看要被码工找到道理了。
http://www.nature.com/news/google-ai-algorithm-masters-ancient-
http://it.sohu.com/20160128/n436102903.shtml
面对谷歌围棋AI 人类最后的智力骄傲即将崩塌
1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国
际象棋AI。欧美传统里的顶级人类智力试金石，在电脑面前终于一败涂地，应了四十多
年前计算机科学家的预言。
至少还有东方，人们自我安慰道。围棋AI长期以来举步维艰，顶级AI甚至不能打败
稍强的业余选手。这似乎也合情合理：国际象棋中，平均每回合有35种可能，一盘棋可
以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。这一巨大
的数目，足以令任何蛮力穷举者望而却步——而人类，我们相信，可以凭借某种难以复
制的算法跳过蛮力，一眼看到棋盘的本质。
但是，无论人怎么想，这样的局面当然不可能永远延续下去。就在今天，国际顶尖
期刊《自然》报道了谷歌研究者开发的新围棋AI。这款名为“阿尔法围棋”（AlphaGo
）的人工智能，在没有任何让子的情况下以5:0完胜欧洲冠军，职业围棋二段樊麾。
AlphaGo与欧洲围棋冠军樊麾的5局较量。图片来源：参考文献[1]
这是人类历史上，围棋AI第一次在公平比赛中战胜职业选手。
AlphaGo的战绩如何？
此次比赛和以往不同。之前的比赛中，由于AI棋力比人类弱，人类选手都会让子，
而且AI主要和业余段位的棋手比赛。而AlphaGo对战樊麾是完全公平的比赛，没有让子
。职业二段樊麾出生于中国，目前是法国国家围棋队总教练，已经连续三年赢得欧洲围
棋冠军的称号。
研究者也让AlphaGo和其他的围棋AI进行了较量，在总计495局中只输了一局，胜率
是99.8%。它甚至尝试了让4子对阵Crazy Stone，Zen和Pachi三个先进的AI，胜率分别
是77%，86%和99%。可见AlphaGo有多强大。
在接下来3月份，AlphaGo将和韩国九段棋手李世乭在首尔一战，奖金是由Google提
供的100万美金。李世乭是最近10年中获得世界第一头衔最多的棋手。围棋是最后一个
人类顶尖高手能战胜AI的棋类游戏。之前有人预测说，AI需要再花十几年才能战胜人类
。所以这场比赛或许会见证历史，我们将拭目以待。
李世乭表示很荣幸自己将与电脑公平对弈。“无论结果如何，这都会是围棋史上极
具意义的事件。”他说，“我听说谷歌Deep Mind的AI出人意料地强，而且正在变得更
强。但我有自信至少这次能赢。”图片来源：tygem.com
AI下围棋到底有多难？
计算围棋是个极其复杂的问题，比国际象棋要困难得多。围棋最大有3361 种局面
，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只
有2155种局面，称为香农数，大致是1047。
面对任何棋类，一种直观又偷懒的思路是暴力列举所有能赢的方案，这些方案会形
成一个树形地图。AI只要根据这个地图下棋就能永远胜利。然而，围棋一盘大约要下
150步，每一步有250种可选的下法，所以粗略来说，要是AI用暴力列举所有情况的方式
，围棋需要计算250150种情况，大致是10360。相对的，国际象棋每盘大约80步，每一
步有35种可选下法，所以只要算3580种情况，大概是10124。无论如何，枚举所有情况
的方法不可行，所以研究者们需要用巧妙的方法来解决问题，他们选择了模仿人类大师
的下棋方式。
机器学习
研究者们祭出了终极杀器——“深度学习”（Deep Learning）。深度学习是目前
人工智能领域中最热门的科目，它能完成笔迹识别，面部识别，驾驶自动汽车，自然语
言处理，识别声音，分析生物信息数据等非常复杂的任务。
描述AlphaGo研究成果的论文成为了1月28日的《自然》杂志的封面文章。图片来源
：Nature/Google DeepMind
AlphaGo 的核心是两种不同的深度神经网络。“策略网络”（policy network）和
“值网络”（value network）。它们的任务在于合作“挑选”出那些比较有前途的棋
步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋
手所做的一样。
其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显
劣势的时候，就直接抛弃某些路线，不用一条道算到黑；而“策略网络”负责减少搜索
的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃
。将这些信息放入一个概率函数，AI就不用给每一步以同样的重视程度，而可以重点分
析那些有戏的棋着。
AlphaGo所使用的神经网络结构示意图。图片来源：参考文献[1]
AlphaGo利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会
判断当前局面以及推断未来的局面一样。这样AlphaGo在分析了比如未来20步的情况下
，就能判断在哪里下子赢的概率会高。
研究者们用许多专业棋局训练AI，这种方法称为监督学习（supervised learning
），然后让AI和自己对弈，这种方法称为强化学习（reinforcement learning），每次
对弈都能让AI棋力精进。然后他就能战胜冠军啦！
人类在下棋时有一个劣势，在长时间比赛后，他们会犯错，但机器不会。而且人类
或许一年能玩1000局，但机器一天就能玩100万局。所以AlphaGo只要经过了足够的训练
，就能击败所有的人类选手。
Google DeepMind
Google DeepMind是这个程序的创造者，我们来看一下他们萌萌的程序员。
杰米斯·哈萨比斯（Demis Hassabis） 是Google DeepMind 的CEO。图片来源：
Nature Video
文章的第一作者大卫·西尔弗（David Silver）。图片来源：Nature Video
Google DeepMind 去年在《自然》杂志上发表过一篇论文[2]，他们用增强学习的
方法训练AI玩经典的Atari游戏。其实在几年前就有人研究如何让AI玩《星际争霸》，
目前人类大师还是能击败AI的。电脑游戏中大量使用人工智能技术，你有没有觉得游戏
变得越来越聪明了？
那么……未来呢？
人工智能研究者面对这样的成就当然欣喜。深度学习和强化学习等技术完全可以用
于更广泛的领域。比如最近很火的精准治疗，我们可以训练它们判断哪些治疗方案对某
个特定的人有效。
但是，围棋毕竟不仅仅是一项智力成就。就像十多年前的国际象棋一样，围棋必定
也会引发超出本领域之外的讨论。等到计算机能在围棋上秒杀人类的时候，围棋是不是
就变成了一种无聊的游戏？人类的智力成就是不是就贬值了？AI还将在其他层面上继续
碾压人类吗？传统认为AI不可能完成的任务是否也都将被逐一打破？人类最后是会进入
AI乌托邦还是被AI淘汰呢？
没人知道答案。但有一点毫无疑问：AI一定会进入我们的生活，我们不可能躲开。
这一接触虽然很可能悄无声息，但意义或许不亚于我们第一次接触外星生命。
（编辑：Ent，Calo）
参考文献：
David Silver, et al. "Mastering the game of Go with deep neural networks
and tree search." Nature doi:10.1038/nature16961Mnih, Volodymyr, et al. "
Human-level control through deep reinforcement learning." Nature 518.7540 (
2015): 529-533.
文章题图：Nature/Google DeepMind
