技术:人机围棋大战首局落定：李世石投子认输！

本篇文章1895字，读完约5分钟

回顾图像图文广播的全过程

新浪科技报北京时间3月9日下午宣布，谷歌人工智能alphago和韩国棋手李世石的第一场比赛结束，alphago取得了今天比赛的胜利。 双方竞争了三个半小时后，李世石承认输了。 今天的比赛结束后，双方将分别在3月10日(星期四)、12日(星期六)、13日(星期天)、15日(星期二)北京时间中午12点举行剩下的4场比赛。

这次比赛两个小时，一分钟读三次。 比赛使用中国的规则，黑贴3/4子(黑贴7目半)。 使用中国的规则是因为阿尔法go根据中国的规则开发的。

比赛使用5套3胜制，最终比赛的优胜者获得奖金100万美元。 如果alphago夺冠，奖金将捐赠给联合国儿童基金会( unicef )、stem教育、围棋慈善团体( go charity )。

取而代之的是，也是，也是，也是，也是

胃

白薯

是的，，的，法律的，法律的，法律的！ ~~法~~~好

但是已经到了

但是，没什么大不了的，没什么大不了的，没什么，没什么，没什么，没什么，没什么。

祝你幸福

谷歌为什么要制作人工智能围棋程序alphago

谷歌不仅想制定国际象棋的程序，还想制定通用的智能计算系统。 如果处理围棋的问题，谷歌希望将这种人工智能算法应用于灾害预测、风险控制、医疗健康、机器人等许多复杂的行业。 也就是说谷歌的目的还是为了为人类提供更好的服务，没有恶意。 deepmind(alphago的研究企业)的创始人哈扎维斯说:“对人工智能的一般警告掩盖了人工智能的帮助。” 离人脑水平的人工智能还很远，可能还需要几十年。

在昨天的赛前发布会上，谷歌会长施密特说，胜负全是人类的胜利。 因为人类的努力才给人工智能带来了现在的突破。

但是，并非所有人对人工智能都很乐观。 特斯拉ceo面具和理论物理学家霍金等科技界名人都很担心。

围棋又多又杂，超过了宇宙原子的总数

棋盘的纵横各有19条线，有361个落子点，双方交替落子，意味着围棋总共有10^171(1后面有171个零)种的可能性。 这个数字有多大，你可能感觉不到。 宇宙的原子总数是10^80(1后80个零)，告诉我们即使囊括了整个宇宙的物质也不能留下所有围棋的可能性。

19年前，ibm企业的“深蓝色”电脑战胜了国际象棋世界冠军卡斯帕罗夫，引起了极大的关注。 但是，从围棋的多与杂，到最近，人类在围棋人工智能项目上取得了很大的突破。

围棋的可能性这么大，没什么路可走。 赢围棋的唯一方法不是背，而是让计算机也学习“学习”。 为了在围棋中战胜人类，硅谷的两个科技企业——facebook和Google希望有一天电脑能战胜人类的围棋冠军。

李世石介绍

李世石在李昌镐之后是韩国最有代表性的棋手，2003年获得第16届富士通杯冠军晋升为9段棋手。 2002年加冕富士通杯以来，10年间获得了18名世界冠军。 李世石是典型的力战型棋风，敏锐地抓住对方的弱点积极出击，可以用强大的力量打倒对方，他的攻击可以用“稳定、准、冷酷”来表现，总是以劣势逆转。

alphago去年10月打败了欧洲冠军

谷歌每年以4亿欧元收购人工智能企业deepmind。 deepmind开发的alphago项目有两年的历史，alphago去年战胜过欧洲围棋冠军樊麿(职业2段)。

去年10月5日~10月9日，谷歌alphago以5:0的比分完胜了欧洲冠军。 除了战胜人类外，alphago还与其他围棋项目对战，取得了500场胜利。

alphago原理概述

传统的人工智能方法是将所有可能的手构建成一棵搜索树，但这种方法不适用于围棋。 这次Google发布的alphago是高级搜索树和深度神经网络的结合。 这些神经网络通过12个解决层传播棋盘的描述，解决层中含有数百万神经相似的连接点。

一个神经网络“决定互联网”( policy network )选择下一步，另一个神经网络“值互联网”( value network )预测比赛的胜者。 谷歌方面用人类围棋高手三千万步的围棋手训练神经网络，此外，alphago也亲自研究新战术，在其神经网络之间运行数千局围棋，利用反复实验调整连接点，这个过程

alphago在与人的对战中使用“两个大脑”处理问题。 “决定互联网”和“值互联网”。 一般来说，一个大脑现在用来决定应该怎么落子，另一个大脑用来预测比赛的最终胜利方。

有趣的是，李世石也是第一次和机器对战，所以他没能像和人类对战一样先研究对方的棋谱和国际象棋风格。 李世石能做的就是和自己对战。 谷歌alphago也用这种方法锻炼自己，真正实现了“人工智能”。 (边策周游)