作者:
zkow (逍遙山水憶秋年)
2016-03-10 04:50:49人類先丟一陣 谷歌工程師：李世石獲勝可能為0
3月9日，首爾四季酒店的“人機對決”成為人類AI歷史上的一個里程碑。
在一場關乎競技、演算法、AI發展乃至哲學的圍棋“人機大戰”中，代表人類出戰的
韓國著名棋手李世石九段不敵AlphaGo，人類智慧先丟一陣。
谷歌工程師：李世石獲勝可能為0
無論是奧運會還是世界盃決賽，或許都無法像李世石對弈AlphaGo一樣引起體育界和
科技界最廣泛的關注。這場圍棋人機大戰的熱度甚至早已超越了昔日IBM電腦“深藍”與
卡斯帕羅夫1997年的那場對決。
賽前，大多數圍棋界人士都看好李世石能夠拿下比賽，他們的擔心只是在於在短短數
月中，AlphaGo的自我學習能力可以達到多麼恐怖的層次。
創新工廠CEO、曾經研發過棋類對弈軟體的李開複也透露，按照李世石與AlphaGo的
Elo（圍棋等級分），可以算出去年年底的AlphaGo打敗李世石的概率相當低。
“如果對弈一盤，AlphaGo尚有11%的獲勝的可能性，而整個比賽五盤勝出三盤或更多
，AlphaGo就只有1.1%的可能性了。”當然，李開複也強調這個預測是根據幾個月前的
AlphaGo的表現做出的，“但是無法猜測它如今的進步能力。”
在賽前發佈會上，谷歌執行董事長艾瑞克‧施密特卻主要在講演科技對人類生活的促
進，對於比賽只是官方表態式地說道：“輸贏都是人類的勝利。”
不過，正在韓國觀戰的中國圍棋隊總教練俞斌透露，他們得到的穀歌內部消息並沒有
外界普遍的樂觀，“谷歌工程師估算，李世石勝出的可能性為0。”
而據韓國news1表示，韓國網友此次支持李世石的比例僅剛剛過半，是因為大部分人
不懂圍棋，而棋迷們大部分都看好李世石的。
贏一盤就是人工智慧的勝利？
Alpha Go的強大在於類比人類大腦的神經元結構，如何結合深度學習與強化學習兩套
神經網路，簡單來說，一方面它迅速汲取10萬圍棋高手的棋局，充分利用人類棋手的即有
經驗；
另一方面是“左右互搏”。每天跟自己（不同的分身）下上幾十萬盤，在不斷的試錯
中自我完善、自我進化，並累積3000萬棋位元（position）的資料庫……而左右互搏，自
我冥想對弈恰恰也是李世石賽前備戰的方法。
儘管這場比賽是5盤3勝，下滿5盤，然而在人工智慧領域的科學家看來，AlphaGo並不
需要拿下整場比賽，甚至在5盤中拿下1盤其實就取得了勝利。
英國《衛報》稱，帝國理工學院認知機器人學教授穆雷‧沙那罕認為在AlphaGo戰勝
樊麾後，已經說明了“AI在發展中達到了一個重要的里程碑”，而只要戰勝李世石這位頂
尖棋手一盤，就證明“人工智慧已經取得了驚人的成就，它可以在短時間裡不斷學習，變
得更加強大。”
中盤時，AlphaGo已經展示了不俗的能力，李世石的下法也過於剛猛。職業棋手李喆
當時就預測：“從盤面的表現來看，李世石會不一定能以5比0戰勝谷歌AlphaGo。”
對於人工智慧而言，沒有情感是優勢也是劣勢，因為圍棋更多地需要依靠棋手的“直
覺”。因此在官子階段，李世石連續出現大失誤，先是在右邊路招法軟弱，又不尖頂守角
，損失了十多目，釀成敗局。
以往在談及很多經典勝負手時，職業棋手的答案通常是：“感覺這樣是對的。”而這
其中不但包含著局域的思考，還有大局的感知，而人工智慧僅僅靠暴力窮舉無法征服圍棋
，然而AlphaGo在短短數月就達到了職業九段的實力。
深度學習初創公司Skymind的創始人克裡斯‧尼克爾森也認為，鑒於AlphaGo的學習能
力，贏下一盤也意味著AI征服圍棋的進程大大縮短了。
即便在哲學家眼中，AlphaGo也只需要一盤勝利。超人類主義哲學家尼克‧博斯特羅
姆在接受《衛報》採訪時表示：“這將使過去幾年機器學習領域的成果變得戲劇化。”
他在自己的著作《超級智慧：道路、危險和戰略》寫道：如果通用人工智慧成為現實
，那麼將是一個帶來無與倫比後果的事件。
最強AI也只是人類思維的一部分
與“人機大戰”一樣火爆的話題是，AlphaGo贏下比賽能否證明人工智慧已經超越人
類？
復旦大學哲學學院教授、人工智慧哲學專家徐英瑾在接受採訪時指出，即便李世石輸
掉比賽，這並不意味著人工智慧已比人類聰明。
徐英瑾舉了個例子，AlphaGo是訓練了2000萬局棋後，才能戰勝職業圍棋選手，而一
個人在成長為職業九段高手前，訓練的棋局數量遠小於2000萬。
“儘管擁有了深度學習能力，但它勝過人類的主要原因仍和以前的電腦程式一樣：運
算速度快、不受生物屬性限制。”
而從與李世石的第一盤比賽來看，AlphaGo就像李世石說的那樣，“過分拘泥於局部
價值，欠缺整體的完善感。”也就是說，尚欠大局觀，這也與它自我學習的方式有關。
曼徹斯特大學的電腦科學教授凱文‧柯倫在接受《果殼》採訪時也表示：“人類能夠
辨認並區分現實世界中的事物、明確地理解對話內容，並且基本能在現實生活中長期維持
運作而不‘出錯’。但最優秀的AI也只能在理想的應用情境中實現以上功能的一部分。”
http://sports.sohu.com/20160309/n439873075.shtml