人工智能围棋战胜李世石,人工智能围棋阿尔法狗
AI让围棋失去了很多魅力，人工智能对围棋游戏的影响有多大？人工智能对围棋影响是两面性的，围棋本身就是一种娱乐方式，并不一定是说人工智能完胜人类之后就会让这种娱乐消失。我们可以通过人工智能学习到更精的棋艺，而且在未来人工智能可以代替人类的地方还有很多，它本身就是人类创造出来的，是为了能够更好的帮助人类服务的。
自从2016年，李世石挑战阿尔法狗1：3败北以来，围棋AI可以说颠覆了许多围棋领域的固有思维和模式。总的来说，利大于弊。
1、人工智能的产生，有利于人类探索围棋的终极奥秘。比方说，过去有很多人诟病近代围棋国手只是业余高手水平，但通过AI的验证，拨云见日，重现先辈的大智慧和深邃的算路。
2、人工智能的产生，更有利于围棋的普及，想学围棋，随便找一个AI陪练成为业余高手的难度大大降低了。
3、人工智能的产生，颠覆了传统的围棋教学模式，AI全面介入教学过程，过去的围棋教练成了辅助的教学指导人员，答疑解惑的要求相对降低了。
4、人工智能的产生，因为AI可以轻松碾压职业棋手，所以围棋正式比赛，要严格预防作弊了，增加了一定的比赛成本。
5、人工智能的产生，某种程度上影响了人类到网上下棋的意愿，因为谁都不愿意与“遛狗”的对手比赛。
6、人工智能助推围棋全球化。不仅是职业棋手，在业余围棋领域人工智能的应用也在普及，李星今年编写的教材中就增加了人工智能方面的内容。在青少年学棋阶段，人工智能的应用也更加广泛。
7、从“打狗”到“用狗”。那次“人机大战”之后，“打狗”成为了围棋界的热词，然而随着“阿尔法狗”升级后开始“碾压”人类棋手，人类棋手的思路也逐渐从“打狗”转为了“用狗”。如同聂卫平所言，人工智能是围棋上帝派来给人类引路的。人工智能出现以前，人类曾以为在围棋领域的高度至少达到了50%，但人工智能出现后才发现人类还处于围棋领域的初级阶段。
人工智能阿尔法围棋用了哪项新技术阿尔法围棋用到了很多新技术，如神经网络、深度学习、蒙特卡洛树搜索法等，使其实力有了实质性飞跃。美国脸书公司“黑暗森林”围棋软件的开发者田渊栋在网上发表分析文章说，阿尔法围棋系统主要由几个部分组成：
1、策略网络（PolicyNetwork），给定当前局面，预测并采样下一步的走棋。
2、快速走子（Fastrollout），目标和策略网络一样，但在适当牺牲走棋质量的条件下，速度要比策略网络快1000倍。
3、价值网络（ValueNetwork），给定当前局面，估计是白胜概率大还是黑胜概率大。
4、蒙特卡洛树搜索（MonteCarloTreeSearch），把以上这四个部分连起来，形成一个完整的系统。
“阿尔法狗”采用的是利用“价值网络”去计算局面，用“策略网络”去选择下子。阿尔法狗依旧处于一个弱人工智能的水平。什么是弱人工智能？简单的说，所谓弱人工智能就是仅在单个领域比较牛的人工智能程序。
比如我们熟悉的苹果Siri，就是一个会卖萌的弱人工智能程序。而阿尔法狗根据这个标准，依旧在这个范围以内。充其量，最多是人类围棋的陪练。而这场人际对决，本质上更像是谷歌的一场科技秀。
阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。
2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。
2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。
2017年5月27日，在柯洁与阿尔法围棋的人机大战之后，阿尔法围棋团队宣布阿尔法围棋将不再参加围棋比赛。2017年10月18日，DeepMind团队公布了最强版阿尔法围棋，代号AlphaGoZero。
2017年7月18日，教育部、国家语委在北京发布《中国语言生活状况报告（2017）》，“阿尔法围棋”入选2016年度中国媒体十大新词。
第一个战胜围棋世界冠军的人工智能程序是什么？阿尔法狗(AlphaGo)是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，由谷歌(Google)公司的团队开发。其主要工作原理是“深度学习”。
2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平。
起源
围棋，起源于中国，中国古代称为“弈”，可以说是棋类之鼻祖，围棋至今已有4000多年的历史。据先秦典籍《世本》记载：“尧造围棋，丹朱善之。”晋张华在《博物志》中继承并发展了这种说法：“尧造围棋，以教子丹朱。若白：舜以子商均愚，故作围棋以教之。”
1964年版的《大英百科全书》就采纳这种说法，甚至将其确切年代定在公元前2356年。
唐代诗人皮日休所作的《原弈》认为：“弈之始作，必起自战国，有害诈争伪之道，当纵横者流之作矣。岂曰尧哉！”
明朝陈仁锡在《潜确类书》中又提出“乌曹作博、围棋”。乌曹相传是尧的臣子，有的人又说他是夏桀的臣子。后来，董斯张的《广博物志》、张英的《渊鉴类函》等也采录了这种说法。
人工智能围棋水平较高的软件有美国的AlfaZero、AlfaGo。
1、AlfaZero是产自美国深度思维公司研发的人工智能产品寓意从零开始，所以翻译为阿尔法零，是围棋水平较高的软件。
2、AlfaGo是出自美国谷歌公司旗下的人工围棋智能打败了围棋冠军。
AI现在的围棋水平是什么程度？2018中国围棋大会8日在广西南宁市落子开幕，本次大会共26项围棋比赛，包含全国围棋定段赛、“百千万工程”全民围棋团体锦标赛、“百千万工程”全民围棋段级位棋王赛、世界智能围棋公开赛、九路棋王赛、马拉松围棋赛、亲子双人赛等传统专业赛和贴近民众生活的趣味赛。其中，人工智能围棋比赛及产业应用展示成为本次大会的吸睛点。“中国围棋运动当前的竞技水平和普及推广力度，均走在世界前列。
目前中国围棋人口约达到4000万，围棋运动及产业发展前景广阔。”中国围棋协会主席林建超当日接受记者采访时表示，本次围棋大会是中国迄今最大的围棋赛程，人群覆盖中外专业棋手、业余棋手、高校学生及青少年兴趣爱好者。其中，2018全国围棋定段赛正式比赛约300场，是目前为止规模最大的“围棋高考”。他说，目前中国的围棋产业化发展迎来一个很好的开端，以城市围棋联赛为代表的围棋产业化模式正在积极探索中。
在此过程中，“人工智能+围棋产业应用”将是未来围棋产业化发展的重要方向。“围棋运动像中国所有的体育运动一样，未来都将朝着产业化的方向发展。”华智城围联体育产业股份公司总经理覃勇刚说，作为中国首个完全市场化运作的“城市围棋联赛”，经过三年多的发展，目前城市围棋联赛成员已经扩展到32个俱乐部，队伍来自七个国家的31个城市，已成为一个具备一定规模，影响力较高的品牌赛事。
人工智能下围棋是如何分析选点的？您好，人工智能围棋发展之所以如此迅速是因为计算方式发生了变化，早些的人工智能在分析选点的时候采用对手落子全盘分析的方式，不仅计算量巨大，而且计算时间长，不利于人工智能围棋发展；新一代人工智能引用大数据时代技术，在人工智能输入大量的人类围棋对局数据，之后智能围棋再采用概率选点的方式分析，对手落子，只分析对局中常见的选点，计算百分比，就可以很快计算，不仅计算速度块，而且精准，计算量也减少很多。
望采纳，谢谢。
人工智能开发VS围棋，到底哪一个能被称为是真正的人类智慧最后一道防线？如果说哪一个是被称之为人类智慧的最后一道防线的话，肯定就要数围棋了，可能很多人都不太相信，很多人也都觉得是人工智能，但其实并不是的。人工智能超过人脑的计算能力和超过人的控制能力再一次惊艳了世界，所以很多人都认为人工智能是计算机科学的一个分支，它能够了解人的各方面的行为，能够帮助人做各种各样的事情，所以大家都觉着人工智能比人类可能都还要更发达，在智慧方面也要比人类更高超。 但是即使这样他也没有围棋伟大，因为人工智能的目标是能够像人类一样思考，判断，模拟人的行为，或者是超越人的行为，但是它终究不能代表人类，而且也是因为围棋，所以才让人工智能火了。国际象棋，跳棋，黑白棋，扑克牌等等都能够被人工智能拿一下，但是围棋却没有，其真的是比人工智能要更略瘦一筹。 围棋的每个棋子在落子前，利益是相同的，这也就是说明了他不会像象棋一样有车马炮的大小之分。他是每一个棋子地位平等的，是不会因为一个棋子来去定胜负。任何一个地方都是可以的。所以这个呢是会更加的考验它的智能的能力，而人工智能目前来说是没有办法达到这一点的，所以说在围棋和人工智能方面，围棋还要略胜一筹。所以说我们不要小看围棋的力量，围棋如果能够玩好，这真的是十分考验人的智慧。虽然说人工智能他的目标是超越人的能力，但是在按照目前来说仍然是没有围棋的。只会更强大。
人工智能“阿尔法围棋”究竟什么样好多种但Google应该是最牛的Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google人工智能专家表示，这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李世乭。今天早上，《自然》杂志发表了一篇GoogleDeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩，研究员随后让系统进行自我博弈，计算出比基础棋谱更多新的打点。也就是说，战胜人类就要靠这些新的东西。“这其中最重要的是，AlphaGo不仅记录着大量的棋谱，还有一系列规则来指导思考，”DeepMindCEODemisHassabis说道，“事实上，该程序能够通过机器学习的方式掌握比赛技巧。”DeepMind的技术核心结合了“强化学习”及其他人工智能手段，这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说，要让机器人变得更“自然”。
人工智能对人类围棋发展的重要意义这是因为同现实世界相比，围棋有明确的规则，更能够“测试”人工智能的水平，AlphaGo也证明，面对人类难以实现的“以穷举法搜索”“由诸多变量共同作用决定结果的复杂系统”，人工智能同样能够达到超越人类最高水准的决策能力。包括金融、医疗、教育等等在内，上述两个条件也是现实世界难以决策的重要原因。AlphaGo开发团队表示，在围棋领域累积下来的高级通用算法，将被用于降低能源消耗、新材料发明和医疗。已经有数据显示，应用了AlphaGo的算法，互联网公司数据中心的能源消耗可减少40%。这也意味着，随着人工智能在硬件和基础算法上的优化，在未来将会对越来越多的产业带来积极影响。
不过，硬币总有另外一面。从“人机大战”中的配对赛进程来看，人类顶尖棋手和AlphaGo之间，由于思考和判断方式不同，人类对AlphaGo的“招数”并不能完全理解，配合也还远远谈不上默契。围棋毕竟有相对明确的得与失，一旦决策型的人工智能被用于更为模糊和复杂现实世界，人类是否能够理解它，两者之间如何真正形成合力，人类要如何建立对人工智能的信任感，仍将是未来很长时间阶段中必须要面对的问题。从目前来看，当务之急是人工智能科学家们依然要帮助人们了解人工智能学习的原理，以及建立更多人类与人工智能沟通和互动的方式。“阿老师”走下棋盘，人工智能来到人间。人机大战硝烟散去，但通往未来的路才刚刚现形。
围棋人工智能出来以后，对围棋职业选手，围棋从业者以及围棋爱好者分别有什么影响？人工智能AI出现利大于弊。
以前在判断棋局好坏的时候就算是职业高手也可能得出截然相反的两种意见，但是现在大家没有纠纷了，AI绝对正确。对于爱好者来讲获益更多，每次下完棋用AI盘点一下，看看本局错误出在哪里，看看正确的应手是什么，就行当一个顶尖职业高手随时陪着你复盘，简直是太幸福了。
当然AI出现的弊端就是下棋作弊的多了，线上，线下都有。
原文：人工智能围棋战胜李世石,人工智能围棋阿尔法狗–木剑广告
人工智能击败人类围棋大师 但远称不上超级智能
人工智能挑战人类智慧人工智能近日取得了重大突破。谷歌在英国的研究人员研发的一款计算机系统在围棋比赛中击败了一名顶尖棋手。作为一种古老的东方策略类游戏，在过去的几十年间，围棋曾无数次使人工智能败下阵来。
在大多数用来考察人类智慧的游戏中，如国际象棋、拼字游戏、奥赛罗棋、甚至《绝境边缘》（Jeopardy，一个益智问答游戏节目）中，机器都能毫不费力地击败人类。但围棋是一个例外。这款游戏有着2500年的历史，比国际象棋要艰深复杂得多，即使是最机敏的计算机系统，也比人类围棋大师要差了一大截。就在本月初，一些业内顶尖的人工智能专家还质疑近期内我们能否在这方面取得突破。去年更有很多人认为，还要再过十年，机器才可能在围棋比赛中取得上风。
但谷歌已经成功了。“这比我想象的要快得多。”法国研究人员雷米·科隆（RémiCoulom）说道。他研发的人工智能系统曾是世界上最出色的机器围棋选手。
谷歌DeepMind团队自称“人工智能领域的阿波罗计划”。2015年10月，他们在伦敦组织了一场机器与人类之间的对决。该团队研发的系统名叫AlphaGo，它要对付的人类选手是欧洲围棋冠军樊麾。在《自然》杂志的一名编辑和英国围棋联合会（BritishGoFederation）的一名权威人士的监督下，他们连续进行了五轮较量，AlphaGo均取得了胜利。“无论是作为一名研究人员还是编辑，这都算是我职业生涯中最令人激动的时刻之一。”《自然》杂志编辑唐吉·肖尔德博士（TanguyChouard）在本周二的一次记者会上说道。
英国时间1月27日早晨，《自然》杂志发表了一篇论文，详细介绍了DeepMind团队研发的系统。该系统采用了一种名叫“深度学习”（deeplearning）的人工智能技术，这种技术在该领域的地位正变得越来越重要。DeepMind的研究人员从专业棋手那里收集了大量走棋方法，总步数多达3000万次，并利用这些数据对AlphaGo系统进行了训练。但这还只是第一步而已。从理论上来说，这样的训练方式顶多能让计算机系统和最优秀的人类选手达到同等水平，不可能超越人类。因此研究人员先让该系统自己和自己比赛，在这一过程中产生更多的走棋方法，然后再用这些方法训练新的人工智能系统，逐步提高其围棋水平。
“最重要的是，AlphaGo不仅仅是一个出色的人工智能系统，只知道实行人工植入的规则”，负责监管DeepMind团队的德米斯·哈萨比斯（DemisHassabis）说道，“它还采用了目前普遍使用的机器学习技术，从而在围棋比赛中取胜。”
这次胜利其实并没有那么新奇。谷歌、Facebook和微软等线上服务提供商已经使用了深度学习技术，用于辨认图像、识别语音、以及理解自然语言等。DeepMind将深度学习与一种名为“增强学习”的技术和其它方法结合起来，说明在未来的世界中，机器人能够学会执行各种动作，还能对周围环境做出反应。“对于机器人来说，这是顺理成章的事情。”哈萨比斯说道。
他还认为这些手段能加速科学研究的进展。在他的想象中，科学家有一天会和人工智能系统一起工作，而这些人工智能系统将会被运用到可能取得丰硕成果的研究领域中去。“计算机系统能够处理大量数据，揭露数据结构特征，工作效率远比人类专家要高——有些事情人类甚至根本做不到。”哈萨比斯解释道，“这些计算机系统甚至能为人类专家指明研究方向，引领他们取得突破。”
但就目前来看，围棋仍然是哈萨比斯最关注的领域。在让AlphaGo在办公室中打败人类选手之后，哈萨比斯及其团队希望能在公开的竞技场上，和世界顶级围棋选手一决高下。今年三月中旬，AlphaGo将挑战韩国棋手李世乭，后者赢得的国际大奖数居世界第二，是过去十年中获胜次数最多的棋手。哈萨比斯将他视为“围棋世界中的费德勒”。
以“貌”取胜
2014年年初，科隆研发的围棋软件Crazystone在日本的一次锦标赛中向围棋大师依田纪基（NorimotoYoda）发起了挑战，并取得了胜利。但这次对决并不公平，因为机器人可以先走四步，占据了巨大的优势。当时科隆预言称，人工智能至少要再过十年才能在无让子的围棋比赛中取胜。
这项挑战的难度是由围棋本身的特点决定的。即使是最强大的超级计算机，也缺乏在合理的时间内、分析出每种走法可能的结果的能力。1997年，“深蓝”击败了世界顶级象棋棋手加里·卡斯帕罗夫，它使用的算法名叫“蛮力穷举法”。它分析了每一种可能的走法将产生的结果，而人类是不可能考虑这么多的。但这种方法对围棋就无效了。在国际象棋中，平均每回合有35种走棋方式。而围棋每回合有250种可能的走棋方式，250种中的每一种又有250种，以此类推。哈萨比斯指出，围棋棋盘上可能的布棋方式总和比宇宙中所有原子的数量还多。
利用一种名叫蒙特卡洛树的搜索算法，像Crazystone这样的程序可以提前算出很多步走棋结果。再配合其它技术，它们还可以逐步去除需要分析的走法。这样一来，它们迟早会打败一些出色的棋手——但无法击败最出色的棋手。对于棋类大师来说，走棋很多时候靠的都是直觉。棋手会根据棋子的整体分布来选择走法，而不会细致地分析每一步的结果。“好的位置看起来就很好，”哈萨比斯说道，他本身就是一名围棋棋手，“围棋似乎也遵循一定的审美原则，所以这种游戏才得以延续数千年。”
但在2014、15年之交，一些人工智能专家，包括爱丁堡大学、Facebook、以及DeepMind团队的研究人员，开始采用深度学习法解决围棋问题。他们的想法是，这种技术能模拟人类的直觉，而直觉正是下围棋时必不可少的东西。“围棋是一种含蓄的游戏，讲究图案的配合，”哈萨比斯说道，“而那正是深度学习法所擅长的领域。”
自我增强
深度学习需要依赖所谓的“神经网络”，即由硬件和软件组成的、模拟人类大脑中神经网的网络。这些网络采用的不是蛮力穷举法，也不依靠人工植入的行动准则。它们会对大量数据进行分析，试图“学会”执行某个特定的任务。如果让神经网络看大量的袋鼠照片，它就能学会认出一只袋鼠。如果让它听大量的单词，你再读出这个单词时，它就能听出来你说的是什么。如果让它了解大量的围棋走棋方法，它就能学会下围棋。
DeepMind团队、爱丁堡大学和Facebook的研究人员希望，神经网络能够通过“观察”棋子位置掌握下围棋的方法，和人类差不多。Facebook近日在一篇论文中指出，这一技术使用起来相当不错。他们将深度学习法和蒙特卡洛树搜索方法结合起来，成功让计算机打败了一些人类围棋棋手。不过他们还没有击败Crazystone和其它顶尖的人工智能系统。
但DeepMind成功将这一概念向前推动了一大步。在接受了3000万步人类的围棋走法训练之后，DeepMind神经网络能够以57%的成功率预测人类下一步的走棋方法。这个成功率可谓十分惊人（此前的记录是44%）。接下来，哈萨比斯及其团队采用增强学习法，让这个神经网络和另一个与之稍有不同的网络进行比拼。在两个神经网络比赛的同时，系统会追踪哪种走法带来的效益最大。利用这种方法，该系统越来越能够识别出哪种走法能够取得成功，哪种走法则会导致失败。
“AlphaGo的神经网络和自己比赛了上百万次，在这一过程中不断改进，全靠自己学会了新的走棋策略。”DeepMind团队的一名研究人员戴维·希尔佛（DavidSilver）说道。
据希尔佛称，这种方法使AlphaGo在众多会下围棋的人工智能系统中脱颖而出，其中也包括Crazystone系统。然后研究人员将上一步得到的结果输入二级神经网络中。该网络使用一级网络建议的走棋方法，使用了很多相同的方法来预测每一步的结果。这和“深蓝”下象棋时的方法类似，只不过AlphaGo系统会边下边学，分析更多数据，而不是通过蛮力穷举法探索每种可能的结果。利用这种方法，AlphaGo不仅学会了如何打败现有的人工智能系统，还击败了顶级的人类棋手。
精密芯片
和大多数先进神经网络一样，DeepMind系统使用的机器也配备了图形处理器（GPU）。这些芯片最初是用来为游戏和其它对图形敏感的程序处理图像的，但研究人员发现，GPU也很适合用来开展深度学习。哈萨比斯表示，只需要用一台装配了大量GPU芯片的计算机，DeepMind就能够运行得很好。但在与樊麾对战时，研究人员使用了规模更大的计算机网，共装载了170枚GPU芯片和1200台标准处理器（CPU）。该系统在训练时和实际作战时，使用的都是这一大规模计算机网。
等AlphaGo前往韩国挑战世界冠军李世乭时，哈萨比斯的团队将使用同样的装置，不过他们会对其进行不断改进。这意味着，他们需要联网才能和李世乭作战。“我们正在铺设自己需要的网络光纤。”哈萨比斯说道。
据科隆和其他专家称，打败世界冠军李世乭比打败樊麾要难得多。但科隆对DeepMind团队寄予厚望。在过去的十年中，他一直在努力打造能击败世界顶级棋手的围棋系统，而他现在认为，这样的系统已经被研发出来了。“我现在买GPU买得不亦乐乎。”他说道。
更进一步
AlphaGo具有极其重要的意义。它采用的技术不仅能用于机器人和科研领域，从类似Siri的移动数码助手，到进行金融投资，这一技术在很多任务中都能助人一臂之力。“你可以用它来解决各种棘手的问题，处理任何需要用到策略的、类似于游戏的事情。”深度学习初创公司Skymind的创始人克里斯·尼克尔森（ChrisNicholson）说道，“比如战争或商业（金融）交易等。”
有些人对此感到有些担忧，尤其是当他们想到DeepMind系统是通过自学学会围棋的时候。该系统不仅仅是通过人类提供的数据来学习的，它还会产生自己的数据，做到自己教自己。就在前几个月，特斯拉创始人伊隆·马斯克和其他人纷纷表达了自己的担忧，认为这样的人工智能系统迟早会超越人类，并脱离我们的掌控。
但DeepMind系统还处在哈萨比斯等研究人员的严密控制之下。虽然他们正在使用该系统破解一款极为复杂的游戏，但游戏到底只是游戏而已。的确，要想媲美真正的人类智慧，AlphaGo还有很长的一段路要走，还远称不上超级智能。“眼下的情况非常规范，”人工智能法律教授、华盛顿大学的技术政策实验室创始人雷恩·卡罗（RyanCalo）说道，“该系统的理解能力并未真正达到人类的水平。”但该系统指明的方向的确如此。如果DeepMind的人工智能系统能理解围棋的玩法，也许它迟早会明白更多的东西。“会不会整个宇宙都仅仅是一盘巨大的围棋呢？”卡罗问道。