为什么谷歌人工智能击败围棋冠军这事如此重要
AlphaGo击败围棋冠军的消息在朋友圈刷屏了。从昨天夜里到今天，你的朋友圈是不是被谷歌的人工智能击败围棋冠军这条消息刷屏了？就在谷歌发表《自然》杂志的封面文章后，Facebook人工智能实验室相关人员随即呛声：恭喜谷歌，但这是我们先做到的。
从两个科技巨头对人工智能击败围棋冠军的重视程度上，可以判断，这是人工智能发展史上了不起的挑战。那么人工智能在人机对战中赢得胜利究竟有多重要，可能得从人工智能的发展说起了。
AlphaGo是如何做到战胜欧洲冠军的？
先来看看谷歌的人工智能是怎么击败围棋冠军的。根据1月28日《自然》杂志的封面文章介绍，谷歌DeepMind公司设计的AlphaGo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。
DeepMind团队表示，AlphaGo的关键在于使用人工智能中的深度神经网络。在AlphaGo中有两种不同的神经网络，第一种叫做政策网络（policynetwork），用来预测下一步；第二种叫做价值网络（valuenetwork），用来预测棋盘上不同的分布会带来什么不同的结果。
“简单来说，DeepMind是通过让机器学习做到的。按照以往的方法，人工智能是外界输入一个信息，计算机通过输入信息与已有的信息联系，得出一个结论，是一种递归的方式。但现在DeepMind的做法是，我不告诉机器哪种算法能得到高分，而是训练它，通过学习和分析结果来判断最优策略。这个过程已经开始类似小孩子学习知识的一种方式了。”复旦大学计算机与工程学院副教授邱锡鹏告诉澎湃新闻（www.thepaper.cn）。
再通俗一点的说法就是，DeepMind先用已有的围棋技巧来训练AI，称为监督学习（supervisedlearning），然后让AI和自己对弈，通过深度学习让其掌握如何赢得围棋比赛的技巧。
英国围棋协会财务主管，也是樊麾与AlphaGo比赛的裁判托比·曼宁（TobyManning）目睹了整个对弈过程。在接受国外媒体采访时，他表示：“你甚至很难区分哪一方是人类，哪一方是计算机。在之前的很多软件中，计算机下的很多步可能都很理性，但突然就会变得毫无头绪，而在这场比赛中，几乎看不到计算机与人类的区别。一个区别是时间的分配方式：樊麾下每一步所花的时间都要比AlphaGo更久，而AlphaGo的棋路也不像人类棋手那样富有进攻性。它会非常冷静地落子，而非积极地侵略领地或提子。”
地平线机器人公司CEO余凯在自己的朋友圈称，深度学习领域里的各种进步，让其兴奋不已。因为从简单多层神经网络在语音识别的突破（2011），到对空间展开的卷积神经网络在图像识别领域的突破（2012），再到递归神经网络在序列学习领域（OCR，语音，机器翻译，NLP）的进展（2014），再到基于深度神经网络的增强学习在计算机博弈和控制领域的突破性进展（2016），这个过程人类只用了5年时间。
人工智能战胜围棋冠军是一件里程碑式的事件。为什么这事如此重要？
理解了AlphaGo的人工智能后，再来看看为什么战胜围棋冠军是一件里程碑式的事件。
棋类游戏一直被视为顶级人类智力的试金石。人工智能与人类棋手的对抗一直在上演。1989年开始，IBM的“深蓝”（deepblue）就常常能击败国际象棋大师了，8年后的1997年，深蓝首次打败世界第一的国际象棋棋手加里·卡斯帕罗夫，开始统治国际象棋领域。2006年，成为了人类在国际象棋的绝唱，因为自此之后，人类再没有战胜过最顶尖的人工智能国际象棋选手。
不同于国际象棋，围棋每回合的可能性更多，共有250种可能，一盘棋可以长达150回合。同时，围棋有3^361种局面，而可观测到的宇宙，原子数量才10^80。用人工智能战胜围棋专业选手，按照技术的发展速度，一般认为至少需要10年才能实现。
“为什么我们要致力计算机围棋？因为这是一个需要学习、模式识别、问题解决和规划等技能组合在一起的技能。也是一个测试新的想法，机器学习、推理和规划的好方法。”Facebook人工智能实验室主任YannLeCun在自己的Facebook账号上表示。
Facebook人工智能研究所研究员田渊栋在其知乎账号上指出，围棋难的地方在于它的估值函数非常不平滑，差一个子盘面就可能天翻地覆，同时状态空间大，也没有全局的结构。这两点加起来，迫使目前计算机只能用穷举法并且因此进展缓慢。
目前，田渊栋在Facebook负责黑暗森林（DarkForest）项目，也是一个围棋对弈项目。这个程序已更新到第三个版本，并在KGS服务器上运营了一个多月，并取得了成人组第五的排名。这个排名意味着它已经成为全美国最好的前100名选手之一，也步入了世界最顶尖围棋机器人之列。
赢了欧洲冠军樊麾后，AlphaGo下一步的目标是在3月份挑战围棋世界冠军李世石。
对于这场世纪大对决，DeepMind公司创立者之一德米斯·哈萨比斯（DemisHassabis）表示很有信心。他在接受《自然》杂志采访时称：“AlphaGo很可能在围棋这一领域超越最顶尖的人类，我非常期待看到它在围棋的规则之内创造出新的东西。这是我亲手打造的系统，自然对它怀有很深的感情，尤其考虑到我们打造它的方式——它会不断学习，从某种意义上说我们是在不断‘训练’它，它下棋的方式也很像人类。你在写一段普通的程序时，可能对所有细节都了如指掌，事先安排好了一切，但AlphaGo不一样，它会自己学习提高，这种能力是很了不起的。”
关于AlphaGo的未来应用，哈萨比斯说：“最终，我们想要将这些技术应用到真实世界的重要问题中。因为我们用的方法是通用的，我们希望有一天，它们能延伸得更广，帮助解决最紧迫的社会问题，从医药诊断到环境模型。”
按照哈萨比斯的描述，这项技术在Google的首个用途将是开发更好的个人助理软件。这样的个人助理能够从用户在线行为中学习用户偏好，并对产品和事件作出更符合直觉的建议。利用人工智能来做私人助理，这与Facebook首席执行官马克 · 扎克伯格之前的想法又不谋而合了。
柳大华：象棋人工智能弊大于利 很影响观赏性
柳大华发言1月18日，2018腾讯象棋锦标赛总决赛在成都结束，决赛中来自北京的任刚击败广东的李鸿嘉，取得冠军。柳大华作为本次比赛的特邀嘉宾为棋迷们解说了赛事，并出席了赛后的新闻发布会。被问及人工智能与象棋的问题，柳大华坦言他认为人工智能对象棋的发展弊大于利。
柳大华作为解说嘉宾先是点评了本次腾讯象棋锦标赛（TCT）总决赛的情况：“决赛第一盘李鸿嘉下得非常好，取得胜利，但第二盘他在几乎胜定的局面下，有点操之过急，被扳平。这可能也影响了他加赛的心态。最后输的那盘棋李鸿嘉也很可惜，少走了一步兑车的次序。冠军任刚虽然是四强棋手里唯一的非大师，但他的实力其实很强，曾经在威凯杯里夺冠，因为胜率的细微差距，未能成为大师。这个比赛对象棋电视和网络评棋是个很好的促进。”
决赛直播画面柳大华号称“东方电脑”，盲棋一对多人曾震惊棋坛，不过他却认为象棋软件带给象棋的弊大于利。
柳大华先是介绍象棋人工智能的情况：“象棋人工智能达到高水平比围棋要早。国际象棋人机大战之后，下棋就成为衡量电脑水平的标志。象棋虽然没有像李世石人机大战那么大影响，但象棋软件其实早就超越了人类棋手。”
“象棋程序虽然给爱好者提高提供了便利，特别是边远落后地区的也有机会成为高手，但是电脑软件对棋的变化研究的太透彻，下了太多结论，很多以前布局未知的东西都失去乐趣了。定式动辄四、五十步，比谁背的清楚，棋手之间较量的精彩程度变小，和棋的比例变高，很影响观赏性。我认为象棋人工智能弊大于利。”
象棋软件从出现到应用到现在已经有了十多年的历史，现在柳大华是这样评价的，十年后围棋界会怎么看待围棋人工智能呢？
（文玄）