如何看待Alphago战胜围棋冠军

1. 如何看待Alphago战胜围棋冠军

我第一次用假想式回答来解答问题，但是我觉得这是我想说的。

数百年后，两个大学生在柯洁的铜像面前的对话是这样的：

A：这个人是谁啊？为啥会在历史馆里？看介绍是个下棋的，有什么特别的地方吗?
B：这个人是几百年前的一个下围棋的中国人，叫柯洁，是当时称霸棋坛的人类高手。
A：他做过什么事情，要给他立像？
B：你知道吗，几百年前我们的祖先生活可不像我们现在这么轻松，车还要自己开的，一个疲劳驾驶就出事；癌症这种小毛小病在当时是绝症；当时的人居然挖地底下的石油来当能源，把山砍的光秃秃的只是为了用木头来造纸和做各种建材。。。
A ：好可怕，现在这些事情都交给各种人工智能轻松应对了，当时真落后，那后来怎么改变的呢？
B：后来，一家叫谷歌的公司开发了一个程序叫Alphago，这被认为是我们今天广泛使用随处可见的人工智能的萌芽，这个程序在围棋这个项目上击败了人类当时最厉害的选手，而当时的人觉得围棋这么玄乎的竞技，人工智能可以击败人简直是天方夜谭，所以这个结果引起轰动，然后就开始了在各个领域的延伸，各种人工智能衍生类产品彻底改变了人们的生活方式，直到今天，但在当时，很多人不能接受机器可以打败人的现实。
B：我大概知道了，柯洁就是那个输给Alphago的人类高手。
A：是的，他是先驱者，通过自身的体验证明了人工智能的巨大潜力，为了纪念他，就有了这个塑像，名字叫做：新纪元。

2. AlphaGo能轻松战胜世界上最好的围棋大师，人类相对于AI，是不是就是废柴一个？

当半年前 AlphaGo 在乌镇将世界第一棋手柯洁打的无力还手时，人类已经将 AlphaGo 称为“上帝”，这个“上帝”的棋艺已经超出最顶尖人类棋手太多。

对于不少人来说，看到人类面对机器接连的失利，会让他们倍感沮丧，尤其在 Goratings 网站评分中，AlphaGo 4500 以上的分值早已远超柯洁的 3620 分，你说 AlphaGo 和柯洁早已是两个境界，或许也并不为过。

但不要忘了，AlphaGo 之所以能达到如今的境界，是它所学习的一切围棋知识，都来自人类，学习的每一盘棋局，也都来自人类棋手精彩的对弈，你要说人类输了，其实并没有，我们有了一个青出于蓝的学生，这是赢。
现在的 AlphaGo，已经可以跳脱人类老师，自己和自己对弈，每一颗子的可能性和盘棋局的复杂性，要比同人类对弈的难度大得多。
此时的第四届世界互联网大会正在乌镇举行着，Google CEO Sundar Pichai 也前来参加，所谈论的，依然是人工智能在人类社会中的发展。

而 Google 每次来华，都喜欢和围棋界交流交流，这次也不例外，不过这次不是让 AlpahGo 对抗柯洁了，而是让它转换身份，当当老师。
Google CEO Sundar Pichai 表示，Google 正在开发围棋学习工具 AlphaGo Tools（阿尔法围棋工具），这套学习型工具的特点是，它已经收集了 231000 套人类对弈的棋谱，同时还囊括了 75 场 AlphaGo 与人类棋手对弈的棋谱，目前这套工具已经基本开发完成，不久就将推出。

3. 完胜人类后AlphaGo为何要从棋坛退役？

根据报道，在5月27日“人机大战” 第三场比赛中，柯洁由于状态不佳，被 AlphaGo 拖入缠斗之后无奈宣布放弃。最终，AlphaGo 以 3：0 的成绩赢下本次乌镇围棋峰会比赛。对于 AlphaGo 的表现，“棋圣” 聂卫平现场点评：“人类目前最高也就九段，AlphaGo 至少二十段。”

随后，AlphaGo 之父、DeepMind 创始人 Demis Hassabis 就公布了一个不太好的消息：“乌镇围棋峰会是它（AlphaGo）作为一个竞技程序所能企及的巅峰。因此，此次峰会将是 AlphaGo 参加的最后一场赛事”，而这也意味着 AlphaGo 将从棋坛 “退役”。

但是这并不意味着 AlphaGo 将永远退出竞技舞台。去年，DeepMind 就已经宣布《星际争霸 2》将会是 AlphaGo 在围棋想要征服的下一个目标。在去年 11 月份，DeepMind 还曾与暴雪公司联手打造一款免费的 API，来帮助研究人员测试《星际争霸 2》人工智能算法。

4. 如何看待谷歌AlphaGo首次战胜人类围棋高手

一个月前，DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜，而1月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind开发的一款名为AlphaGo的人工智能，它已经击败了欧洲围棋冠军，并将于3月与世界冠军李世乭对战。该程序采用了两个深度神经网络，policy network与value network，极大地降低了需要考虑的搜索空间的复杂度，前者降低搜索的广度，后者降低搜索的深度，很像人脑在下围棋时凭直觉快速锁定策略的思维。
这么说起给一点时间,巅峰的吴清源,李昌镐这类人物(即使不断学习)也是下不过电脑的了? (我指的电脑就是2015一台中等配置的PC这样,不是服务器集群,类似普通电脑跑Pocket Fritz 4)

今天(3-12-2016) AlphaGo 已经3:0领先Lee Sedol了
这个并不是太出人意料。我记得十年前就有人说，十年内这个问题可以解决。可能那时候他就已经有点思路了吧。

这个问题能解决到这个程度，Google的确做出了很大的贡献，我想很多同样看上去很难的问题也并不是不能解决，而是我们愿不愿意解决，愿意花多大的精力在上面。我觉得这点启发非常重要，尤其是在深度网络这类新技术出现的时候，有很多地方简单地应用一下就能有新的突破。

老实说，我看了AlphaGo的思路，跟我之前的思路差不了太多，我在2015年1月份就看过一篇利用卷积神经网络来下棋的论文（神经网络可能终将在围棋上打败人类），并且有种豁然开朗的感觉，还想出了改进的思路（论文中的程序实际上有比较明显的缺陷，而去掉其中的缺陷就是一条更为完善的思路），真正的理论层面的突破是那篇论文，那篇论文写出来，就决定了今天只用了一年左右的时间AlphaGo能达到这个程度，Google的贡献在于将理论更好地改进和实践了，他们更有实力来解决这样的问题，不是像那篇论文里的程序，使用比较纯粹的神经网络，那样想要达到顶尖水准很有难度。

值得反省的是，为什么围棋作为东方人的游戏，却不是我们自己来解决这个问题？我觉得国内一定有人看到解决思路了，既然我这种业余爱好者都能看出点眉目。

5. 在现在AlphaGo的能力下，AlphaGo需要让几子人类顶尖棋手才能胜利？

每年晚报杯全国业余围棋锦标赛有个压轴戏，职业棋手与获得前六名的业余棋手进行对抗赛，30年来每年都在坚持，职业棋手与业余高手之间的对局格很难说明问题，在让两子的对局格中，业余高手基本能赢，尤其是现在的业余高手从小接受科班训练，只是后来在定段赛中未能过关、成为职业棋手，但他们的实力并不亚于职业棋手，因此，职业高手让两子对他们肯定有些累，不是说完全不可能，当年赵治勋还将小林觉、山城宏他们打至让两子的对局格，但这种可能性毕竟很小。从这些年的职业、业余对抗成绩来看，职业棋手让业余高手两子根本让不动。像胡煜清这样的业余高手，与职业棋手分先下都难分胜负，你现在要职业棋手让他两子，怎么下？
同样的道理，AlphaGo虽然厉害，但在对柯洁这样的职业高手时，如果让子下的话，那百分百地押柯洁赢。这次“人机大战”三番棋，第一局和第二局，柯洁与AlphaGo的差距的确存在，那这种差距是职业高手之间的差距，不是职业与业余之间的那种巨大差距，AlphaGo让先的话，双方还是好胜负，但让两子的话，AlphaGo不大可能能赢。让两子通常是职业与业余之间的差距，能说AlphaGo与柯洁之间的差距有那么大吗？
让先即执黑不贴目，等于让7目半，让两子还不仅仅是让15目这么简单，在棋盘上先放两子的威力相当于让30目，如果有人说AlphaGo可以让柯洁30目的话，那实在有些夸张。
AlphaGo确实厉害，深度学习深不可测，但个人认为，它与人类顶尖高手的水平差距应该在让先与让两子之间，让两子断无可能。

6. AlphaGo理解围棋吗？

什么叫理解围棋本身？首先围棋本身这个概念太宽泛，可以严实为“理解下赢围棋本身”。我们再严实一下理解为“语言可表达，按此可复现”，这对于围棋还算是适合的。比如某人给你一本围棋秘籍，你看了后便能席卷棋界，那么恐怕没人承认你不懂如何下赢围棋。这时候你的理解便是那个秘籍。AlphaGo呢？答案是它的理解是它的完整的程序(包括权值这些)的内容。你可以把它当做一本“围棋秘籍”用，方法是自己一步步手动推那个程序(比如读汇编码自己在纸上写下所有东西)，只不过很慢而已。显然你可能不能接受这个---这不是human-friendly的理解，但是这个“理解”确实是可以被人“理解”的理解，虽然我们没有真正理解AlphaGo这些权值到底是什么含义。(当然咯，现在人们也发明了各种算法来试图理解这些“权值”，比如发现了某些特征，但是为什么有这个特征？为什么特征非要长这个样子？我们并不全部清楚)

7. AlphaGo真的理解围棋吗

阿法狗的路子是，它根本不试图去穷尽围棋的所有变化，甚至它压根不去计算变化。它只是尽量收集职业高手的棋谱，然后用极其牛逼的算法挑选出每个局面下的最佳招法，如此而已。典型的知其然而不知其所以然。
原理确实简单，但背后的算法却实在复杂和精妙。拜互联网所赐，甚至不用和职业高手对弈已经靠设计师输入棋谱，狗2通过程序就可以自动从网上抓取棋谱充实自己的数据库，然后在跟职业高手的对弈中利用前述的算法挑选最佳招法。如此这般，职业高手跟狗2下的越多，甚至职业高手之间的对局越多，狗2就会越强。

所以，阿法狗可以完全不懂什么布局、中盘、和官子，也不必懂什么死活、手筋、恶手，更不用去判断厚势值多少目这些围棋中最奥秘的东西。就像令狐冲从画中看出剑法一样，它眼中的围棋世界跟职业棋手眼中的围棋局面形似而神不似，是完全不一样的。它并不思考，也不会思考，狗2会思考，上帝狂发笑~它只是模仿和选择，当然，它的这种能力太过于强大。
因此，阿法狗是无所谓棋风，无所谓招法的，它玩的就是传说中武功的最高境界：无招胜有招。

8. 如何看待谷歌AlphaGo首次战胜人类围棋高手

一个月前，DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜，而1月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind开发的一款名为AlphaGo的人工智能，它已经击败了欧洲围棋冠军，并将于3月与世界冠军李世乭对战。该程序采用了两个深度神经网络，policy network与value network，极大地降低了需要考虑的搜索空间的复杂度，前者降低搜索的广度，后者降低搜索的深度，很像人脑在下围棋时凭直觉快速锁定策略的思维。
这么说起给一点时间,巅峰的吴清源,李昌镐这类人物(即使不断学习)也是下不过电脑的了? (我指的电脑就是2015一台中等配置的PC这样,不是服务器集群,类似普通电脑跑Pocket Fritz 4)

今天(3-12-2016) AlphaGo 已经3:0领先Lee Sedol了
这个并不是太出人意料。我记得十年前就有人说，十年内这个问题可以解决。可能那时候他就已经有点思路了吧。

这个问题能解决到这个程度，Google的确做出了很大的贡献，我想很多同样看上去很难的问题也并不是不能解决，而是我们愿不愿意解决，愿意花多大的精力在上面。我觉得这点启发非常重要，尤其是在深度网络这类新技术出现的时候，有很多地方简单地应用一下就能有新的突破。

老实说，我看了AlphaGo的思路，跟我之前的思路差不了太多，我在2015年1月份就看过一篇利用卷积神经网络来下棋的论文（神经网络可能终将在围棋上打败人类），并且有种豁然开朗的感觉，还想出了改进的思路（论文中的程序实际上有比较明显的缺陷，而去掉其中的缺陷就是一条更为完善的思路），真正的理论层面的突破是那篇论文，那篇论文写出来，就决定了今天只用了一年左右的时间AlphaGo能达到这个程度，Google的贡献在于将理论更好地改进和实践了，他们更有实力来解决这样的问题，不是像那篇论文里的程序，使用比较纯粹的神经网络，那样想要达到顶尖水准很有难度。

值得反省的是，为什么围棋作为东方人的游戏，却不是我们自己来解决这个问题？我觉得国内一定有人看到解决思路了，既然我这种业余爱好者都能看出点眉目。