围棋“人机大战”首轮3月9日于首尔结束 它1∶0他
北京时间3月9日，李世石VS谷歌围棋AlphaGo的人机大战如约而至。在韩国首尔四季酒店，人工智能迈出了划时代的一步，Alpha-Go执白中盘战胜当今世界围棋第一人李世石，暂时以1比0领先。
在这场人类智商与人工智能的终极较量中，人类一上来就阵地失守！双方将在3月10日进行五番棋的第二场对局，李世石能扳回一局，捍卫人类最后的尊严吗?
赛前改口一语成谶
2016年1月底，当谷歌围棋软件阿尔法“狗”（AlphaGo）5比0胜欧洲围棋冠军樊麾二段的消息在《自然》杂志公开后，《自然》杂志写道：“面对谷歌围棋AI，人类最后的智力骄傲崩塌了。”3月9日，近十年来获得世界冠军最多（14个）的李世石九段在对AlphaGo的五番棋比赛首局中落败，人类智力骄傲真的像是要崩塌了。
人工智能分别在20年前和10年前打败了国际象棋和象棋的顶尖职业棋手，但在围棋领域，一直被认为人工智能还只是业余水准，要想战胜人类高手仍然遥遥无期。2015年10月，谷歌AlphaGo与欧洲围棋冠军樊麾二段进行了一场秘密五番棋大战，樊麾0比5大败，顿时成为棋界热议话题。在经历短暂的震惊甚至惶恐之后，职业高手们渐渐回归理性，一致认可阿尔法“狗”的实力仍停留在业余高手阶段，尚不具备与职业高手对抗的能力。“神猪”罗洗河九段甚至放言：可以让AlphaGo四个子。
此次李世石与阿尔法“狗”的五番棋大战引发了棋界内外的关注热潮，在3月8日的新闻发布会上，共有来自世界400多家媒体的记者到达现场采访。国内所有大网站都请职业高手对此次五番棋直播讲解，此前一直宣称“输一盘即失败”的李世石九段不知为何，改口为“可能会输”，从结果来看，这简直就是一语成谶。
李世石投子认输
北京时间3月9日中午12点，比赛正式开始。围棋猜先的礼仪是，围棋界地位高或者年龄长者抓子，面对不到2岁的AlphaGo，33岁“高龄”李世石作为世界冠军显然是上手。结果AlphaGo猜错，如果对手是人，李世石肯定毫不犹豫选白棋，因为在中国规则贴7.5目的情况下，执白更从容已经是职业棋手的共识。但是李世石选择了黑棋，可能是想借先行主导布局。
从棋局进程来看，李世石开局起心态有些失衡，他在右上角选择了激烈的作战，常昊九段说，不看对局者的话，还以为黑棋是AlphaGo，着法显得生硬，其后更是撑得极满。“如果阿尔法狗下得更好一些的话，布局阶段李世石的黑棋很可能就已经不大行了。上边大块棋甚至有可能被杀。”
不过，之后AlphaGo弈得亦很生硬，在棋盘上紧贴着黑棋弈出一根“棍子”，效率低下。李世石趁机在中腹围出大空后，棋局形势逆转。现在局面的焦点是李世石如何处理右下角的孤子。
此时，一直观看实战进程的常昊九段、王元八段、张璇八段等都认为，只要李世石在右下角简单处理好孤子，守住角空，黑棋赢定。国家围棋队微信群里，时越九段、江维杰九段等亦判断“ 黑棋要赢”，但此后令人震惊的一幕发生了，李世石在右下角的选择非常业余，他放白棋进角活棋，而黑棋所获不过是一根“棍子”，效率甚为低下。常昊判断，仅此一役，黑棋亏损10目左右！
本来双方形势就很接近，李世石优势有限，现在瞬间亏损10目，黑棋贴目已经成为大负担。之后官子，AlphaGo根本不犯一点错误，着着精准，国家围棋队高手都已算准黑棋盘面4目，正常进行下去的话，黑棋将输3目半左右，李世石算清后投子认输。
AlphaGo进化迅速
从本局我们可以看到，与5个月前和樊麾的对局相比，AlphaGo明显成长迅速。有关AlphaGo在这几个月的“进化程度”，谷歌官方并没有给出任何确切的介绍。
但是有位名叫安德斯·可鲁夫（Anders Kierulf）的围棋游戏设计师给出了这样的猜测：在深蓝对战卡斯帕罗夫的过程中，工程师们可以在比赛期间调整深蓝的算法，比如修复bug。对AlphaGo来说，这可能并非易事。围棋每一步的可能下法非常多：围棋手在起手时就有19×19=361种落子选择，在比赛的任意阶段，也都有数以百计的可能下法,最多有3361种局面，这个数字大概是10170，而已经观测到的宇宙中，原子的数量才1080。
在去年10月，AlphaGo并没有使用开放的库，但在3月的比赛前，Google大可以把库添加进去，至少可以在比赛间调整（如果一盘棋里走错，就在下一盘前手动添加，这样下一盘棋就不会再错），这样李世石就无法连续几盘利用同一个定式错误。
舆论还猜测，Deepmid改进了AlphaGo的神经网络。对樊麾的比赛中，他们使用了3000万个位置作为原始数据，来训练AlphaGo的价值网络；在对李世石的位置中，他们可以使用1亿个位置训练；另外，也投入了更大的运算量。
李世石输了第一局，但不等于AlphaGo的实力已经超过了李世石。常昊说：“李世石的败因主要是心理有些失衡，开局选择激战不太自然，之后又在右下角出现莫名其妙的失误，随便怎么下也比实战结果强。”柯洁九段表示：“从Alpha-Go在这盘棋中表现出来的水平来看，我能赢它。”
常昊九段等认为，只要李世石调整好心态，正常发挥出水平，以他的实力，最终还是能战胜AlphaGo的。
据《体坛周报》
把李世石逼到认输的是怎样的AI？
Q:为什么要研究围棋AI？
A:1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国际象棋AI。欧美传统中的顶级人类智力试金石，在电脑面前终于一败涂地，应了四十多年前计算机科学家的预言。
但有一个游戏始终是人类大脑的专利——古老的围棋。围棋AI长期以来举步维艰，顶级AI甚至不能打败稍强的业余选手。
Q:研究下棋AI，需要研究人员的下棋水平很高吗？
A:不需要。AlphaGo背后是一群杰出的计算机科学家，确切地说，是机器学习（machine learing）算法领域的专家。科学家利用神经网络算法，将棋类专家的比赛记录输入计算机，并让计算机自己与自己进行比赛，在这个过程中不断学习训练。某种程度上讲，AlphaGo的棋艺不是开发者教给他的，而是自学成才。
Q:AlphaGo算法里的“神经网络”是个啥？
A:AlphaGo的核心是两种不同的深度神经网络。“策略网络”（policy network）和“价值网络”（value network）。它们的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里——本质上，这和人类棋手所做的一样。
其中，“ 价值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑。
而“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。
AlphaGo利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会判断当前局面以及推断未来的局面一样。这样AlphaGo在分析了比如未来20步的情况下，就能判断在哪里下子赢的概率会高。
Q:今天的AlphaGo和过去的深蓝谁更厉害？
A:我们先来看看围棋和国际象棋之间有什么差别：
第一，围棋的下法、可能局面数量远远多于国际象棋。
第二，国际象棋只需要把目前棋盘上剩余棋子的价值总和算出来，就能大概知道孰优孰劣。但这种方法对围棋来说行不通，计算机很难分辨当下棋局的优势方和弱势方。
可见，同样是下棋，对付围棋要比对付国际象棋棘手得多。
Q:在战胜樊麾之后的5个月里，AlphaGo可能在哪些方面“进化”？
A:除了改进AlphaGo的神经网络，还可能额外训练AlphaGo的投骰（rollout）策略，然后将改进过的投骰策略加入到价值网络的训练中，并调整投骰和价值网络之间的平衡，也可以在比赛当中投入更大的运算量。
Q:AlphaGo的超强学习能力有没有上限？
A:对于这个问题，英国曼彻斯特大学计算机科学教授凯文·柯伦表达了否定态度。他认为，我们没有理由相信技术会有极限，特别是在AlphaGo这样的特定领域。
而来自南京大学计算机系的两位专家，周志华和俞扬则都认为，上限是客观存在的。周志华表示，“强化学习”奏效的关键，是两个模型都不错，而且有足够大的“差异”。当模型性能提升以后，其差异会显著下降，到了一定程度必然会使性能无法继续通过这种机制提升。其上限取决于高质量“有标记”样本（相当于李世石水平棋手的棋局）的数量。
俞扬的观点是，上限不仅存在，而且已经和AlphaGo当下的水平极其接近。从AlphaGo的报道来看，DeepMind已经在想办法避免过拟合（即越学越差），这说明他们可能已经碰到了上限。
Q:如果AlphaGo以5∶0战胜李世石，对人工智能而言意味着什么？
A:正如本文开头所说，未来已经来临。无论最终的结果如何，都无法阻止更多的人类终于开始用警惕的目光打量AI……围棋职业八段刘菁的评论是：“还来不及反应，一切来的似乎是太快了！面对毫无表情，连厕所都不上的阿尔法狗，4000年围棋的终结者今天就来了吗？空气中弥漫着机器的味道。”
就算AI输了，难道你们就松口气了吗？
据果壳网