阿尔法围棋（AlphaGo）是一款围棋人工智能程序，由位于英国伦敦的谷歌（Google）旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾；2016年3月对战世界围棋冠军、职业九段选手李世石。

936年，艾伦·图灵提出了一种可以辅助数学研究的机器（后来被称为“图灵机”），80年过去了，人类在人工智能领域已经取得突飞猛进的发展。上世纪90年代，IBM超级计算机“深蓝”击败国际象棋世界冠军，引发了“电脑是否超越人脑”的热议。然而，围棋因其变化莫测的招式成为了AI（Artificial Intelligence，人工智能）难以攻克的“禁地”。当然，这个世界总有“不信邪”的人。

DeepMind开发的AI程序AlphaGo，击败了欧洲围棋冠军樊麾（音译）之后，又将目光瞄向了可能是当今最强的围棋选手——李世石。无论胜负如何，此战势必会成为AI历史上的重要里程碑。

AlphaGo是什么来历？

起初，DeepMind是英国的一家小型人工智能公司，专精于深度学习和分析建模领域，在2014年被谷歌收购。这家公司的创始人名叫德米斯·哈萨比斯（Demis Hassabis），他拥有剑桥大学和伦敦大学学院的计算机科学和认知神经科学学位，还是一位国际象棋大师。从外表上来看，“学生气”的哈萨比斯很普通，但是其对AI的见解和愿景改变了很多的看法，其中就包括著名物理学家史蒂芬·霍金。一直以来，霍金总是倾向于“AI威胁论”，认为智能机器终有一天会威胁人类的安全。不过在与哈萨比斯长谈了4个小时之后，霍金似乎转变了态度。

介绍完DeepMind的负责人，我们把目光转回到AlphaGo。事实上，AlphaGo成名已久，曾经先后与Crazy Stone和Zen（两款知名围棋程序）进行了500局对弈，仅有一局失利。此外，其也优于Facebook的围棋程序Dark Forest，后者得到了马克·扎克伯格的支持。AlphaGo具备策略网络（Policy Network）和估值网络（Value Network）能力，前者分析局面、预测对手招式，后者负责判断胜率，可以在2微秒内走出一步棋，而Dark Forest仅具备第一种能力，并且走棋所花费的时间也要更慢。

当然，真正让AlphaGo成名的还是战胜欧洲围棋冠军樊麾，这在当时引起了轩然大波，甚至推升了谷歌的股价，毕竟这是电脑对人脑的一次胜利。更重要的是，站在计算机的角度来看，与象棋相比，围棋的难度要大很多，每个步数的潜在组合非常复杂，曾有专家说AI十年内都无法掌握围棋。

不过，0：5的比分也让大家开始质疑樊麾的能力（职业二段），后者也坦言的确发挥不佳，有些轻敌。不管怎样，此番对弈使得谷歌信心大增，直接将下一个对手定位韩国围棋九段李世石。熟悉围棋的朋友恐怕就无需介绍了，李世石是近10年来获得世界冠军最多的棋手，“最强称号”实至名归。

谈到AlphaGo的挑战，李世石显得非常有信心：“如果对手是人，我倒不会这么费神地准备，可对手是机器，我必须设想我一个人孤单坐在那里的情景。和机器下棋心理战行不通，我只能调节自己的心理。我现在每天假想对局，设法体会一个人下棋是什么感觉。如果只论实力，说实话还是觉得我能赢。（人工智能）想征服围棋，没那么容易。”

AlphaGo学会“思考” 引入神经学习

电脑的计算能力早已超过人脑，但对外界事物的感知和情感表达却难以突破，“奇点何时到来”成了人们热议的话题。如今，Boston Dynamics已经开发出机器狗、机器豹等“头脑简单，四肢发达”的家伙，它们的运动协调性和反应已非常让人满意。下一步，就是让机器的大脑也变得发达起来。1997年，IBM的深蓝计算机采用手工编码规则，搜索了所有可能的走法，击败当时的国际象棋世界冠军。近20年过去后，如果继续用传统的方法，恐怕很难与当今的高手对抗。

此外，前文也提到过，围棋看起来仅有黑子和白子，并不复杂，但走法却是变化莫测。棋盘纵横各19条等距离、垂直交叉的平行线，构成了19×19（361）个交叉点。国际象棋每盘约80步，每步有35种可选走法，共有35^80种可能的情况。相比之下，围棋每盘约150步，每步有250种可选走法，共有250^150种情况。如此看来，AI危矣！

“不信邪”的人总能找到办法。DeepMind团队发现了一种新的方法，在传统算法的基础上进行了大幅优化，并且加入了建模，也就是所谓的“深度神经网络”，能够实现更加复杂的功能。

说到这儿，可能你会一头雾水，听过物联网、宽带网，神经网络是个什么鬼？传统意义上的经典AI搜集了大量数据，包括专家意见，可以在某一领域发挥指导意义。但这一算法的“致命”问题是，没办法进行自我学习，只能被动吸取录入的信息。

这时候有人就在想，能不能将人类的神经网络copy一下呢？这种想法早在数十年前就出现了，参与者除了技术开发人员，还有神经学家和生理学家。遗憾的是，他们并没有发现人工神经网络（ANN）与真正的神经网络相比，到底有什么关系。不过，这种想法却催生了新希望：机器无需被人为地设定规则，而是可以直接从海量数据中自主学习。可以说，ANN算是深度学习网络的前身，后者已经应用在图像识别、语言翻译等领域。

这就是人工智能了吗？并不是。上述可以理解为初级的神经网络，其需要足够多的数据量支撑，并且要确保数据之间的稳定性，需要有固定的模式，更像是某种高级数学公式，而人类思考的特性就是“多变”。so，pass。后来，有人提出了生物神经网络的概念，这种想法更为复杂，建议跳出初级神经网络的概念，从无到有地创造一种生物学AI模式。想象这样一种场景，AI获得数据（比如说评估报告）后，为不同的人建立模型（不同员工的考核指标），预测每个人的正常和异常行为（可能进行的下一步行为），处理各类可能发生情况（对不同情况作出相应反应），并且随着数据的变化进行自我调整（根据员工的表现，动态调节评估系数），这就是所谓的学习过程。

嗯，神经学习大概就是这么个事儿。回到AlphaGo，这种AI程序拥有两种深度神经网络，分别是策略网络（Policy Network）和估值网络（Value Network），二者相互配合，选出胜算更大的一步棋，把非常复杂的搜索树减少到可操作的规模。简单来说，它不需要每次都考虑数百种可能，而是在策略网络提供的几十步更好的走法中，选择最好的那个。你可以理解为，这是两个“大脑”在合作下棋，一个负责分析局势，另一个负责走出和高手走法最像的一步，更贴近人类的思考方式。

在上述提到的优化算法中，蒙特卡洛树搜索（Monte Carlo Tree Search）起到了关键作用。大家先别晕，这其实就是“随机走，定输赢”。举个例子，AlphaGo会模拟A和B两种走法，假设按照A走下去完成500局，赢了300次，按照B走下去同样完成500局，赢了400次。这种走法都是随机，最后结果显示B占优，那么程序就会选择B作为下一步棋。

通过加入蒙特卡洛树搜索算法，AlphaGo的实力提升明显。随着开发人员的不断优化，这种算法很可能接近或超过人类职业选手。

谷歌在博客中提到：“我们选择将围棋‘分解’，用改进的搜索树算法结合深度神经网络开发出AlphaGo这一程序，通过将棋盘分解成包含数百万类似神经元的网络联接，划分为12个不同的网络层。我们让围棋高手训练AlphaGo程序走了3000万步，它预测对手下步棋的准确率达到了57%（之前的纪录是44%）。为了击败而不只是模仿最好的棋手，AlphaGo还能够通过增强学习在神经元之间对弈，调整网络连接，从而开发出新的策略。”

如果AlphaGo击败李世石，意味着AI赶超人类？

王安石有云：“莫将戏事扰真情，且可随缘道我赢。战罢两奁分白黑，一枰何处有亏成。”AlphaGo和李世石的对弈肯定不会像王安石这么淡然，但也谈不上绝对的谁胜谁败，只是人工智能的一次进步。是的，无论输赢，AlphaGo都是“胜者”。

为什么这么说？根据双方制定的规则，即使李世石以3：0或3：1提前取胜，剩下的比赛仍然会继续进行，为的就是让AlphaGo有一次难得的学习机会。谷歌花了100万美元，赚到全球的关注，收获了顶级高手的”技艺“，划得来，胜是意外之喜，败是情理之中，而李世石也很可能拿到巨额奖金，何乐不为？

说到AlphaGo获胜的意义，也只能代表AI计算能力的胜利，思维博弈方面的胜利还有待商榷。此外，人类大脑的可开发空间还有很大，不像计算那样指数级增长。考虑到人类会受到心理因素、外围环境等影响，AlphaGo在这方面是有着一定优势的。当然，我并不是否认人工智能的巨大进步，这个大黑盒中蕴藏了无限的可能。从长远来看，人工智能的胜利只是时间问题，毕竟人类或许一年玩1000局，而机器一天就能玩100万局，学习的速度相差太多。

如今，科学技术已经从Google Now、可穿戴设备这种增强人类能力的层级，发展到管理人类生活的层级（无人驾驶汽车），而且有研究表明这种机制的安全性要优于人类的不确定性。未来，人工智能的突飞猛进式发展终有一天会接管人类的大部分工作，在很多领域超越人类。但这一次，我还是赌李世石会赢。

附：李世石与AlphaGo的比赛日程

赛程：3月9日、3月10日、3月12日、3月13日、3月15日

规则：五盘对局，取得三局或三局以上者为胜。若比赛出现3-0或3-1已经分出胜负后，也将下满5局，以便AlphaGo机器人获得更多的学习机会。比赛采用中国规则，黑贴3又3/4子（黑贴7目半）。每位棋手各有两个小时布局时间，3次60秒的读秒，每场比赛预计需要约4-5个小时。

比赛开始时间及流程：比赛时李世石在棋盘上落子，助手将手数输入电脑传送给AlphaGo，AlphaGo的手数由助手摆到李世石落子的棋盘上。

奖励：获胜一方将获得100万美元。若AlphaGo获胜，奖金将捐献给联合国儿童基金和STEM教育（科学、技术、工程、艺术以及教学）及为其相关公益团体。