留给李世石的时间已经不多了...我已经出了4W包辣条，赌阿尔法狗赢！
2016/3/9 酷玩实验室
无论如何，公元2016年3月9日都将会是载入史册的一天。
这一天，人类围棋界的精英，捍卫人类智慧的韩国棋手——李世石，与以科技巨擘谷歌为靠山，坐拥顶尖人工智能的围棋引擎——AlphaGO决一死战。
无论哪一方胜利，这都是人类的胜利。
从12点多开始，我们和弹幕直播一起看比赛
虽然全程我都没有看懂，解说也没有听懂，但是我还是赌了1800W瓜子李世石会赢——
然而结果…………
李世石在赛前说：我一盘都不能输。
然而结果…………
不过，无论如何，这只是划时代的五番棋的第一战。虽然接下去的几战，对李世石来说会更艰难。
不过对于我们来说，无论是棋手、码农、攻城狮、学生……又或许任何身份，都已不再重要。只要你身为一个人类，我们便关注这场人机世界大战。
此战以后，我们要如何看待人工智能？
此战以后，我们要如何看待人类自身？
如果深蓝战胜卡斯帕罗夫时你还小，如果谷歌公开AlphaGO战胜樊麾时你后知后觉……
那么好吧，这一次，别再做个碌碌无为的看客了。本文会将二位对手的资料和内幕一一奉上，你大可以凭借自己的人类智能，来一个胜负大预测!
决战对手之一：
李世石到底有多强？
李世石，1983年3月2日生于韩国全罗南道。1995年初次入段， 2003年时，因获LG杯冠军直接升为六段，2003年4月获得韩国最大棋战KT杯亚军，升为七段，2003年7月获第16届富士通杯冠军后直接升为九段。
李世石的棋风力量感十足，他善于敏锐地抓住对手的弱处主动出击，以摧古拉朽的力量击垮对手，他的攻击可以用“稳，准，狠”来形容，经常能在劣势下完成逆转。
李世石是围棋领域曾经的世界第一人。
其职业生涯获得的重要冠军有：第8届春兰杯冠军，第15届、16届、18届富士通杯冠军，第9届、12届、13届、17届三星杯冠军，第7届、第12届LG杯冠军，第2届、第3届丰田杯冠军。
截止至2015年底，李世石世界排名第四，Elo等级分3532
李世石的四大武器
作为顶尖棋手，李世石所拥有的是人类围棋界的四大法宝，也是人类围棋一直以来战胜计算机的不二法门。
1. 常识：所谓常识，是对常见棋形的熟悉，理解和掌握。虽然千古无同局，但实战中无论多复杂多新颖的棋形，都是由简单而反复出现的基本棋形组合而来的。
2. 棋感：即所谓“第一感”。当棋手积累了大量的常识和对局经验之后，在看到每个局部的棋形组合后，都会对下一步产生感觉性的猜测，这种猜测将成为计算的入手点。
3. 计算：计算过程，是对于未来棋局在脑海的预演，这种预演能力是围棋的核心能力。无论任何高妙棋感，都需要接受计算的考验和证实。
4. 判断：对计算出的不同预演结果进行优劣判断，从中选择最优解。这是思维过程的最后一步，也是最难的一步。随着棋力的提高，这一步之难将愈加凸显。
对上述内容分析之后，我们不难看出，常识和计算将是人机双方对弈时火力集中的攻击点。而棋感和判断，相对较虚，难以捉摸和把握，也是人工智能一直以来渴望攻克的难关。
李世石是怎样下棋的？
正如每个人类棋手一样，从总体而论，李世石的下棋思路也无非是以下三个步骤：
Step 1：对全局的形势进行通盘分析。
Step 2：判断棋局的局部，寻找出几个相对有利的落子点。
Step 3：预测接下来数步的棋局变化，判断并选择最佳的落子点。
然而，李世石最为人称道，或者说人神共愤的，则是他的“僵尸流”棋风。
所谓僵尸流，是指利用弃子战术，需找敌方弱点作战。李世石对死活、厚薄的理解往往异于常人，能从死棋中找出死而不僵的棋形，从中发现反击手段，控制节奏把握棋局。
李世石的胜利宣言
李世石在赛前提到，自己看过AlphaGO的对局，也会做一些针对性的准备。他认为AI的棋力相当于职业三段的水平，并不是自己的对手。同时他也表示，希望人类都支持自己，争取让对手赢不到两盘。
然而，现在已经被打了一半脸了……
决战对手之二：
AlphaGO到底有多强？
AlphaGO是由谷歌旗下的GoogleDeepMind公司所研发的，一套专为围棋而优化的深度学习引擎。
这家英国公司创立于2010年，本名为DeepMind Technologies，以研究人工智能为主要目标，2014年被谷歌收购。他们尝试通过合并各种机器学习的方法，搭配神经网络科技，来构建强大的通用学习算法。
这套算法的最初目的，居然是为了实现人工智能玩游戏。而且他们研究的游戏范围还很广，从策略型游戏围棋到网络电竞，再到单机电玩，无所不包。
AlphaGO的主要开发人员为：大卫·西尔弗(DavidSilver)、黄士杰(Aja Huang)和戴密斯·哈萨比斯(Demis Hassabis)
大卫·西尔弗(David Silver)：围棋人工智能和强化学习的顶级专家，业余围棋爱好者。毕业于剑桥大学，在加拿大阿尔伯塔大学获得PhD学位。英国皇家社会成员，现为伦敦大学学院计算机系助理教授。
黄士杰(Aja Huang)：围棋业余六段，台湾师范大学资讯工程研究所PhD，曾设计过围棋人工智能Erica，荣获了TAAI 2009年计算机围棋竞赛19路银牌及9路铜牌等战绩。
戴密斯·哈萨比斯(Demis Hassabis)：人工智能研究人员，神经科学家，电脑游戏设计者，毕业于剑桥大学，并获得伦敦大学PhD学位，其研究兴趣包括机器学习和神经科学。
截止至2015年底，AlphaGO的围棋等级分Elo是3168。AlphaGO即使让此前其他顶级围棋AI(如CrazyStone、Zen等)四子，依然能够取得80%以上的胜率。而在与职业二段棋手樊麾的对战中，取得5:0获胜的绝对优势。
AlphaGO和其他围棋AI的Elo等级分以及对应职业水平对比图
AlphaGO的三大武器
AlphaGO拥有两个深度神经网络：基于谷歌云计算巨量数据的策略网络(Policy Network)和估值网络(Value Network)，再结合传统人工智能方法蒙特卡洛树搜索(MCTS)，构成了人工智能的三大武器。
1.策略网络Policy Network，其实是一个落子选择机制，它着眼于每一步弈棋的下法。
它又细分为三个部分：
突破策略网络(RolloutPolicy Network)，通过对盘面的初步判断，得出一个准确率较低的落子选择。
国际象棋的AI落子思路
围棋的AI落子思路
模仿策略网络(SLPolicy Network)，通过调用谷歌云存储中上百万的人类对弈棋谱，模仿人类的下棋走法，预测人类的下一步落子位置。
学习策略网络(RLPolicy Network)，通过两个AI之间互相自对弈，不断地学习和提高棋力。在学习期间，AlphaGO每天可以自对弈一百万盘之多，而人类一辈子也下不到一万盘棋。
2.估值网络Value Network，则是一个局面评估机制，它注重于对全局形势的判断。
估值网络通过对全局位置的判断，分析出局面形势，并进行一个价值评估，准确率可达80%以上。
虽然AlphaGo评估的位置只有深蓝的几千分之一，但这正是由于它使用了策略网络，可以更智能地选择位置；再加上估值网络，可以实现更精准的局面评估。
这才是更接近人脑下棋的方式，而不是简单粗暴的穷举法。
3.蒙特卡洛树搜索 Monte-Carlo Tree Search，则是实现围棋这样超高复杂博弈机制的一种随机算法。
蒙特卡洛算法，是由乌拉姆最早提出，再经数学天才冯·诺伊曼发展和完善，以赌城蒙特卡洛命名的一种算法。
在过于复杂的局面中，人工智能由于硬件缺陷，无法实现穷举级别的采样，而蒙特卡洛算法正是在采样不足的情况下，通过尽可能多次的随机采样，一步一步接近最优解。
举个简单例子你就可以理解。比如有一堆钻石，每次随机选一枚，选中更大的就留下。那么经过越来越多次随机选择，最终留下的那枚钻石，就必然越来越接近这堆钻石中最大的。但是由于随机的缘故，在不遍历每一枚钻石的情况下，只能接近最大，而不能确认最大。
与之对应的是另一个以赌城之名命名的算法——拉斯维加斯算法，则是为了一步一步确认最优解。
它的例子是，比如有一堆钥匙，只有一个能打开锁。每次随机选一把，打不开则再选。那么经过越来越多次随机选择，找到正确钥匙的几率也就越来越大。但是由于随机的缘故，在不遍历每一把钥匙的情况下，并不能确定一定可以找到。
在围棋这样的博弈游戏中，并不存在绝对正确的下法，所以自然应当运用前者。并且，正是由于蒙特卡洛算法的运用，围棋的人工智能才得到了突飞猛进。
AlphaGO是怎样下棋的？
身为集结多种尖端技术于一身的人工智能，AlphaGO的下棋思路可以简化为以下四个步骤：
Step 1：通过突破策略网络和模仿策略网络，找出下一步棋的数个备选走法。
Step 2：利用蒙特卡洛树搜索，从数个备选走法中找出接近最优的走法。
Step3：利用估值网络对这一走法产生的局面进行评估，将评估结果作为当前棋局下的下一步走法的估值。
Step 4 ：结合下一步走法的估值和模仿策略网络进行反复的模拟，根据选择次数最多的下法，确定最终的走法。
AlphaGO的下棋思路和步骤
在和樊麾的对弈中，AlphaGO表现得并不仅仅纠结于局部的得失，而更注重通盘大局的考虑。这也恰恰是人类围棋智慧的体现。说AlphaGO真的像人类一样下棋，并不为过。
AlphaGO的胜利宣言
AlphaGO的开发者之一哈萨比斯认为，AlphaGo有拟人的围棋思维，却不会有人的情绪波动。人类互相对弈露出破绽时，彼此都有无数机会；然而与AI下棋，露出破绽说不定就结束了。他最后说，绝大多数职业棋手认为AlphaGo会输给李世石，但我们的内部测试结果可不是这样。
有了以上的信息，
我们来预测一下谁会赢吧!
今天作为弹幕的我们，
都是围棋十段!
别忘了到时候来结算哦!
酷玩实验室原创作品
作者/眠眠，编辑/蛋蛋姐
如需转载，请联系授权
说到好玩的新玩意儿
我们正打算组团
去台湾看新发明
欢迎戳“阅读原文”了解详情!
▼ 点 击 阅 读 原 文
▼ 查 看 台 湾 行 详 细 介 绍
http://www.duyihua.cn
返回 酷玩实验室 返回首页 返回百拇医药