人工智能和人类大脑的终极对决在5月23日正式展开，这次的对决的项目还是围棋，中国作为传统的围棋故乡，其实力是毋庸置疑的，下面我们就分析一下人工智能 AlphaGo，感兴趣的网友们，赶紧过来看看。
柯洁 vs AlphaGo围棋对决现场直播下载地址：http://www.cr173.com/soft/491072.html
新 AlphaGo 跟老 AlphaGo有什么不同
作为一个从 2014 年发展至今的围棋人工智能项目，其实 AlphaGo 在发展历程中使用过多个名字，比如最早期亦城围棋上的 “DeepMind”，又或者是之前在野狐平台上的 “Master”。那么这次的 “新 AlphaGo” 是否也只是一个新名字？
答案必然是否定的，之前起新名字很可能有保密、个人喜好等原因，但这次新添加的 “新” 字只为了突出一点——这是 “机器自学” 为主的一版 AlphaGo。
这一点判断的线索，来自于今年初，Master 在网络上一口气横扫 60 名人类棋手的时候。当时 Master 第二次战胜柯洁之后，棋圣聂卫平曾表示:
Master 改变了我们传统的厚薄理念，颠覆了多年的定式。围棋远不像我们想象的那么简单，还有巨大的空间等着我们人类去挖掘，阿法狗也好，Master 也罢，都是‘围棋上帝’派来给人类引路的。
著名棋手古力在成为 Master 的第 60 个手下败将，之后，也在微博发表了自己的感受：
作为第 60 个勇士，牺牲了。。。经过这几天的对局，我深深的感受到围棋的神秘，似乎 Master 给我们打开一道围棋的神秘之门，不论胜负，人类与人工智能共同探索围棋世界的大幕即将拉开，新一次的围棋革命正在进行着。。。
这种表现，与将近一年前的 “老 AlphaGo” 可谓天差地别。想要达成这样的成绩只有一种可能——DeepMind 寻找到了一种机制来摆脱围棋中的 “人类束缚”。
迷之改进：一举让 AlphaGo 成为人类老师
作为一个极其特殊的棋类和任务，围棋拥有数量极其庞大的可能性，总的局面数量达到 10^172，而可观测宇宙范围内的原子数量不过 10^80。这也意味着穷举绝对不是一条明智的路线。
最终 DeepMind 给出了一套能够 “模拟” 出人类顶尖高手的方案：深度学习 + 蒙特卡洛搜索树 + 自我进化。
这一套架构在 DeepMind 发布在《自然》杂志中的论文中已经有详细叙述，
（https://www.nature.com/nature/journal/v529/n7587/full/nature16961.html）
如果你对其中的细节感兴趣，推荐阅读国内人工智能创业公司彩云 AI 创始人、CEO 袁行远在知乎上的相应回答。
（https://www.zhihu.com/question/41176911/answer/90118097）
深度学习用以分析人类棋盘，蒙特卡洛搜索树用来减轻工作量，自我进化用来提升能力。但有限的运算能力还是给 DeepMind 出了一个不小的难题，后者最终想出了一个办法：只对学习到的人类棋招进行蒙特卡洛搜索树运算，这恰如人类棋手依赖定式。
定式，又名定石，指的是人类下围棋长久积累下来的一种经验，对弈双方在特定情况下会遵循固定下法。著名棋手吴清源则将简单描述为 “在角部彼我棋子接触时最合理的走法”。
这些定式被记载在各式各样的棋谱当中，成为新手入门必看的书籍。
虽然定式是某种意义上是最合理的走法，但它却是理想化条件下的产物，想要完整复现定式，意味着双方都必须抱有同样的理想化思路。而历史上并不缺乏不遵守定式，或者用新定式打败对方的事例。
问题来了，为什么千变万化的围棋会出现定式？而且死守定式会输，不学习定式也会输。答案只有一个——人类需要定式来减少围棋上面的变化，这样进入中盘之后人类才能利用自身能力掌握棋局走向。
凑巧的是，这回我们遇到的是运算能力远超人类的计算机，让掌握更多乃至全部围棋奥秘拥有了一丝可能。
但究竟新 AlphaGo 怎么样摆脱 “人类束缚”？参考之前 “老 AlphaGo” 的工作方式，排除运算过程中所有人类元素可能是最彻底的方法。但这样一来就必须找到另外一种减轻运算压力的策略。目前来看，这个秘密也只能等 DeepMind 方面稍后公开了。
喜欢 
顶
难过
囧
围观
无聊
