击败李世石九段的围棋人工智能“AlphaGo”究竟是什么？

AlphaGo 所采用的 DQN 是一种具有广泛适应性的强化学习模型，说白了就是不用修改代码，你让它下围棋它能下围棋，你让它在红白机上玩超级玛丽和太空侵略者，它也不会手生。作为一个基于卷积神经网络、采用了强化学习模型的人工智能，AlphaGo 的学习能力很强，往往新上手一个项目，玩上几局就能获得比世界上最厉害的选手还强的实力。

2014 年，已经被 Google 收购的 DeepMind，用五款雅达利 (Atari) 游戏 Pong、打砖块、太空侵略者、海底救人、Beam Rider 分别测试了自己开发的人工智能的性能，结果发现：在两三盘游戏后，神经网络的操控能力已经远超世界上任何一位已知的游戏高手。

李世石执黑子，AlphaGo 执白子。大约进行了 85 分钟时进入休息阶段。

在此之前，DeepMind 进行过的无数虚拟棋局训练，以及去年击败欧洲围棋冠军樊麾二段的经验让 AlphaGo 已经训练出了顶尖的弈技，极有可能高于世界上任何已知的围棋高手。

围棋的可能性复杂度

2014 年，这家公司曾经在其官网上写道：DeepMind 致力于用研究深度学习的方式去真正了解智慧 (solve intelligence) 。但对于 DeepMind 和 Google 来说，打造 AlphaGo 以及其他人工智能神经网络不是终点。

DeepMind 三位联合创始人

你可以将 AlphaGo 理解为《超验骇客》(Transcendence) 里约翰尼·德普饰演的人工智能，而它所控制的超级计算机，就像影片里被人工智能心控的人类一样，共同为一种蜂群思维 (Hive Mind) 服务。

《超验骇客》中，被人工智能控制的工人马丁。马丁没有所想，但他的所见将会被人工智能直接获取

AlphaGo 是在这个神经网络系统上，专为下围棋 (Go) 而开发出的一个实例。然而，虽然名字已经介绍了它的功能，AlphaGo 背后的神经网络系统却适合用于任何智力竞技类项目。

这个系统的基础名叫卷积神经网络 (Convolutional Neural Network, CNN) ，这是一种过去在大型图像处理上有着优秀表现的神经网络，经常被用于人工智能图像识别，比如 Google 的图片搜索、百度的识图功能都对卷积神经网络有所运用。这也解释了为什么 AlphaGo 是基于卷积神经网络的，毕竟围棋里胜利的原理是：

对弈双方在棋盘网格的交叉点上交替放置黑色和白色的棋子。落子完毕后，棋子不能移动。对弈過程中围地吃子，以所围“地”的大小决定胜负。

AlphaGo Logo / DeepMind

AlphaGo不是一块一块地思考。每手棋，它都要重新评估整个棋盘，这个能力，既来自它强大的计算能力，也在于它看过棋局，是对手的几十上百倍。但对于人类而言，下围棋是一块棋一块棋的累积优势。所以，人类的最佳策略是把握好每一块棋，打得过的地方尽量多赢几目，打不过的地方尽量少丢几目，能够斩对方大龙的机会，绝不放过，用每一块的优势，争取全局的胜利。

一句话概括：人类直接计算的是“胜幅”——这一手棋下去，能赚几目。 而AlphaGo不同，前面说它是全局思考的，所以它直接计算的是“胜率”——这一手棋下去后，最终的赢面概率是多少。只要它觉得这么下可以提高未来的“胜率”，哪怕眼前让对方赚上几目，也就是人类眼里的“臭棋”，也可以接受。

换一种说法：在98%概率赢5万，和99%的概率赢1万元之间，人类选前者，AlphaGo选后者。

记得《棋魂》中有一段对话：“围棋的乐趣在于有对手的存在。”“那棋神不是很寂寞了吗？”“因为这样，所以神教会人类下棋，希望人类能理解他的世界。”

所以无论AI未来究竟将走到哪一步，我们对围棋的文化、围棋世界的探索都将永无止境。