围棋这个人类最后的智慧堡垒，被攻破了？

　　原创2017-01-14阿秀

　　本文作者：阿秀，公众号“职场学习”（ID：zchxuexi）创始人，独立自媒体人，个人管理专家，百度学术主笔，脉脉专栏作者，简书作者。

　　临近2017年新年，中国围棋网站弈城网上出现了一个神秘棋手，在12月29日之后的3天里，连胜柯洁九段、陈耀烨九段、朴廷桓九段、芈昱廷九段、唐韦星九段等多位高手，一时间被看为天人，其身份也引发多方猜测。

　　2017年初，又有神秘棋手Master在网上大战棋圣聂卫平、柯洁、朴廷桓、井山裕太等数十位中日韩围棋高手，以每30秒一手的速度拿下了59场全胜。

　　就在所有人争论这个神秘高手到底是谁时，谷歌旗下的Deepmind终于站出来承认这两位神秘高手均为AlphaGo（Master为AlphaGo的改进版）。

　　AlphaGo的大胜，也算实现了研发者戴密斯·哈萨比斯（Demis Hassabis）博士的“小目标”。AlphaGo实质上是由谷歌旗下的人工智能企业Deepmind设计的一款人工智能围棋程序，为什么Deepmind要切入人工智能领域者不难理解，但为什么要从围棋开始？

　　围棋这项智慧之技

　　也许有人会说，这有什么难？1997年IBM的“深蓝”不就赢了当时世界排名第一的国际象棋大师卡斯帕罗夫么，过去近20年了，谷歌这项成就实在不算啥。

　　但事实并非如此，一方面“深蓝”虽然能在国际象棋上击败卡斯帕罗夫，但是却无法在一般游戏上赢过三岁的孩子，开奖，其智能性不够高。

　　另一方面围棋的变化、困难程度要远远的比国际象棋高。据普林斯顿研究人员的研究显示，19x19格围棋的精确合法棋局数的所有可能性高达：

　　208168199381979984699478633344862770286522453884530548425639456820927419612738015378525648451698519643907259916015628128546089888314427129715319317557 736620397247064840935种。

　　这行数字高达171位，比宇宙中所有原子的总和还多。所以AlphaGo面临的挑战可谓之难，谷歌的成就也不可谓之小。

　　也有人因此惊呼：围棋这项人类智慧的最后堡垒，被攻破了。

　　如果光是有挑战性，似乎还不足以说明谷歌的初衷，这还要从Deepmind的传奇创始人、人工智能专家、神经科学家哈萨比斯对棋类游戏的深厚造诣说起。

　　哈萨比斯堪称棋坛神童，他4岁学国际象棋，5岁就开始参加国家级比赛，13岁成为国际象棋大师，17岁时进入剑桥学习计算机科学专业时对围棋这项古老的棋类活动产生了兴趣，也是造诣颇深。

　　既是棋坛神童，又是人工智能大牛的哈萨比斯据说一直被两个问题所困扰：人脑如何学会并完成下棋这样的复杂任务？电脑能否像人类一样学会并完成类似的复杂任务？明白了这层渊源，谷歌为什么要从这个领域切入，也就不难理解了。

　　那AlphaGo到底是啥？

　　它的工作原理又是啥？

　　它还有成长的空间么？

　　据了解，AlphaGo的工作原理就是“深度学习”，实质上是一种模拟人脑学习行为的一种机器学习行为，通过组合多种低层次的人工神经网络，经过数据计算，把多种层次的人工神经网络结合在一起来构建更高层次、更抽象的思维活动。

　　而AlphaGo在架构上则主要分为两大神经网络系统，一个是策略网络，一个是价值网络。所谓的策略网络就是指通过获取大量的范例资料，来预测棋手下一步落子的位置，核心是通过尽可能多的录入棋手下棋的棋谱。

　　据说AlphaGo学习的棋谱已经可以以亿为单位了，对棋手落子位置判断的准确率已经超过了57%。而所谓的价值网络则是指AlphaGo对每次自己和对手的落子分别计算对最终胜率的影响，并能够综合计算选择出生率最高的下棋方式。但是由于不断的计算精确胜率需要耗费大量算力，因此AlphaGo往往是给出近似胜率，而不是绝对精确的胜率。