AlphaGo大戰柯潔獲勝獎金150萬美元但是柯潔取勝渺茫

分類＼科技
時間＼2017-05-23

早在2015年10月，AlphaGo就以5:0比分全勝歐洲圍棋大賽冠軍，但那次並沒有讓人們熟知AlphaGo。

2016年的3月，穀歌圍棋人工智慧AlphaGo與韓國九段、世界圍棋冠軍李世石進行了一場圍棋大戰，當時李世石代表“全人類”征戰，

人類認為AlphaGo不可能這麼快就戰勝人類頂尖棋手，結局是4:1，五局對決中，人類贏了一局。

也是這場人機大戰，讓我們知道了AlphaGo在如此強大的存在著，同時我們也深刻感受了一把“人工智慧”的威力。可以說這是人工智慧的一次里程碑。

AlphaGo背後計算驚人，

人類怎麼可能贏？

大家知道，AlphaGo是一款由穀歌旗下DeepMind公司研發的圍棋人工智慧程式，使用蒙特卡洛樹搜索（是一種人工智慧問題中做出最優決策的方法）和深度學習結合的方式使電腦的圍棋水準達到甚至超過了頂尖職業棋手的水準。AlphaGo 的內部技術採用了包括了深度 CNN，監督式學習，強化學習，以及蒙特卡洛搜尋樹 (MCTS) 等。

蒙特卡洛搜尋樹被認為是AlphaGo擊敗人類的功臣之一。它是一種啟發式的搜索策略，

能夠基於對搜索空間的隨機抽樣來擴大搜尋樹，從而分析圍棋這類遊戲中每一步棋應該怎麼走才能夠創造最好機會。

此前AlphaGo戰勝李世石，ta的優勢在於通過自我對弈，產生了3000萬盤圍棋棋譜，而李世石怎麼可能找到這麼多棋譜。AlphaGo依賴運算能力和結果概率推導，就勝負關係而言，依照阿爾法狗的運算能力，每分鐘可能推演上億步的棋局演化，人類未出招，

ta已經想好N的N次方的方法來接招。

而此次與柯潔對戰的是1月DeepMind發佈的AlphaGo 2.0。升級版的AlphaGo摒棄人類棋譜，只靠深度學習（機器學習中一種基於對資料進行表徵學習的方法）的方式成長起來挑戰圍棋的極限，也就是說它不在受人類棋譜的局限，可以下出真正屬於ta自己的圍棋。

Alpahgo的自我對弈訓練環境都是5秒一步快棋,所以現在的Alpahgo 更適應於快棋,在快棋上的表現將大大超過以前的老版本。

並且AlphaGo還在不斷地學習古今中外棋譜，學習此前圍棋高手的對弈，並嘗試理解勝負之間的關係，所以柯潔獲勝紀律可以說是微乎其微~，人腦再怎麼轉都轉不過電腦，何況還是升級版的阿法狗2.0

AlphaGo之後

深度增強學習演算法使得電腦能夠通過自對弈的方式不斷提升棋力。深度增強學習演算法由於能夠基於深度神經網路實現從感知到決策控制的端到端自學習，它被認為具有廣泛的應用前景。

單就穀歌本身而言，其利用這種深度增強學習演算法已經在視頻、遊戲、圍棋、機器人等領域取得了突破性進展。加之今年穀歌在I/O大會上新發佈了第二代的 Tensor 處理單元（TPU），這是一個雲計算硬體和軟體系統，是作為專門為機器學習而專門設計的專用晶片。將加速穀歌人工智慧落地的速度。

其第一代 TPU 被 AlphaGo 人工智慧系統用作其預測和決策的基礎。新的TPU 設備可提供高達每秒 180 萬億次浮點運算的性能，大大加速了對單個大型機器學習模型的培訓。

當前，深度學習也已在電腦視覺、語音辨識、自然語言理解等領域取得了一定進展，並已經落地到我們的生活當中。

一個簡單的例子，國內人工智慧創業公司商湯科技的電腦視覺已經在多個領域得到應用，比如，美圖秀秀的自拍功能，其中就是利用了人臉識別技術。還有科大訊飛的語音辨識技術，已經成功運用於遊戲、手機、智慧手錶以及很多家庭智慧產品當中。

未來將是萬物互聯的時代，越往後發展，你將體會更多人工智慧的落地應用。當然，人工智慧的出現，一部分人也將面臨失業，5-10內，醫療保健、自駕汽車、教育、服務業等都將面臨被淘汰的危險。李開複也曾在公開演講中表示，未來10年，世界上50%的工作將被人工智慧所取代。

具體賽程和對戰形式如下：

5月23日柯潔 VS 阿爾法狗AlphaGo

5月24日時越+陳耀燁+羋昱廷+唐韋星+周睿羊(相談棋)VS 阿爾法狗AlphaGo

5月25日柯潔 VS 阿爾法狗AlphaGo

5月26日古力+ 阿爾法狗AlphaGo VS 連笑+阿爾法狗AlphaGo

5月27日柯潔 VS 阿爾法狗AlphaGo

大大加速了對單個大型機器學習模型的培訓。