鈦媒體注：現在談到人工智慧， 不可能繞過AlphaGo， 從去年戰勝李世石到今年在網路上大勝各方圍棋手， 它儼然已經成為了一個代言詞。
UEC杯是世界權威的圍棋大賽， 每年在日本舉行， 與普通圍棋賽不同， 參賽選手不是人類， 全是AI。 3月19日， 第10屆UEC杯在東京落下了帷幕， 來自騰訊AI Lab（騰訊人工智慧實驗室）研發的圍棋人工智慧程式“絕藝”（Fine Art）獲得了此次杯賽的冠軍。
從概念到產品落地， 如今的絕藝還不滿一周歲， 所以這也是它第一次參加UEC杯電腦圍棋大賽。 作為世界級別的AI賽事， UEC曾經亮相了來自日本的DeepZenGo、法國的“瘋石”（Crazy Stone）、美國Facebook公司的“黑暗森林”（Dark Forest）等諸多的電腦圍棋程式。
“絕藝”與日本“DeepZenGo”決勝局對弈圖
今年的UEC杯一共有30支軟體參賽， 絕藝在積分賽中以7連勝的成績進入了16強。 在當天的決賽中， 經過50多分鐘的“鏖戰”， 二度擊敗來自日本的 DeepZenGo， 又以四連勝戰績奪得了冠軍， 日本的“DeepZenGo”則獲得了亞軍。 3月26日， “絕藝”還將在東京與日本先鋒棋手一力遼在“電聖戰”中進行人機對弈。
絕藝的英文名字叫做Fine Art， 而“絕藝”出自杜牧的《重送絕句》：絕藝如君天下少， 閒人似我世間無。 別後竹窗風雪夜， 一燈明暗覆吳圖。
自1997年， IBM深藍超級電腦在國際象棋比賽中戰勝世界冠軍加里·卡斯帕羅夫， 最近能夠引起轟動效果的人機對戰便是去年3月份， AlphaGo與李世石的人機對戰。
作為人類頂尖水準的棋類遊戲， 圍棋的計算量是巨大的， 根據Google團隊的描述“為所有可能的步數建立搜尋樹”， 這樣的技術在圍棋上是實現不了的。
根據AlphaGo研究者DavidSilver的解釋， AlphaGo的策略是圍棋巨大無比的搜索空間壓縮到可控的範圍之內。
在AlphaGo兩種不同的神經網路中， “策略網路”的作用是預測下一步， 並用來將搜索範圍縮小至最有可能硬起的那些步驟；“價值網路”則是用來減少搜尋樹的深度，
根據絕藝團隊的介紹， “絕藝”的學習主要包括人類棋譜資料庫和機器自對弈， 它的演算法基於策略網路與價值網路兩大核心。
這兩方面的學習， 具體來講則是：一部分來自人類棋譜， 通過深度卷積網路的訓練， 得到一個策略網路；第二部分為自對弈棋譜， 也通過深度卷積網路訓練， 得到一個估值網路。
再進一步講， 則是“策略”指每一步博弈時， 各種選擇的取捨， 選好棋棄差棋， 這是偏微觀評估；而“價值”則指能看懂棋局， 判斷給定棋局是不是能贏， 這是偏宏觀的評估。
“絕藝”曾先後使用多個ID， 在騰訊圍棋平臺與業餘和職業高手切磋，
在諸多的社交網路與媒體的評論區， 鈦媒體發現大家除了對絕藝有著好奇的一面之外， 更多的則是一種不謀而合的期待， 而這也是鈦媒體比較想要瞭解的一個問題：
絕藝與阿法狗什麼什麼時間能來一場PK呢？（鈦媒體編輯張霖綜合報導）