世纪对弈 ——AlphaGo围棋胜利的深度透视 事件的最初与发展背景 研究者让“阿尔法围棋”和其他的围棋人工 智能机器人进行了较量，在总计495局中只输 了一局，胜率是99.8%它甚至尝试了让4子 对阵CrazyStone、Zen和Pachi三个先进的人 工智能机器人，胜率分别是77%、86%和 99% 事件的最初与发展背景 据国际顶尖期刊《自然》封面文章 报道，谷歌研究者开发的名为“阿尔法 围棋”（Alpha Go）的人工智能机器人 ，在没有任何让子的情况下，以5:0完 胜欧洲围棋冠军、职业二段选手樊麾 在围棋人工智能领域，实现了一次 史无前例的突破计算机程序能在不 让子的情况下，在完整的围棋游戏中 击败专业选手，这是第一次 事件的最初与发展背景 2016年李世石 VSAlpha Go 比赛成绩表 Alpha Go 李世石 3月09日10 3月10日10 3月12日 1 0 3月13日 0 1 3月15日 阿尔法围棋程序的下一个挑战对象是世界 围棋冠军李世石这场人工智能与人类的博弈 于2016年3月9日在首尔举行，奖金是由 Google提供的100万美金[2-5] 2016年3月12日，“AlphaGo”与韩国14冠高 手李世石之间的人机大战第三局中，李世石没 能挽回赛点，执黑中盘再次失利，在五番棋的 较量中总比分0-3落败，错失百万美元奖金。
[7] 2016年3月13日，谷歌人工智能“阿尔法围 棋”(AlphaGo)与韩国棋手李世石继续进行第四 场较量，经过4个多小时的比赛，最终李世石 战胜AlphaGo迎来首胜，终结三连败的同时将 比分扳成以1:3[8] 3月9 第一局李世石认输[9] 3月10 第二局李世石认输[10] 3月12 第三局李世石认输[11] 3月13 第四局李世石胜[12] 经过，选手资料，AlphaGo的诞生 阿尔法围棋（AlphaGo）是一款围棋人工智能程序，由位于英国伦敦的谷歌（ Google）旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们 的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下 子2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾；2016年3 月对战世界围棋冠军、职业九段选手李世石[1] 经过，选手资料，AlphaGo的诞生 【赛前】自信“AI连1%的取胜机会都没有” 去年，AI专家预计电脑 要打败职业围 棋手还需要10年，但去年 10月，AlphaGo就以5：0击败了欧洲围棋冠军樊麾，震惊棋界 但即便如此，当众高手知晓AlphaGo要挑战李世石时，仍不 以为然。
“只能说李世石运气太好了”，有着强烈自信的95后天才少年柯洁 ，赛前彻底看好人类获胜 ，“计算机战胜李世石的可能性不到百 分之五和李世石交战多年的好友古力则表示：“赢李世石1% 的可能性都没有” 上述两人代表了棋界的普遍观点，其实连AlphaGo的研发团队 ，都摸不准AI能表现出什么水平如果你问一个伟大棋手如何 决定落子位置的，他经常会告诉你‘我觉得那样比较正确’，但这 是计算机不擅长的研发团队 坦言，AI虽然有强大的计算能力 ，但在大的方面仍处劣势 经过，选手资料，AlphaGo的诞生 【赛前】自信“AI连1%的取胜机会都没有” 去年，AI专家预计电脑 要打败职业围 棋手还需要10年，但去年10月， AlphaGo就以5：0击败了欧洲围棋冠军樊麾，震惊棋界但即便如此，当众 高手知晓AlphaGo要挑战李世石时，仍不以为然 “只能说李世石运气太好了”，有着强烈自信的95后天才少年柯洁，赛前彻底 看好人类获胜 ，“计算机战胜李世石的可能性不到百分之五和李世石交战 多年的好友古力则表示：“赢李世石1%的可能性都没有” 上述两人代表了棋界的普遍观点，其实连AlphaGo的研发团队 ，都摸不准AI 能表现出什么水平。
如果你问一个伟大棋手如何决定落子位置的，他经常会 告诉你‘我觉得那样比较正确’，但这是计算机不擅长的研发团队 坦言，AI 虽然有强大的计算能力，但在大的方面仍处劣势 经过，选手资料，AlphaGo的诞生 【第一局赛后】震惊“李世石仍有五成胜率” 3月9日，首战打响，全球瞩目在全球一亿人注视下，四个小时后，李世石执黑投 子认输，让人措手不及人们开始震惊：新的时代真的到来了？ 李世石首局本有取胜机会，开局阶段他占据优势，可惜李世石随后的棋路趋于保守 ，并在长时间比赛后出现失误人会疲惫，人会失误，但电脑不会，AlphaGo抓住 机会疯狂反击，李世石最终在局面大好时遭到逆转 正是因为自身失误和情绪波动的原因导致落败，这让包括李世石在内的绝大多数棋 界人士，对接下来的比赛保持乐观后面的棋我胜算还是会很大吧，胜算会是五 成吧李世石表示柯洁也跳出来向AlphaGo宣战：“就算阿法狗战胜了李世石 ，但它赢不了我！” 经过，选手资料，AlphaGo的诞生 【第二局赛后】怀疑“有不能打劫的保密协议？” 第二局，李世石再次落败但人们发现奇怪的一点：AlphaGo为何从不打劫？ 除了和李世石的两局，AlphaGo此前5：0零封欧洲围棋冠军樊麾的比赛里，也没有 打劫。
同样，李世石也没有打劫网友提出疑问：是否存在秘密协议，规定不能打 劫？对于这个质疑，AlphaGo的开发团队表示，根本不存在这个所谓的秘密协议 他们也想知道，AlphaGo在对阵李世石这种高手打劫时的表现 两局下来，人们对AI的力量有了更深刻的认识如果说第一局AlphaGo的一些落子 还有待商榷，那么在第二局中，AlphaGo不但几乎没有破绽，而且有了超出人类棋 手理解范围的出招，这让古力都感叹“我们要向它学习了！”柯洁也不像之前那么 高调：“虽有信心，但不能保证稳赢 经过，选手资料，AlphaGo的诞生 【第三局赛后】服气“5个九段一起上或许能赢” 第二局结束后，李世石与几位好友进行了通宵复盘研究，寻找对付AlphaGo的策略 ，最终大家得出共同的结论：要想取胜，必须靠打劫等复杂下法才有机会获胜可 是，AlphaGo也在不停进步，这让它在第三局展现出了更强大的棋力 对弈中，李世石左下角“故意”选择了一个可能留下打劫的变化，而AlphaGo在最 后的较量中，实现了主动打劫和提劫，这也让此前盛传的阴谋论不攻自破可怕的 是，AlphaGo劫争时表现得几乎无懈可击，让李世石招架得十分辛苦。
三局之后，按照古力的估算，人类若要打败AlphaGo需要组团作战即使柯洁出 场也下不过”，古力认为，如果顶尖棋手组团作战，把失误降到最低，或许有希望 获胜：“至少得5个九段！”（来源：重庆晨报） 经过，选手资料，AlphaGo的诞生 李世石出现“神之一手” 第四局战胜AlphaGo 13日下午，谷歌人工智能“阿尔法围棋”(AlphaGo)与韩国棋手李世石继续在韩国 首尔钟路区四季酒店进行第四场较量，经过4个多小时的比赛，最终李世石战胜 AlphaGo迎来首胜，终结三连败的同时将比分扳成以1:3 细节，舆论，名字由来 Demis Hassabis为DeepMind共同创办人暨执行长，DeepMind作为受神经科学启发的人工智能公司，于2014年1月被Google收购 ，传闻收购金额达4亿美元，成为迄今最庞大的欧洲收购案1 Demis目前担任Google DeepMind的工程部副总，带领Google团队积极投入人工智能的研发Demis小时候是一个国际象棋神童 ，仅仅13岁棋艺已达大师等级当时Demis的棋艺仅次于国际特级大师波尔加•朱迪(Polgár Judit),为世界段位第二高的棋 手。
在提前两年完成A-Level考试之前，17岁的Demis已编写好了销售超过数百万的“主题公园”(Theme Park)模拟游戏 谈到开发AlphaGO的初衷，DeepMind执行长Demis Hassabis提到他小时候很喜欢国际象棋，到了大学时期跟朋友疯狂玩围棋， 那时候用的就是IBM开发的深蓝，那时候就觉得要开发一个可以学习下棋的机器因此这个概念从20年前就有了，但是直到两 年前才开始做 目前AlphaGO的开发团队一共有9个人，3个人是Google内部员工、3个人是DeepMind、另外三位则是业界人士，而之所以会从中 国的围棋出发，Demis Hassabis表示，是因为中国的规则让电脑比较容易懂、容易吸收 而AlphaGO以一套名为“蒙特卡罗”的运算技术为基础，搭配类神经网路，从世界棋手、人类专家的技术细节，进行像是象 棋、围棋等棋局对弈的研究，然后通过两个阶段的机器学习，第一段是人工喂资料给电脑去运算，第二阶段是给予电脑在比赛 过程中去学习的程序，不管是赢还是输，每次比赛过程都会把经验学进去这个第二阶段采用的技术，叫做类神经网络，主要 是通过云端运算的方式，进行深度学习，然后进行“策略网络(Policynetwork)”与“价值网络(Valuenetwork)”的分析，程 序就像人类的大脑一般，会有自己的思考模式，这也是为什么AlphaGO可以持续进化。
AlphaGo的算法秘密 阿尔法围棋（AlphaGo）是一款围棋人工智能程 序这个程序利用“价值网络”去计算局面，用“ 策略网络”去选择下子 深度学习 阿尔法围棋（AlphaGo）的主要工作原理是“深度 学习”深度学习”是指多层的人工神经网络和 训练它的方法一层神经网络会把大量矩阵数字作 为输入，通过非线性激活方法取权重，再产生另一 个数据集合作为输出这就像生物神经大脑的工作 机理一样，通过合适的矩阵数量，多层组织链接一 起，形成神经网络“大脑”进行精准复杂的处理， 就像人们识别物体标注图片一样 AlphaGo的算法秘密 两个大脑 阿尔法围棋（AlphaGo）是通过两个不同神经网络“大脑”合作来改进下棋这些 大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的它 们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处 理图片一样经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断 这些层能够做分类和逻辑推理 这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好这个 处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的， 但更多的训练后能让它进化到更好。
AlphaGo的算法秘密 第一大脑：落子选择器 （Move Picker） 阿尔法围棋（AlphaGo）的第一个神经网络大脑是“监督学习的策略网络（Policy Network）” ，观察棋盘布局企图找到最佳的下一步事实上，它预测每一个合法 下一步的最佳概率，那么最前面猜测的就是那个概率最高的这可以理解成“落子 选择器” AlphaGo的算法秘密 第二大脑：棋局评估器 （Position Evaluator） 阿尔法围棋（AlphaGo）的第二个大脑相对于落子选择器是回答另一个问题不是 去猜测具体下一步，它预测每一个棋手赢棋的可能，在给定棋子位置情况下这“ 局面评估器”就是“价值网络（Value Network）”，通过整体局面判断来辅助落 子选择器这个判断仅仅是大概的，但对于阅读速度提高很有帮助通过分类潜在 的未来局面的“好”与“坏”，AlphaGo能够决定是否通过特殊变种去深入阅读 如果局面评估器说这个特殊变种不行，那么AI就跳过阅读在这一条线上的任何更多 落子[2-6] 。