2018-08-27

去年柯洁败北AlphaGo的场景仍然历历在目，然而今年4月27号，柯洁再次败给人工智能“星阵”围棋。

天才棋手柯洁到底为什么会败给人工智能？

今天玩妹一起和大家探寻这个问题的答案。

一年前的4月，柯洁与AlphaGo决战乌镇，柯洁最后败给AlphaGo，泪洒赛场。

自那之后，柯洁宣称不会与人工智能棋手再战。然而2018年，柯洁打破之前的停战设定，4月27日，柯洁参加“2018世界人工智能围棋大赛人机大战”，挑战我国研制的围棋人工智能“星阵”，然而此次柯洁最后仍然是执白中盘告负，遗憾落败，人工智能再次取得胜利。

01

为什么柯洁会败给人工智能？ 我们先介绍下AlphaGo和“星阵”。

AlphaGo背后的是谷歌DeepMind团队，这个天才团队是由哈萨比斯、雷格与苏莱曼三人于2010年在伦敦创立的。哈萨比斯是英国著名人工智能研究者，同时也是神经系统科学家、电脑游戏设计师与世界级的游戏选手。

而4月27日和柯洁对弈的国产人工智能“星阵”围棋，是在清华大学研发的“神算子”基础上所研发出来的。“星阵围棋”学习借鉴了AlphaGo，并在特征体系、模型结构和MCTS算法架构等方面取得了一定的突破，其实力已经接近AlphaGo。

02

要了解柯洁败给人工智能的原因，我们就要了解人工智能和人类在下棋时思路的差异之处到底在哪里。

人类在下围棋时，人脑依然是被横竖线规则局限在对棋盘规则的计算当中的，每一个棋手其实也都是在通过自己的下棋经验和判断对方的落子概率来尽可能推算更多步以后的局面。当然由于围棋将比国际象棋提供的计算博弈空间更大，因此人和人进行对弈时出现的计算能力较量也就显得更有趣。有些大脑计算能力非常出色的人，可以算得比别人更精准，还能够将很多自己的绝杀套路布局在全盘棋中。但不管怎样，这个游戏的本质依然还是在比拼棋手大脑的计算能力。那人工智能呢？

以AlphaGo为例，AlphaGo在下棋时，同样是采用这两种思路来进行计算的。一个是评估当前局势，另外一个是通过预测对手下一步各种走法的几率，来尽可能地算出更多步数后的优势。有了这两个基点以后，阿法狗就可以开始“穷举”计算了。

而目前为止AlphaGo至少已经输入了三千万种棋局，自我博弈超过一百万次以上。相信以后达到三亿种棋局，一千万次以上自我博弈；或三百亿种棋局，十亿次自我博弈也不是什么难事。

而人类呢？由于人类的大脑的最强功能根本不是进行这种海量运算，所以就算柯洁从娘胎里就开始下棋，且每一局都过目不忘，那么他所掌握的博弈棋局对战也不可能超过十万局吧。这，怎么比？

怪不得有人说：在这场博弈中，阿法狗和人类柯洁的较量，就好像是一个液压机在和人比手腕一样，是压倒性的胜利。虽然比分差距很小，但整场都是在其控制之中。且无论是阿法狗下围棋能力的成长速度，还是它的计算能力，都远非人脑所能比拟。

03以上就是柯洁会败给人工智能的原因。

可能说到这里，大家都有一个疑问：那 AlphaGo是代表了最高程度的人工智能吗？界通常把人工智能分为三个发展阶段：弱人工智能、强人工智能、超人工智能。

弱人工智能：专注于且只能解决特定领域问题的人工智能，今天我们看到的所有人工智能算法和应用都属于这个范畴,比如Siri和微软小娜，人们更愿意将弱人工智能看成是人类的工具，而不会将它视为威胁。

强人工智能：能够胜任人类大部分的工作，在大多数领域甚至达到取代人类50%以上的工作。

超人工智能：比世界上最聪明、最有天赋的人类还聪明的人工智能系统。

现阶段的人工智能，无论是会写诗、能一分钟写出一篇财经新闻稿的机器“文人”，还是棋艺纵横天下、能独立开车的特斯拉“老司机”，都还只属于弱人工智能范围，它们只能在某些方面超过人类。

在这个标准下，AlphaGo也属于弱人工智能，因为它不会思考。AlphaGo的本质就是一个深度学习的神经网络，通过前沿算法和大量数据样本分析对手落子(策略网络)、计算胜率(评价网络)以及根据有限选项中计算最佳解的蒙地卡罗搜索树。

也就是说，他是根据这三个函数来找出最佳动作，而不是真的理解了什么是围棋，什么是胜和败。

当然，AlphaGo虽然是一个下围棋的机器人,但是它也是一定程度上代表目前最为前沿的人工智能技术。

但是，就人工智能的发展现状来看，我们离真正“接近人脑”的人工智能或许还有很远的距离。

※文章素材部分来自网络。如有侵权，联系删除。

更多咨询请关注公众号 ID:szxmw-10