距離圍棋系統 AlphaGo 與南韓九段圍棋名將李世乭之間的對戰，距離開始還有兩天（3 月 9 日，本周三）。各方注意力也都聚集上來，日前李開復接受媒體採訪時，也對這一大戰發表了評價。他大概有以下幾個層面的觀點。 里程碑意義。「人工智慧已經在最近幾年，成為各家科技公司重點研發的方向，這次人機大戰無疑具有里程碑意義。」 人工智慧發展快，但成功不是這次。「很驚訝，這麼快就可以達到挑戰圍棋世界冠軍的高度，但這次是否就能夠戰勝人類，我個人認為還有點不確定。」 不過總有一天會成功。「不過，任何事情都有第一次，就像當年深藍第一次挑戰卡斯帕羅夫沒有取得成功，多年後智慧型機器人肯定會崛起。」 之前，當 Google 旗下的 DeepMind 開發的 AlphaGo 擊敗了歐洲圍棋冠軍樊麾時，國外雜誌《Nature》雜誌以封面論文的方式報導。評價認為，其意義不亞於 1997 年那場深藍擊敗國際象棋大師卡斯帕羅夫的世紀之戰。 我們為什麼要聽李開復的判斷？李開復在機器學習方面有豐富的職業經歷，根據騰訊科技的文章介紹，當年，李開復利用統計學方法在電腦下黑白棋研究方面取得很大進展，開發了全世界最早自己與自己下棋、自己學習、自己總結的學習系統之一。1988年，李開復開發的「奧賽羅」人機對弈系統，擊敗人類的黑白棋世界冠軍而名噪一時。李開復還曾説明 IBM 組織深藍團隊。當年，李開復發掘了擊敗國際象棋世界冠軍卡斯帕羅夫的電腦「深藍」設計者許峰雄並引薦給 IBM，李開復和許峰雄都是卡內基美隆大學校友。許峰雄曾透露，那時告訴他「IBM對『深思』感興趣」的人，是後來成微軟亞洲研究院首任院長的李開復——李開復比許峰雄低一屆，一直以來兩人私交甚篤。IBM 認為「深思」具備極其重大的開發價值，因此，「藍色巨人」將許峰雄和他的兩名同事請到了其設在紐約的電腦研究中心。不過，「深思」首戰卡斯帕羅夫，卻落得慘敗收場，一直到 1997 年，IBM 邀請到了 4 名國際象棋特級大師做「深藍」的「師父」和「陪練」，不斷修改完善「深藍」的棋路缺陷。終於，許峰雄和脫胎換骨後的「深藍」迎來「人機大戰」的勝利。李開復表示：「我記得我在多年前曾説明 IBM 邀請許去組織深藍團隊，深藍團隊在和國際象棋的世界冠軍多次對決後終於擊敗國際象棋的冠軍，當時被認為是特別重大的里程碑。」但打敗國際象棋被認為有很多局限，因為相比圍棋來說，國際象棋複雜度要簡單得多。國際象棋（深藍）雖也用機器學習功能，但主要是用硬體 brute force（加速近似窮舉）方式。有觀點認為，圍棋的棋盤為 19×19=361，棋盤較大，且下棋過程中會出現提子（吃子）情況。因此，圍棋複雜度高太多，無法僅靠硬體加速解決，一定要根本性上有更強自我學習方法。有統計稱，從複雜度講，國際象棋是 10^48, 圍棋是 10^172，李開復以前做的黑白棋是 10^28。 李開復認為人工智慧不會贏，可靠嗎？AlphaGo 到底相當於人類什麼水準？今年 1 月 28 日，AlphaGo 以 5 比 0 的成績擊敗歐洲冠軍、職業圍棋二段樊麾，才獲得了與李世乭較量的資格。關於上面問題的回答，大家也有不同的觀點。被 AlphaGo 擊敗的樊麾為中國職業二段棋手，在棋力上與李世乭有著非常大的差距。但從兩人的對戰情況看，AlphaGo 已經具備不低於職業初段棋手的棋力，這也是大多數圍棋專業人士的看法。圍棋界新星柯潔的評價則要嚴苛一些，「它的水準大概就是沖職業段之前的水準，雖然職業還到不了，但是接近於職業了。」九段的李世乭本人認為，AlphaGo 的棋力相當於三段棋手的水準。這已經是一個相當高的評價。在觀看樊麾和 AlphaGo 的比賽後，他認為自己完全能夠戰勝電腦。從以往的戰況看，李世乭的實力顯然是在 AlphaGo 之上。除了段位，李世乭的大殺著是什麼？不過，李世乭的棋風被人稱為「僵屍流」，棋入中盤，他常常因出招過分而導致死大龍，在職業高手看來，這樣一邊倒的局面已可終局，尤其是對於老派的只研究前半盤的中日職業棋手而言。然而，絕境之中的李世乭常常能爆發出驚人的力量，他一次次地如同僵屍復活一樣滿血歸來，並且總能在最後一刻撞線。不按常理出牌，可能是 AlphaGo...
被譽為「人機世紀之戰」，Google 旗下人工智慧公司 DeepMind 的人工智慧系統「AlphaGo」與南韓棋王李世乭的對戰，在今（9）日展開第一盤，李世乭在 3 小時 30 分左右投降。全球有幾十萬人在線上觀看這場賽事的直播。繼 IBM 的深藍電腦在 1997 年擊敗西洋棋世界冠軍 Garry Kasparov 後，世人都一直等著看哪天電腦能夠在世界最複雜的棋類──圍棋，贏過人腦。AlphaGo 人工智慧系統是由 DeepMind 公司開發。DeepMind 專注於開發人工智慧，在 2014 年以 4 億美元被 Google 收購，隨後在 2016 年於《Nature》期刊發表其人工智慧系統「AlphaGo」，更說到該系統於 2015 年 10 月以 5 : 0 打敗歐洲三屆圍棋棋王樊麾。自此 AlphaGo 大紅，人們驚覺，電腦要贏過人腦的時刻似乎真的要來了。而 Google 也邀請圍棋九段的南韓圍棋名將、十八度榮獲世界棋王銜頭的李世乭與 AlphaGo 來場對戰，共下 5 盤，勝者可以拿到 100 萬美元的獎金，若是 Google 拿到將會捐給公益團體。第一場就在 3 月 9 日開戰。賽前，李世乭認為 AlphaGo 跟樊麾的比賽只過了 5 個月，Google...
2016 年 3 月 9 日 Google 人工智慧 AlphaGo 和南韓圍棋大師李世乭的人機對決引發了全球關注，首戰 AlphaGo 獲勝，李世乭是 21 世紀以來獲得冠軍次數最多的棋手，但非當下世界第一，現世界圍棋等級分第一的棋手柯潔在其個人微博表示，就算 AlphaGo 戰勝了李世乭，也贏不了他。AlphaGo 和李世乭的對決佔據了近期科技版面的頭條，尤其是在圍棋的發源地中國更是受得了廣泛關注，這一場賽事有多個網路平台線上直播，各平台觀看線上觀看人數總計超過 1,000 萬人，相當於一場世界盃足球賽熱門場次的線上觀看人數。李世乭是 21 世紀以來獲得冠軍次數最多的圍棋職業選手，但非當下世界第一，AlphaGo 首戰獲勝後不少中國棋手也在社群平台表示對李世乭的狀態和此盤布局策略的質疑。賽前中國多位圍棋世界冠軍均公開表示 AlphaGo 將完敗於李世乭。 現圍棋等級分第一、近一年多以來三勝李世乭的中國棋手柯潔在個人微博表示，「就算 AlphaGo 戰勝了李世乭，但它贏不了我」，言語間相當自信，他認為李世乭的優勢在於收官階段，而非前半盤布局，AlphaGo 因在布局階段面對的選擇更多，因此和人類棋手還有一定的差距，隨著棋局可變範圍越來越小，AlphaGo 的優勢才能得以發揮，在收官階段人類棋手的任何失誤都可能直接導致輸掉這一盤棋，柯潔的優勢則是在於布局，他的自信也不是沒有理由。在評論區他回覆粉絲稱人機對決「到頭來，還是得靠他」。 柯潔是這樣表述李世乭和自己的差距的：「看來圍棋盲還是不少啊，在這裡我簡單介紹一下自己：我叫做柯潔，97 年出生。現在暫時是世界圍棋第一人（特地用了暫時，謙虛是美德），正式比賽我是單盤 8:2 碾壓李世石（他贏得這兩盤沒有任何作用），世界冠軍獲得過三次（此年齡如此成績前無古人）大小國內賽事冠軍數次我本來真不想提這些得因為我是一個低調的人，是你們逼我的。」 據傳柯潔是此次人機對決的第二選擇，若李世乭拒絕出戰 Google 將邀請柯潔與AlphaGo對決。 柯潔微博 延伸閱讀： Google 人工智慧 AlphaGo 對戰南韓棋王李世乭第一盤：電腦勝 李開復：人工智慧 AlphaGo 很難贏李世乭 Google AlphaGo 的勝利：不是電腦打敗人類，而是人類打敗人類 從馬文·閔斯基到 AlphaGo，人工智慧走過了怎樣的...
如果不先稍微了解 AlphaGo 背後的神經網路系統，你很容易以為 AlphaGo 在對局開始前跟李世乭站在同一起跑線上。做為一種人工智慧的 AlphaGo，和 IBM 在上個世紀打敗西洋棋大師卡斯帕羅夫的深藍超級電腦，以及當代的蘋果 Siri、Google Now 有著顯著的區別。要了解 AlphaGo，首先我們需要了解 AlphaGo 背後到底是一個什麼東西。它背後是一套神經網路系統，由 Google 2014 年收購的英國人工智慧公司 DeepMind 開發。這個系統和深藍不同，不是一台超級電腦，而是一個由許多個資料中心做為節點相連，每個節點內有著多台超級電腦的神經網路系統。就像人腦，是由 50-100 億個神經元所組成的，這也是為什麼這種機器學習架構被稱為神經網路。 你可以將 AlphaGo 理解為電影《全面進化》（Transcendence）裡由強尼戴普飾演的人工智慧，而它所控制的超級電腦，就像影片裡被人工智慧心控的人類一樣，共同為一種蜂群思惟（Hive Mind）服務。 AlphaGo 是在這個神經網路系統上，專為下圍棋（Go）而開發出的一個實例。然而，雖然名字已經介紹了它的功能，AlphaGo 背後的神經網路系統卻適合用於任何智力競技類項目。這個系統的基礎名叫卷積神經網路（Convolutional Neural Network，CNN），這是一種過去在大型影像處理上有著優秀表現的神經網路，經常被用於人工智慧圖像辨識，比如 Google 的圖片搜尋、百度的識圖功能都對卷積神經網路有所運用。這也解釋了為什麼 AlphaGo 是基於卷積神經網路的，畢竟圍棋裡勝利的原理是： 對弈雙方在棋盤網格的交叉點上，交替放置黑色和白色的棋子。落子完畢後，棋子不能移動。對弈過程中圍地吃子，以所圍「地」的大小決定勝負。 ▲ AlphaGo Logo / DeepMindAlphaGo 背後的系統還借鑒了一種名為深度強化學習（Deep Q-Learning，DQN）的技巧。強化學習的靈感來源於心理學中的行為主義理論，即有機體如何在環境給予的獎勵或懲罰的刺激下，逐步形成對刺激的預期，產生能獲得最大利益的習慣性行為。不僅如此，AlphaGo 借鑒了蒙地卡羅樹狀搜尋演算法（Monte Carlo Tree Search），在判斷當前局面的效用函數（value function）和決定下一步的策略函數（policy function）上有著非常好的表現，遠超過上一個能夠和人類棋手旗鼓相當的圍棋程式。AlphaGo 所採用的 DQN 是一種具有廣泛適應性的強化學習模型，說白了就是不用修改代碼，你讓它下圍棋它能下圍棋，你讓它在紅白機上玩超級瑪莉和太空侵略者，它也不會不熟悉。做為一個基於卷積神經網路、採用了強化學習模型的人工智慧，AlphaGo 的學習能力很強，往往新上手一個項目，玩上幾局就能獲得比世界上最厲害的選手還強的實力。2014 年，已經被 Google 收購的 DeepMind，用...
人機世紀大戰第二場 10 日開戰，由 Google 開發的人工智慧系統 AlphaGo 對戰南韓棋王李世乭的第 2 盤結果為李世乭投降，由電腦 AlphaGo 勝出。共 5 盤的圍棋競賽現在已經由 AlphaGo 以 2 : 0 領先。繼昨（9）日第 1 盤 AlphaGo 逼得李世乭投降，取得勝利後，今日第 2 盤仍由 AlphaGo 獲勝。且李世乭（白棋）似乎陷入窘境，被 AlphaGo（黑棋）追著打，想突圍也頻頻被斷，花費時間更比 AlphaGo 多出近 30 分鐘，最後在開局 4 小時 30 分李世乭投降。棋評目測，李世乭輸超過 10 目。昨日李世乭在賽後表示，「很詫異，我沒有想過會輸。然而，也沒有想過AlphaGo的表現是如此完美。」在賽前，李世乭甚至相當有信心自己會大勝，不是 5 : 0 取得全勝就是 4 : 1，因為看 2015 年 10 月 AlphaGo 與歐洲棋王樊麾的比賽後，李世乭認為在 5 個月中，AlphaGo 沒有太多時間可以進步。樊麾有職業二段實力，李世乭則有職業九段實力。但昨日一場比賽，AlphaGo 人工智慧學習系統的進步速度有多快，相信李世乭是感受最深的人了。賽中棋評兼主持人蕭愛霖說了一段他聽聞的小道消息，在與李世乭比賽前，Google...
AlphaGo 首戰擊敗南韓棋王李世乭，成為 9 日轟動科技界的大事。有人不免會拿漫畫棋靈王（棋魂）來做比較，一個在背後遙控人類的靈魂，指揮下贏了當代一等一的棋手。如果 AlphaGo 是佐為的話，那麼，與李世乭實際對戰的那位「阿光」人類棋手又是誰呢？答案揭曉：他是台灣師範大學資工博士，黃士傑。在第一場比賽，根據職業棋手認為，首戰導致李世乭落敗的原因並不在於 AlphaGo 的強大，而是他的輕敵。最明顯表現是他的思考並不充分，所用的時間遠遠少於對手。跟機器對戰與跟人類對戰的差異點在於，棋手原本會從現場對手的表現、下子的姿態來判斷對方的心情、狀況。但是與 AlphaGo對決，那個「人」只是一個替代電腦下子的工具。李世乭無法從這個棋手的表現來判斷，只能從對方下子的策略來觀察。但是 AlphaGo 首戰的水準漂浮不定，在比賽開始前期犯下了一些低級錯誤，但後來又有一些妙招，讓李世乭難以判斷對手下棋的方式，並且可能是這個開始的錯誤導致李世乭的輕敵。不過，如果他能與這位「阿光」多談談，或許就能多了解 AlphaGo 的「個性」。因為這位坐在他對面的人類棋手黃士傑，其實不光只是一個人類傀儡而已，他也是負責打造 AlphaGo 大腦的團隊核心人物之一。▲ 之前 AlphaGo 擊敗歐洲歐洲圍棋冠軍樊麾（左）時，也是由黃士傑（右）擔任人類棋手。「深藍」不是已經打敗過西洋棋王了嗎？圍棋有什麼難的？有些網友說，早在多年前 IBM 的深藍不是已經在 1997 年打敗過棋王了嗎？這次 AlphaGo 打敗棋王又有什麼大驚小怪？問題是那次深藍打敗的是西洋棋的冠軍，這次打敗的是圍棋冠軍。圍棋，被視為是目前難度最高的一項棋類比賽，難就難在圍棋的變化高出西洋棋許多。因此擊敗人類的圍棋冠軍，一直是科學界發展人工智慧的重要目標。以複雜度來說： 西洋棋的複雜度為：10 的 123 次方。 中國象棋的複雜度為：10 的 150 次方。 日本將棋的複雜度為：10 的 226 次方。 圍棋的複雜度為：10 的 360 次方。 棋類比賽基本上都是利用搜尋樹展開演算法，用搜尋樹來判斷對手下子的可能性，然後依照一些資訊來進行優劣判斷，再來從多種可能的結果選出最好的一步來下子。▲ 西洋棋每走一步，有 24 種可能性。而圍棋則每一步有 200 種，再算下去將無窮無盡。在西洋棋裡面，電腦的搜尋樹可以利用棋子的位置、棋子的數量來判斷優劣，因此在樹的展開可以依照每個棋局的局面來往下進行深度的搜尋。但是圍棋的邏輯性沒有那麼強，比較難得到判斷的方式。甚至有時你問頂尖棋手為什麼當時要下某一子的時候，他也只能回答你「靈光乍現」，這也是為什麼科技人工智慧這麼想要在圍棋上取得成果的原因。 黃士傑，一位熱愛圍棋的資工人黃士傑是土生土長的台灣人，業餘圍棋六段，台灣師範大學資訊工程系碩士、台灣師範大學資訊工程系博士。他在 2002 年的碩士論文為「電腦圍棋打劫的策略」，2010 年的博士論文為「應用於電腦圍棋之蒙地卡羅樹搜尋法的新啟發式演算法」。他在這次比賽之後接受採訪時表示：「Deepmind 應該是在 2014 年底之前、在 AlphaGo 團隊出現之前就創建了。我本人喜歡下圍棋，棋力是台灣業餘六段，去年在德國的比賽我甚至贏過一位日本職業棋手。但 AlphaGo 肯定是比我強太多了。職業水準的圍棋軟體，應該最慢在...
Google 人工智慧 AlphaGo 在與李世乭的圍棋對決中 2 比 0 領先，創新工場創辦人李開復發文稱，人工智慧給人類真正的威脅是讓人類失去鬥志，大量的工作將被機器取代，當人類被機器養活的時候，還會有動力去追求更宏偉的目標嗎？他深表懷疑。2016 年 3 月 9 日 AlphaGo 首盤戰勝南韓棋手李世乭後，3 月 10 日 AlphaGo 再次戰勝李世乭，各大網路論壇紛紛開始討論人工智慧是否真的將威脅到人類的發展甚至生存。創新工場創辦人李開復發文稱，機器在邏輯分析推算方面，能力已經遠超人類，但依然是人類操控的工具，AlphaGo 這類人工智慧真正可能帶來的危機，不是奴役人類，而是讓人類喪失鬥志，無所事事。基於深度學習的人工智慧能夠解決許多問題，產生巨大的商業價值，比如自動交易、自動診斷、精確搜尋等，在這一方面人類已經落後了。人工智慧能夠輔助人類工作，未來十年大部分工作就被機器取代，任何帶有「助理」、「代理」、「經紀」等關鍵詞的職位都可能被取代，機器人不需要工資、也不需要休息，這些都是優勢。機器高效、勤奮，但沒有情感，AlphaGo 贏了比賽也不會感到高興，甚至都不會明白為什麼要下棋，今天的人工智慧依然完全無法模擬人類的情緒，這將是人工智慧下一個需要突破的點。至少在今天看來，我們還需要擔心機器人會奴役人類，機器還只是工具，應該擔心的是機器人能夠產生巨大的商業價值，人類獲取財富所付出的成本將大大降低，那麼人類還會追求更高的目標嗎？一旦機器供養人類，是不是會讓人喪失鬥志？李開復認為人類應該更重視啟發式教育，激發孩子的興趣和效率，同時重視人文領域的學習和研究，文化、藝術、設計、溝通表達才這是人類所長。
據韓國聯合通訊社報導，韓國訊息通信 (IT) 專業律師田石鎮在本次 AlphaGo 與李世乭的圍棋人機大戰開始一個月（2 月 9 日），就在自己的社群網站上發文主張，Google 推動的這場博弈系騙局，李世乭五盤全輸已成定局。他表示，Google 人工智慧程式 AlphaGo 通過網路可隨時無限收集和利用相關訊息，他認為 AlphaGo 動用數百台電腦對李世乭的發招進行即時運算後下子，也就是說 AlphaGo 並非按已獲取的訊息行招，而是先看對方的招數並對其進行縝密分析後拆招，這意味著它擁有無數的「指教者」，而並非真正意義上的人工智慧。他還指出，AlphaGo 使用 BF 算法（Brute force 即暴力演算法，指對未來可能發生的所有情況進行分析）下棋。雖然 Google 方面主張 AlphaGo 沒有利用 BF 算法，但利用了 BF 演算法的其他程式在扮演 AlphaGo 的「指教者」角色，這確實違規。因此，Google 需要對李世石和歐洲圍棋冠軍樊麾，以及全世界圍棋界人士進行道歉。需要指出的是，1997 年那一次卡斯帕羅夫和深藍之間的「人機博弈」，深藍電腦並沒有連上網際網路。在 2011 年轟動全美的 Jeopardy! 大賽中，擊敗人類選手獲得冠軍的 IBM 超級電腦 Watson 同樣沒有連上網路。（本文由虎嗅網授權轉載）
南韓圍棋棋王李世乭(Lee Se-Dol)與 Google 開發的「AlphaGo」將舉行第 3 場對弈，圍棋 3 段的工研院巨資中心主任余孝先認為，李世乭的心情將是他能否搶下首勝關鍵。余孝先表示，圍棋電腦是人工智慧的範疇，人工智慧已發展長達 50 年，由於下棋是智慧行為，因此以下棋做為人工智慧能否超越人類的指標。1997 年 IBM 開發出的超級電腦「深藍」擊敗西洋棋世界冠軍後，余孝先說，當時便設定困難度遠超過西洋棋的圍棋為下個目標。AlphaGo 去年 10 月曾以 5 比 0 擊敗歐洲圍棋冠軍、2 段的樊麾，余孝先說，觀察 AlphaGo 當時表現，棋力約 3 段，比起 9 段的李世乭弱，因此賽前外界普遍看好李世乭應可獲勝。對於 AlphaGo 能連拿 2 勝，余孝先表示，這結果令人訝異；他說，看過 AlphaGo 與李世乭對弈錄影，李世乭頻頻摸臉、喝水，有點坐立難安，認為李世乭落敗很大因素是太緊張，表現失常。圍棋比的是誰犯的錯少，余孝先認為，李世乭的心情將是他能否在未來 3 場對弈中獲勝的關鍵，只是目前李世乭已連 2 敗，相信他的壓力更大。（記者張建中；首圖來源：工研院）
由於李世乭連輸兩盤棋局，在網路上開始對於李世乭有些謠言，有些人認為他棋技「也不怎麼樣」，也有人覺得兩盤棋李世乭都沒有「打劫」，而懷疑他與 AlphaGo 團隊有秘密協議。身為圍棋的愛好者，同時也是由 AlphaGo 指揮的棋手，開發團隊之一的台灣師範大學資工博士黃士傑，他在「弈棋」論壇上發表貼文闢謠。以下是他的澄清全文：現在網路上有許多謠言，有些人甚至對李世乭九段做出人身攻擊，我覺得有必要澄清。這次比賽不論勝敗如何，我覺得我們都應該尊重李世乭九段。他接受 AlphaGo 的挑戰，所承受的壓力一定很大。 這次比賽並沒有所謂不能打劫的保密協議。第一、第二盤棋覆盤時李世乭九段都有擺出打劫的變化，只是實戰他沒有下出來。我們也想知道，AlphaGo 在對陣李世乭九段這種級別的棋手，打劫時的表現。 這次比賽我們使用的是分散式版的 AlphaGo，並不是單機版。分散式版對單機版的 AlphaGo 勝率大約是 70%。 註：aja 為黃士傑（Aja Huang）的網名=================================以下是對「分散式」版本 AlphaGo 的說明。AlphaGo 實際上有兩個版本，一個是「單機版」的，另一個是「分散式」的，兩者的演算法完全相同，差別在於所用的硬體。 單機版 AlphaGo：擁有 48 個中央處理器（CPU）和 8 個圖形處理器（GPU）。 分散式版 AlphaGo：擁有 1,202 個中央處理器和 176 個圖形處理器。 做為比較，在 AlphaGo 之前的幾個圍棋人工智慧程式，CrazyStone 只有 32 個 CPU，而 Zen 只有 8 個 CPU。AlphaGo 的棋力到底有多強呢？單機版 AlphaGo 曾經與 5 種圍棋程式進行了 495 場比賽，對手是 CrazyStone、Zen、Pachi、Fuego 和 GnuGo，AlphaGo 全部取得壓倒性的勝利。即使是讓...