围棋人机对战是不是太先进了？这篇入门级文章是必读的

说起来，这并不是人工智能第一次与人类下棋。早在1997 年，一台名为“深蓝”的超级计算机就在国际象棋比赛中击败了国际象棋冠军加里·卡斯帕罗夫。 “深蓝”是一台超级计算机。虽然看起来和人工智能程序Alpha Go不是一回事，但事实上，人工智能程序也需要计算机作为载体才能工作，就像大脑也需要身体一样。因此，将它们并排比较并不奇怪。随着超级计算机技术的不断发展，即使是当今最常见的集成显卡的性能也超过了700GFLOPS。 “深蓝”因跟不上而逐渐落后。值得一提的是，世界上最快的超级计算机是我国的天河二号，性能达到33.86PFLOPS，是“深蓝”计算机的30万倍。

那么，Google Alpha Go 的性能与“深蓝”计算机相比如何呢？谷歌此前曾在《自然》杂志上发表过一篇关于这个人工智能系统的文章，文章称Alpha Go人工智能计算机配备了48个CPU和8个GPU。看来我们不能直接将两者放在一起比较，因为Alpha Go运行在云计算平台上，我们可以通过竞争对手的计算机数据进行粗略的比较，比如阿里云。

2015年12月，阿里云对外开放高性能计算服务。这些计算机的独立浮点计算能力为11TFLOPS。如果谷歌的计算机性能接近阿里云，那么Alpha Go驱动的硬件性能至少是深蓝的1000倍。

2. 人与机器的较量，这次为什么选择围棋？

说起围棋和人工智能，我们可能有所了解，但是两者是如何联系在一起的呢？

这是因为机器战胜人类的关键之一就是围棋。围棋有着悠久的历史，高度体现了人类的智慧。围棋棋盘有19条纵横车道和361个交叉口。涉及的可能情况最多可达3^361种，体积大约为10^170。据观察，宇宙中原子的数量只有10^80，国际象棋棋局的最大数量也只有2^155。这是什么概念？看似简单的19条纵横路径，361个交叉点，组成了一个浩瀚的宇宙。因此，有人说围棋是最能体现人类智慧的游戏。此前有人预测，人工智能（AI）需要十年以上的时间才能战胜人类。所以，如果抛掉商业元素，这款游戏的意义或许就是见证历史。这足以说明当前人工智能的技术研究已经达到了一个新的高度。

3. AI下围棋有多难？

难点一：围棋对弈的基础是生死的确认。判断棋盘上一子棋的生死是最基本的，但要弄清楚一子棋是死是活却是非常困难的。而且，这种似死非活的状态是非常困难的。它在不断变化。研究局部生死搜索是AI围棋发展的一个难点。

难点二：棋形体现了人类形象思维的独特特征。棋手对棋形的感觉完全取决于他或她自己的经验，而这种感觉恰恰是胜负的关键，也是棋手水平的标志。人类棋手不愿意因为不必要地攻击对手的活棋形态或不必要地试图拯救自己的死棋形态而浪费棋子。赋予AI这种棋形感是人工智能面临的一个重要问题。

难点三：此外还需要研究专门的算法来解决快速识别的问题。著名计算机围棋程序员布恩说：“有了快速的模式识别方法，教程序使用tetsuji来赢得国际象棋并不难。”因此，模式识别算法是围棋游戏程序的重要组成部分。高效的模式识别算法体现了游戏程序的水平。当计算机的模式识别技术发展到可以与人脑相媲美时，计算机围棋的棋力将与职业棋手相差九个级别。不远了。

简单来说，一方面，围棋的规则非常复杂，每一次调整都会创造更多的可能性，这对机器的计算能力要求很高。另一方面，即使机器中存储了足够多的现有围棋对战数据，由于围棋规则的复杂性以及棋手的走法难以预测，对机器的适应性或者深度学习能力也有更高的要求。

4、下围棋这么复杂，AI靠什么取胜？

如果像上面说的那么困难，是不是说明AI就没有胜算了呢？不不不~

为了打败人类，研究人员拿出了杀手锏，——这是人工智能领域的新一代机器学习（machinelearning）形式，——深度学习（deeplearning）和强化学习（reinforcementlearning） 。

换句话说，深度学习的理念就是让计算机像人脑一样学习和思考。与传统的机器学习不同，深度学习结合了计算机科学和人类神经学，让计算机能够自主学习。例如，而不是人类告诉计算机它是一只猫，然后让它识别并验证它。而是给计算机提供大量的图像数据，让它自行学习、分析，然后独立形成“猫”的概念，就像人脑视觉皮层的反应一样。凭借具有深度学习能力的人工智能系统，未来汽车在驾驶时将能够主动提醒周围的交通状况，还可以应用于语音和面部识别、医疗诊断等领域。

强化学习一词来自行为心理学。该理论将行为学习视为一个反复试验的过程，从而将动态环境状态映射为相应的行动。类似于传统的“从经验中获得智慧”的经验。强化学习可以做出策略选择，广泛应用于下棋、跑迷宫等类别。这种依靠大数据和强大计算能力的无监督或半监督机器学习称为“深度学习”，使得计算机能够完成只有经过严格训练的专业人员才能完成的任务，而无需人类参与。比专家更好地完成任务。

此外，为了获得更高的计算能力，谷歌还将Alpha Go连接到了由1202个CPU组成的网络。这使得这个人工智能系统的计算能力在原来的基础上提升了24倍。经过计算，Alpha Go的性能大约是深蓝计算机的25000倍。按照这个速度计算，如果人类一年能玩1000场游戏，AI每天可能会玩100万场游戏。因此，只要Alpha Go经过足够的训练，还是有可能击败人类棋手的。毕竟，人类下棋时间长了，可能会因为身体和心理的限制而感到疲劳、犯错，但机器不会。

不过，谷歌董事长施密特表示，即使机器确实获胜，人类仍然会获胜。即使AlphaGo机器最终击败李世石，人工智能是否会“碾压”人类仍然存在疑问。我们不需要太着急。人工智能可能还有很长的路要走。

5、历史上人与机器的战争

深蓝击败卡斯帕罗夫

1997年，IBM的“深蓝”超级计算机“深蓝”以2胜1负3平的战绩击败了世界排名第一的国际象棋大师卡斯帕罗夫，成为胜利者。

浪潮天梭挑战人类国际象棋大师

2006年，浪潮天梭超级计算机挑战人类国际象棋大师。最终的巅峰对决中，徐银川与浪潮天梭双双打成平局。浪潮天梭向世界证明了其超强算力。

全能学术大师沃森挑战人类

2011年，“深蓝”的同学“沃森”在美国老牌智力问答节目《危险边缘》上挑战了两位人类冠军，并获得成功。

Alpha Go以5:0击败欧洲冠军樊麾

2016年1月，美国谷歌旗下人工智能开发商“DeepMind”（位于英国）开发的围棋电脑软件“AlphaGo”击败了职业国际象棋棋手樊麾，开创了全球先例。