“很多人都為此感到震驚，因為多年來人們一直認為在圍棋游戲上，計算機程序永遠不能戰勝人類。”一位法國的自由AI研究人員Rémi Coulom說。Rémi Coulom曾經編寫過當時最好的圍棋游戲程序瘋石（Crazy Stone）。艾伯塔大學（UA）的計算機科學家Jonathan Schaeffer認為這個程序是個完美的杰作：“它立刻帶來了巨大的影響。”
圍棋看起來挺簡單的：棋盤上有19乘19的正方形網格點。一個選手持黑子，另一個持白子，由黑子先開始，輪流將棋子放在棋盤上。選手要用自己的棋子形成一條鏈來包圍對方的棋子，即對方的棋子旁邊沒有留下任何空格。當然，也要同時防止自己的棋子被對方包圍。被包圍的棋子會從棋盤上移除，勝負決定于棋子最終包圍的面積。
然而，電腦程序很難玩好圍棋的原因有兩個。首先，因為棋盤是很大的，可能的落子位置對于電腦程序來說是天文數字。在比賽開始時，每個選手都有大約360個位置可以落子。因此，走了五步以后，棋盤上就會有超過5萬億種不同的情況。總的來說，落子的位置超過10100，電腦程序不可能算出其中所有的情況。
其次，在下圍棋時，電腦程序無法通過當前棋盤上的情況來判斷哪方占優勢。例如，在國際象棋中，人或電腦程序可以通過比較對方失去的棋子和己方失去的棋子來判斷誰更占優勢，Coulom說，而在圍棋中，做出這樣的判斷更困難。而且在圍棋中，隨著比賽的推進，局面越來越錯綜復雜，電腦程序越難對它進行分析。
以前的研究并沒有關注如何讓電腦程序判斷棋盤上的局勢，而是致力于研究如何更快地讓電腦程序模擬出游戲的發展趨勢。“瘋石”采用了一種稱為蒙特卡洛樹搜索（Monte Carlo tree search）的算法：不是試圖計算出所有可能的排列方式，而是在每走一部棋時，用隨機數字發生器來隨機選擇計算其中一部分的排列方式，在可能的走法中隨機選擇一種。它只用了少量的自適應編程，即“機器學習”，來計算如何避免最差的走法。瘋石確實戰勝過圍棋專業選手，但只當它被讓了三、四步棋之后，巴黎笛卡爾大學（PDU）的計算機科學家Bruno Bouzy說。
然而，現在谷歌DeepMind公司的David Silver 、Demis Hassabis和其他18位計算機科學家，已經開發了一個程序——AlphaGo——來挑戰圍棋。它不是隨機選取落子的位置，而是學會了區分一步好棋和一步差棋，并判斷它所處的局勢。該團隊在《自然》線上雜志發表文章說，該程序依賴“深層神經網絡”來做到這些事——模仿在大腦中的神經元連接的計算機程序，并有能力“學習”。
這樣的神經網絡包括了幾層抽象的相互連接的“神經元”，一個神經元可以導致或抑制另一個神經元的興奮，“學習”就在該系統調整各個神經元之間的連接時完成了。例如，AlphaGo就采用“策略網絡”來判斷可能走法的可行性。神經網絡的底層是19乘19的神經元陣列，用于拍攝棋盤的狀態并將其輸入程序。它的頂層也是一個類似的陣列，它顯示了所有可能的落子位置和它們成功的概率。在頂層和底層之間又有11層神經網絡。（深層神經網絡比它們的先帶程序更為深入。）
研究人員的目標是無論它檢測到什么樣的棋盤情況，神經網絡都能自動給出最佳的下一步走法。為了“訓練”神經網絡，研究者們在它的數據庫中存入了3000萬局專業圍棋選手下的棋局。為了將它們連接起來，電腦調整了神經網絡的連接關系，這就巧妙地將所有關于圍棋的“知識”存在了數據庫中。然后，他們讓程序通過自己跟自己下棋進一步“學習”。因此，AlphaGo在下棋時就能通過經驗來區分一步好棋和一步差棋。“這就是我們開發這個系統的方法，它下棋時更像人類一般思考。”Hassabis說。
研究人員開發了一個獨立的“評估網絡”。當輸入棋盤情況讓它分析時，它能夠通過評估哪方更有可能最終贏得比賽來判斷哪方更占優勢。為了“訓練”它，研究人員把AlphaGo跟自己玩的一盤棋給它分析。“評估網絡”能提高AlphaGo的下棋速度，Silver說。不像蒙特卡洛樹搜索一步一步走到結束，AlphaGo可以預先算出后面幾步的走法并使用評估網絡來判斷最終的結果。
AlphaGo輕易地擊敗了“瘋石”和其他圍棋游戲程序，在一臺高功率電腦上運行時贏了99.8%的比賽，在多臺電腦上運行時贏得了所有的比賽。它擊敗了低階圍棋職業選手、2013歐洲圍棋冠軍樊麾，而且還是5比0的好成績（盡管其中兩場是他們在正式比賽前打的兩場熱身賽）。在三月AlphaGo將與高階的圍棋選手對決，Silver說，它將在首爾挑戰最高階的32歲韓國選手Lee Sedol。“你可以想象他是圍棋中的Roger Federer。”
但即使是現在，AlphaGo也標志了一個重大的進步，艾伯塔大學的Schaeffer說，特別是當它使用了通用的、完全自動化的“深入學習”，不用為它專門編程，也不需要很大的計算量。“這不是挪動了一小步，”他說，“這是跨越了一大步。”
Coulom對此表示贊同，但他指出，在這個系統中每一個部分都是很重要的，“這更是一個偉大的成就，”他說，“研究人員把所有的部分融合在一起的方式真是很有創意。”
深層神經網絡和深度學習已經找到了應用領域，如模式識別，自動翻譯，醫療診斷和智能手機助手。所以AlphaGo蘊含的科技概念可能已經早己開始服務于人類。
即使AlphaGo戰勝Sedol，計算機科學家預測，這次勝利也不會像電腦程序擊敗Kasparov時那樣振奮人心。他們說，人們已經習慣了在游戲中，電腦程序是最終的贏家。但現在，電腦程序還沒有大獲全勝，巴黎笛卡爾大學的Bouzy說。諷刺的是，他說，在游戲領域人類還是有著最大的優勢。“電子游戲通常是非常復雜的，”他說，“電子游戲中有很多人物、很多動作、很多場景。”現在，13歲的人的頭腦就可以比電腦更好地應付這一切。
天，公司的網速慢得像狗，好幾個壹讀君（微信：yiduiread）都在看谷歌的AlphaGo（以下簡稱阿發狗）和李世乭的圍棋比賽。
通常來說，在街邊擺攤下象棋的老大爺更容易引起圍觀，圍棋這種需要極高智慧和凝神思考的對戰并不是大眾所好。然而偷懶的壹讀君振振有詞：我們是在關心人類的前途命運。
一切就在于水平最高的人類棋手又一次接受了超級電腦的挑戰，如果輸了，不僅面子上過不去，還會引發更大范圍的擔憂：萬一哪天電腦比人還聰明幾百倍，會不會造成災難性后果？
結果第一局，果然是李世乭輸了。
不知該跳馬還是出師長的值班壹讀君丨國賀33
跳棋、象棋、五子棋，計算機把人虐得不要不要的
想判斷一個人是不是高智商，下棋水平是一項可參考的標準。壹讀君（微信：yiduiread）聽說圍棋特別燒腦，很多頂級選手每天都集中精神思考棋局，不能分神，基本生活都要靠別人照顧。
換一個角度說，下象棋誰都贏不了的壹讀君（微信：yiduiread）絕對單純又善良，從不知道怎么把對方逼到絕境。
棋類游戲成為人工智能研發的主戰場，因為博弈游戲要求計算機更聰明、靈活，要用接近人類的思維方式解決問題。于是，計算機和人類棋手的對抗不斷上演：去年10月，谷歌旗下Deepmind的圍棋程序“阿發狗”就以5:0擊敗中國棋手職業二段樊麾；2006年，在“浪潮杯”中國象棋人機大戰中，5位特級大師均敗在超級計算機浪潮天梭手下；再往前推十年，就是名噪一時的“深藍”擊敗國際象棋大師卡斯帕羅夫。
想必你也曾光榮地作為人類代表，與機器在棋盤上對戰。
無論是五子棋、中國象棋還是國際象棋甚至是跳棋，計算機都已經把人類殺得干干凈凈，就只剩下了圍棋這片領土。
圍棋擁有2500多年的歷史，在算法上更為復雜。國際象棋平均每回合有35種可能，一盤棋可以有80回合，而圍棋每回合有250種可能，一盤棋可長達150回合。同時，圍棋有3^361種局面，比可觀測到的宇宙中的原子數量還多······
額，我在說什么？
總而言之，圍棋的AI開發難度極高，此前最頂級的程序都不能擊敗業余圍棋選手。科學家認為，至少還需要10年才能讓計算機戰勝人類職業圍棋棋手。
如果這一次阿發狗贏得了最終勝利，等于說人工智能的發展速度超越了預期。就像圍棋職業八段劉菁的評論：“還來不及反應，一切來得似乎太快了！”
更可怕的是，它可以不吃不喝，不上廁所。
焦慮的人類，是不是已經聞到了機器人行刑隊槍口的味道？
科學家也有被打臉的時候
對于機器人能像人一樣思考、超越人類而后造成災難的擔憂可謂長久不衰。發布此類論調的，往往還都是科技界的頂級人物，比如特斯拉汽車的創始人艾隆·馬斯克就說：“我們需要十分小心人工智能，它可能比核武器更危險。”
然而，谷歌的自動駕駛汽車都已經上線了。
另一位是謝耳朵的好友、理論物理學家斯蒂芬·霍金：“制造能夠思考的機器無疑是對人類自身存在的巨大威脅。當人工智能發展完全，就將是人類的末日。”
然而，他能開口說話，也是拜英特爾公司開發的機器學習系統所賜。
人工智能并不是一個新名詞，上世紀50年代，科學界就已經明確了計算機要模擬人類智慧的偉大目標。當時，科學家們并沒有太多的擔憂情緒，而是沉浸在期望計算機能完成一系列只屬于人類能力范疇的任務，比如證明定理、求解微積分、完成動作等等。
但“智能”一詞本就是模糊的，沒有具體標準。1957年，人工智能的先驅赫伯特·西蒙雄心勃勃地說：“現在世界上就已經有了可以思考、學習和創造的機器，它的能力還將與日俱增，一直到人類大腦能應用到的所有領域。”他預言，計算機會在十年之內成為國際象棋冠軍。
壹讀君（微信：yiduiread）相信，德高望重的老科學家也有喝高了的時候。
沒有明確的證明，只空談能達到人腦的意識水平實在沒意義。最后，人工智能的開創者之一阿蘭·圖靈站出來收拾了亂攤子。他提出的“圖靈測試”盡人皆知，成為檢驗計算機是否真正具有思考能力的金科玉律。
圖靈測試是測試人在與被測試者（一個人和一臺電腦）隔開的情況下，通過一些外部裝置（如鍵盤）向被測試者隨意提問。問過一些問題后，如果被測試者超過30%的回答不能使測試人判斷哪個是人、哪個是機器，那么這臺機器就通過了測試，并被認為具有人類智能。
簡單來說，這是把人和計算機關在小黑屋的你問我答比賽。
幾十年間，圖靈測試不斷進行，也不斷有人宣稱通過了測試。2014年7月，俄羅斯工程師設計的軟件“Eugene”參加了英國雷丁大學組織的圖靈測試并成功通關，超過33%的測試人誤認為自己交流的對象是一名13歲正太，英語說得不咋地。而這一年正是阿蘭·圖靈逝世60周年。
結果轟動一時，奇點大學人工智能項目負責人Neil Jacobstein就表示，2011年IBM超級計算機“沃森”擊敗兩名人類國際象棋世界冠軍以及2014年計算機首次通過圖靈測試，都標志著人工智能時代已經來臨。
不過，考慮到時代背景，圖靈測試顯然門檻略低，最新的處理器的性能已經是1971年第一代單片機的400萬倍。更難的測試法相繼出現：Loebner測試要求計算機在25分鐘內說服50%的測試者“我是個人”，Kurzweil測試則要求在128分鐘內說服66%的訊問者。
而且這種你問我答，對計算機實在是寬容了些。
大多數機器人，長得并不像人
對于人工智能技術，上世紀50年代可謂“喧囂與渴望、挫折與失望交替出現”。在科學家們設想出各種宏大目標和美好前景之后，計算能力和技術的限制阻礙了人工智能進一步幫助人類解決問題。到70年代中期，人工智能的研發一度很冷清。
到80年代早期，日本開始開發一種領先的計算機結構。歐美國家擔心在這個領域輸給日本，重新開始對人工智能大筆投資。到80年代末，近一半的“財富500強”都在開發或使用“專家系統”——通過對人類專家的能力進行建模，模擬專家解決問題的人工智能技術。
但據說它最后成了名副其實的“磚家系統”，你看今天強大的Siri不也蠢萌蠢萌的。
90年代，人工智能的技術成果又陷入低潮，但神經網絡、遺傳算法等技術為AI的發展奠定基礎。到了1997年，人類的國際象棋冠軍被計算機打敗，比起小眾的圖靈測試，象棋比賽更具轟動效果，人工智能概念和“計算機何時超越人類”的疑問開始深入人心。
古語有云，看熱鬧的不嫌事大。“深藍”戰勝了卡斯帕羅夫，不服氣的人說，這有什么大不了的，有本事就試試真正具有挑戰性的游戲。于是，就有了后來的人機跳棋比賽、中國象棋比賽乃至圍棋比賽。
商業公司也樂于開展此類競賽，從而展示自家公司的能力，提高知名度。從2011年到2014年，開發人工智能產品和技術并使之商業化的公司，已獲得總計超過20億美元的風投，科技巨頭們更是投資數十億美元收購人工智能初創公司。
一方面，摩爾定律、大數據、互聯網、云計算······新技術讓人工智能實現“復興”，有了實質性進步，另一方面，人工智能產品確實擁有廣泛的應用，并大力推動了其他技術的進步，比如常用的語音識別、機器翻譯、自動視圖等等。
因此，各種人機大戰應運而生。2008年，在賭城拉斯維加斯，“北極星2”(Polaris2)連續擊敗了6名德州撲克頂級職業選手。因為撲克游戲的最大特點就是其不確定性，“北極星2”的設計難度相當大。
“賭神”之外還有“股神”：2011年3月，一只以數學模型進行交易并啟用機器人作為經理人的基金，靠6個程序就創造出1.9%的回報率，擊敗了日本最優秀的基金公司。當時，在日本投資且交易活躍的基金平均虧損率達6.9%。
體力完勝者：2012年，日本東京工科大學制造了一款名為“Swumanoid”的游泳機器人，可以模擬游泳者在水中的動作，用于海岸救生。Swumanoid在水中的前進速度能達到每秒6米左右，比世界紀錄保持者快30%。
智商碾壓型：2011年，IBM的超級計算機“沃森”參加了智力競賽節目《危險邊緣》，這需要計算機對自然語言和知識推理有很強的把握。“沃森”以三倍的分數優勢力壓該節目最強的兩位選手肯·詹寧斯和布拉德·魯特。
后來，“沃森”順從了開發者的心意轉而從醫，成為一款醫療診斷工具。你告訴它自己的癥狀，它就能給出一張可能性由高到低的疾病清單。而擊敗卡斯帕羅夫的“深藍”，聽說一直在倉庫里吃灰。
可以說，不管你愿意與否，人工智能的到來已經勢不可擋。不同于大多數人的想象，未來的人工智能可能是專注于某一特定領域的行家，而非電影中兇神惡煞的機器人。翻譯的機器人不會開車，做飯的機器人不會教英語，給你看病的程序絕不會去下圍棋。
因此，倒是可以擔心一下你家的掃地機器人會不會有一天爬上你的床······
996年2月10日，國際象棋大師卡斯帕羅夫與超級電腦“深藍”展開著名的人機大戰。在這場人機對弈的6局比賽中，棋王卡斯帕羅夫以4比2戰勝計算機“深藍”，獲得40萬美元高額獎金。
卡斯帕羅夫1963年出生，6歲開始下棋，17歲晉升國際特級?師，22歲時成為世界上最年輕的國際象棋冠軍。1985年至2006年間，他曾23次拿到世界第一的排名，被稱作棋壇“巨無霸”。與“深藍”對弈時，正是卡斯帕羅夫的黃金時期。
“深藍”是IBM公司研發的超級國際象棋電腦，它是人工智能發展史上的一個里程碑。1997年5月，卡斯帕羅夫和“深藍”再次對弈，最終，計算機在正常時限的比賽中首次擊敗了等級分排名世界第一的棋手。
卡斯帕羅夫此后試圖再次約戰“深藍”，但遭IBM拒絕，后者還拆卸了“深藍”，給一代棋王留下了永久的遺憾。
新京報編輯 亢雪松 徐曉帆