当前位置: 永利棋牌 > 小说 > 正文

人工智能是送给世界的礼物,专家点评四

时间:2019-10-01 13:19来源:小说
韩国棋院授予AlphaGo名誉九段证书。 人机围棋大战第一局,李世石(黑) VS AlphaGo (白中盘胜) **文 | 张峥 朱文章 卫泓泰 沈庞 ** 李世石在第四局力挽狂澜绝地反攻,战胜AlphaGo。 ●●

韩国棋院授予AlphaGo名誉九段证书。

图片 1

人机围棋大战第一局,李世石(黑) VS AlphaGo (白中盘胜)

**文 |张峥 朱文章 卫泓泰 沈庞**

李世石在第四局力挽狂澜绝地反攻,战胜AlphaGo。

图片 2

●●●

**文 |张峥 江铸久 朱文章 高飞龙 卫泓泰 沈庞**

编者按:

人机对弈的巅峰对决,李世石九段首场被棋界寄予厚望,但是盘中出现情绪波动最终被机器逆转。他在赛前认为人工智能还不够强、排除万一的担心居然一语成谶,“因为人类下棋时会有失误。”

人类输了棋,有人在欢呼人工智能的伟大胜利,有人的感受比较失落,还有的人开始担忧未来。而在谷歌CEO施密特看来,不管胜败,人类都是最大的赢家。

“机器”总比人类强?在各种情绪面前,历史和现实都已经表明,这似乎是不可阻挡的趋势。也许人类应该避免的是因为赛事带来的人与机器二元对立的情绪,因为我们终将迎来一个人工智能技术应用日渐丰富的生活场景。

1:4,人类负于机器。7天之中,人机对弈激战五局,终于落下帷幕。

●●●

文 | 江铸久、卫鸿泰、张峥、田渊栋、董飞、朱文章、刘峰、卫鸿泰、何波等

相比之前的四局,第五局显得波澜不惊。无论是演播室里的棋手,还是讨论技术的专家,抑或屏幕前的观众都能以愉悦的心情观赏比赛。

那个时候,李世石只剩下5分钟就要进入读秒阶段,而对面的AlphaGo却足足有73分钟。演播室里,他的获胜预测率已经跌至20%,AlphaGo的每一步落子胜率却已高达70%。棋盘上,黑子把白棋分断两边,各成合围之势。李世石被逼至绝境。

● ● ●

李世石九段在取得开局优势后,显得过于保守。虽然双方各有失误,但AlphaGo似乎有着更好的大局观,终以微弱优势胜出。赛后的新闻发布会上,李九段说自己感到遗憾,希望以后能给观众呈现更强的自己。事实上,他已经通过棋局,给世界呈现了超越胜负的意义(所谓伟大的棋手,即使是失败,也能留给世界一些超越胜负的“遗产”)。比如,比赛剩余的奖金被捐赠给联合国儿童基金会(UNICEF),STEM教育机构,以及围棋慈善机构。

犹如电光火石,白子落下第78手“挖”,打入黑棋腹部。一时间,迷雾散去,光芒涌现。

2015年10月,AlphaGo先以5:0击败了欧洲围棋冠军樊麾二段。这是电脑围棋程序第一次在全尺寸棋盘上公平击败职业围棋棋手。

正如比赛解说迈克·雷蒙(九段)所言,AlphaGo团队和李世石为围棋界,乃至全世界送来了礼物。这场全新的围棋比赛,不仅让爱好围棋的人们聚集到一起,而且让全世界的人来关注这项运动,跨越障碍,彼此分享交流。

当时直播解说的大多数职业棋手都承认,自己不曾想到有如此落子。赛后的新闻发布会上迈克雷蒙(九段)一针见血:“第78手太精彩。我没有想到,可能绝大部分职业棋手也不会想到。”

2016年3月9日——15日,AlphaGo挑战世界排名第二、韩国棋手李世石九段,人机对决举世瞩目。在第一局的对决中,AlphaGo执白186手,以约7.5目的优势中盘取胜,

颁奖典礼上,韩国棋院的总裁朴治文也提到,他一开始惊讶于人工智能的表现,但在思考之后,他相信在未来人类社会中,人工智能可以为社会做出许多贡献。事实也证明,由于这场比赛,欧洲和美国以及全世界有更多人的喜欢上了围棋,围棋也可以成为一项全球化的活动。东西方棋手之间的对决也会随之到来。

“这是我能想到的唯一的走法。”回答记者提问时,李九段有些腼腆的解释。正是这唯一的走法给了AlphaGo一记内伤。这被DeepMind负责人Demis Hassabis称为“给机器造成了足够大的压力,把他推向了极限”。于是,AlphaGo连连犯错,让许多人大跌眼镜。

《知识分子》特邀请多位人工智能、围棋领域的专家,通过微信群和广大网友共同解读人工智能与人类智力的巅峰对决。

不仅仅是西方人开始通过围棋感受到东方文化的精髓,这项高水平的智力运动通过人工智能的解读,也从此有了新的发现。“青少年可以有更好的围棋训练变得优秀,而国家也会随之成为优秀的国家”。

AlphaGo是输给了自身的漏洞? 不,不如说AlphaGo输给了围棋的深度,输给了人的精神。顶尖的棋手通过磨练自身的意志,在极限的状态下反复锤炼棋艺。由此训练而成的棋感直觉被誉为天才,在绝妙的时刻迸发出来,获取那万分之一,微乎其微但却存在的获胜可能。

感谢各位网友的踊跃参与!

那么这次比赛对我们来说又是个什么样的礼物呢?请看专家点评。

“之前三盘并未对我的心理造成特别严重的冲击,我还能享受比赛”,李九段儒雅地笑着向他的棋迷致意。当人们都看到了AlphaGo的强大,当人们都开始相信无法获胜,甚至有人已经认为比赛不公平的时候,李世石九段展现了围棋的灵魂。

江铸久

九段,中国国家队著名国手,韩国棋院客座棋士。

今天这棋AlphaGo表现挺好的,我觉得。不过不管怎么说,尽管我预测偏向电脑赢,赢一盘就算赢,但没想到第一盘就赢,说明AlphaGo这5个月进步真的很快。从李世石布局阶段就能看出来,他今天在心理上一开始就有波动,因为他采取的是非正常的布局。我估计这是因为他知道是在跟AlphaGo,而不是和人类下棋。

图片 3

在这种情况下,我个人觉得李世石的布局不算太成功,而且AlphaGo上来的斗志是不错的,断的时候挺果断的,算路是比较深的。这样夸人工智能,也是它长处的地方。

中途的时候,李世石追上来了。但是,AlphaGo在左下角双飞燕的应对,是AlphaGo让职业棋手觉得low的地方,它那个下法肯定不是职业的下法。

有一点意外的就是,AlphaGo那个下法损失并不大,整个下法是很low,损失并不大,相对于在右边破黑棋的空,它的次序下得很精准,加上李世石在右边角上的失误,AlphaGo一下就超出了。

况且它在左边拆二的下法,基本上是AlphaGo胜利宣言的下法。接下来一连串的下法,让人想起全盛期的李昌镐。李昌镐在形势领先的时候,经常有一些失误,但是倒过来看,他的那些失误都是很保险的,一点风险都不冒就会赢下来。

所以,我觉得AlphaGo很了不起。

张峥

那么,李世石究竟是如何绝地反攻的?AlphaGo有什么弱点?请看我们嘉宾的点评:

卫鸿泰

知乎围棋专栏主持人、围棋业余5段

这一盘,李世石输给机器,意外的是,人类在大局观上输给了机器。

图片 4

这盘棋开局稍显意外,印象中这样的开局是第一次见,感觉李世石有备而来,故意选择了不常见的下法。

图片 5

之后作战很强硬,局部来看,黑棋稍有勉强。

图片 6

之后黑棋逐渐占据上风,进行到76手的时候我觉得AlphaGo下的实在太机械,太僵硬,有点暴露“机器本性”。

图片 7

进行到这里大家开始普遍看好黑棋了。接下来是本盘最有看点的一招:

102 是非常有个性的一步,也是柯洁(九段)指出的好棋,之后AlphaGo占到便宜以后连续两次脱先,逐渐扭转了局面。

之后右下角的悬念是AlphaGo右下没有跳一路是看到目数优势,简明处理还是没有看到手筋,当然我倾向于前者。

之后收官双方都很平稳,本局唯一一次打劫也简单结束,希望之后能看到AlphaGo对于复杂劫争的控制水平。

计算机科学教授,专攻数据科学、系统分析、计算机架构。前微软亚洲研究院副院长,著有国际论文超过40篇,拥有诸多专利,现任上海纽约大学计算机科学教授。

张峥

张峥

上海纽约大学计算机科学教授、前微软亚洲研究院副院长

刚刚仔细读过AlphaGo,没觉得有什么破绽。在自己左右手互搏中的计算价值那部分为了效率用了“快棋”策略,可能粗糙些,但下得多可以弥补。有网友提出的和李世石比赛会“偷招”这个倒不用担心,五局的样本对机器没用,它不靠这个,靠的是工程上高效率、策略上粗枝大叶但大方向正确。

图片 8

AlphaGo胜利的概率是100%,只不过不见得是这次。“毛病”还是机器学习的老毛病。表现在:无法总结规律,或者说无法吐出一套规整自洽的规律;泛化能力差,无法在复盘中举一反三,即便告诉它哪步走错了,恐怕它也不知道为啥,只是一气儿死磕到撞了南墙才完事。

对谷歌如何复盘我很好奇。

如何实现不败呢?AlphaGo从大量的棋谱开始练,除非有它没见过的变化,而且远离它见过的和自己能演练到的。要下无理棋,把围棋当五子棋下……

但这种可能性太小。归根结底,和国际象棋变化少不一样,问题是围棋太古老了,以至于穷举了太多可能,而且还让AlphaGo看了!剩下的变化空间人是可以其乐无穷地去变化,对机器来说分分秒嗖嗖地就搜完了。这里围棋的长板变成短板,帮了AlphaGo:由于规则太简单,被机器抄了近道。

在战前,我做过这么一个含金量为零的预测:AlphaGo必胜,只是不见得是这一次。随后的一周,惊心动魄,也不断被打脸。

计算机科学教授,专攻数据科学、系统分析、计算机架构。前微软亚洲研究院副院长,著有国际论文超过40篇,拥有诸多专利,现任上海纽约大学计算机科学教授。

田渊栋

卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员,Facebook人工智能围棋程序Darkforest负责人

图片 9

我围棋水平很烂,但总的来说,可以对Alphago有所评论。第一点,如果你觉得AlphaGo的落子水平会波动,其实它可能判断胜率已经很高,有时候随便下;第二点,蒙特卡洛树搜索是遇强则强的,如果对手太弱的话也不会下出太强的手;第三点,AlphaGo下棋每一步最后都是算整体分数的,并非单纯局部,反倒是有时候局部弱,对杀会有问题;第四点,接下去的研究是进入程序的黑箱里去。人工智能研究者们虽然设计学习算法,但其实不知道电脑是怎么决策的,要打开黑箱了解内部机理,还有很长的路要走。

随着战局的进展,各类科普文章不停涌现,其中不乏佳作。我来稍稍总结一下。“狗狗”是如何炼成的:先偷看3千万棋谱,站在巨人肩膀,然后左右手互博涨棋力。“狗狗”下棋是一杯混杂的鸡尾酒:花相对高的代价逐个敲开搜索图谱,然后几十条“狗狗”夺门而出,以胜率判断为指南针,用蛮力一击到底,闪电般地来回踩踏再凝聚一点——啪,落子。既复杂,也不复杂,它把工程和数学的结合达到了艺术品的高度;把高度的计算量压缩到可以和人对局(甚至用时更少)。至少对我来说,它在尺度上的大腾挪不比引力波事件差。

图片 10

董飞

数据科学家、Coursera数据工程师

图片 11

这次是太多意外,在大家一边倒的支持李九段的时候,也有李开复老师、余凯老师(前百度研究院副院长)力挺AlphaGo,认为机器会赢。

这盘棋大致是前半段,李世石占有很多先机,但后来不知道为何保守下棋,犯了一些失误,势力峰回路转,而AlphaGo中盘发力,180度转弯,把李世石逼着认输。

我想作为一次焦点比赛,关注的人太多,比赛的压力很大,李世石也似乎没有发挥最佳水平,今天这一盘还不能完全说明问题,如果明天他接着输了,那可以认定人工智能真的在围棋领域取得革命性突破。

其实在(类似围棋的)这些封闭系统中,(人工智能)战胜人类也不奇怪。我记得有些预言家说过未来20年,98%的人类工作将会被机器取代,那么我们现在要怎么做?怎么才能成为那2%的人,我觉得只有人类的创意思维,不断创新才是出路,所谓的灵感、灵气、灵光。

最后如果说我对明天的棋局有什么建议的话,那就是靠直觉判断,电脑目前还不会,对全局判断弄不大清楚,这可能是AlphaGo的弱点。

然而它还是败了一局。有个朋友笑说,这充分说明了狗咬人不是新闻,人咬狗才是。AlphaGo应对不正确的胜率估算严重滞后,休克期间昏招连连。很可能是胜率估算出了问题,导致“狗狗”们集体跑错方向;但终极原因,还是因为站在不那么高的肩膀上。DeepMind的团队说要清零,把棋谱扔掉,正本清源,重头开始。这是昏招,更是伟业,希望他们成功!

如果说前三局“狗狗”赚爆了眼球,那么今天才真正捡回了一个大骨头。不管是估值网络还是快棋手段,其中都暴露了缺陷。简单的说,人类棋手隐蔽的一手,其胜率是被机器低估了。明白这一点,是帮助其进步的重要信息。但这不会影响AlphaGo整个框架的正确性。

朱文章

香港科技公司首席架构师、香港大学计算机博士、围棋业余5段(弈城9段),前微软及谷歌软件工程师,iOS软件“围棋之眼”作者

图片 12

开局李世石下得太勉强,也下得快。到中间缓过来优势,102点的时候,虽然长考,但没有发挥出计算力的优势,被翻盘。右下角又没有出强手,左上也让白棋稳稳围住。这些估计都是失败之处。

自觉打脸最重的,是原来,我对在棋局之外的人机交谈本不报任何希望。而结果,我相信了“狗狗”和人类,都互相学习了很多很多。其中,我看见了四拨人:棋界,学界,媒体,普罗大众。表现最为出色的是棋界,不止李世石一人。以胜负说话,以棋艺为上,黑白之秤牢牢搞定方位,简单,直接。至于学界和业界,我觉得应该先认清自己的站位:0

因为网络模型训练需要耗时,同样的问题在第五局还将会存在。所以,谷歌团队说要回家复盘,说得很诚恳。阴谋论可以休矣。

刘锋

著名互联网资深人士、计算机博士,《人工智能学家》主编、AIE实验室创始人,《互联网进化论》作者

图片 13

震惊于AlphaGo战胜李世石九段,但若以科学实验流程规范来评价,我依然认为此次比赛不合格。谷歌应尽早展开线上多人(100人以上)同时在线对弈AlphaGo,以消除其实验不规范带来的质疑。在比赛公正的条件下,AlphaGo的此次胜利将意义非凡。甚至是人类发展史的一次巨大进步,可能的意义超过美国登月,但面对如此巨大的突破,我们是否应该持有更加谨慎和科学的态度?

  • 。为什么是“零减”?先留个伏笔,以后再慢慢道来。

对人类棋手来说,能否总结出规律,而且在一天之内挖掘并利用,扩大战果,是个挑战。只有摆平人机之间巨大的语义鸿沟,才能摆脱鸡同鸭讲的尴尬局面。

何波

业余5段,中国科技大学物理博士,中泰证券股份有限公司信息技术部副总经理

图片 14

卫鸿泰(左)、何波(右)

今天是个划时代的一天,AI在要点的把握上超过人类,不会有因为思维定势等缘故而跟着对手走棋,每一步坚定的走他觉得价值最大的点,这点我觉得很可怕。另外,我觉得现在说AI超越人类还早,现在AI在输入的信息上并没有产生更多的信息度,如果有一天AI会自己创造数学公式,或者总结物理规律,这才是奇点来临。

● ● ●

读者问答部分精选

朱文章

另外,人类棋手的至高目的,不是给AlphaGo做“测试工程师”,而是把围棋这门艺术继续提升。如何达到这个目标,尚不明显。希望AlphaGo今后成为每个人的“健脑器”,真正的“脑白金”。

“狗狗”的学习机制还是黑匣子

Q1:请介绍今天比赛的计时、计分(贴子)规则。

朱文章:比赛采用中国规则,黑棋贴7.5目,各两个小时,还加3次1分钟读秒

Q2:电脑下棋会不会也形成像中韩日围棋届一样的某种流?

朱文章:AlphaGo和机器人小图这个问题很大,你说它们能自学习吧,应该都有,但是不同系统,机器学习训练的方式,结构都有千差万别。我这方面还是不够深入了解。电脑的神经网络参数定了之后,应该有一定模式和风格。但是经过不断学习,它会改变。

Q3:遇到不同的水平的棋手,AlphaGo的表现是不是也不同?

田渊栋: 蒙特卡罗树搜索是遇强则强的,如果对手太弱的话不会下出太强的手。

朱文章:AlphaGo团队最强的棋手是台湾的Ajahuang,台湾业余6段。

Q4:作为训练数据的对局水平是否会影响围棋AI的水平?例如10000盘刚学会围棋的人的对局,和10000盘职业高段位棋手的对局,做训练数据,对同一个模型是否会有显著影响?

田渊栋:不同质量的对局对训练影响很大。

Q5:阿狗(AlphaGo)的策略也靠搜索来的吗?与之对弈,人落子拖时间长一点,和拖时间短一点,AI的结果会不会不一样?

田渊栋:是啊,如果AI开了pondering(编者注:即长考)的话,就是说在对手思考的时候也思考。软件下棋每一步最后都是算整体分数的,不同质量的对局对训练影响很大。

张峥:是,用少见的开局也许可以增加长距离蝴蝶效应的可能性。一进入局部就不好办了。

Q6:硬件当中会有GPU(图形处理器)和CPU(中央处理器)共同工作吗?

张峥:是的,用两种硬件协调工作是工程和资源的优化,不是本质。

田渊栋:一直是两者同时工作的,CPU搜索,GPU评估局面。

Q7:在过去的四个月中,AlphaGo的学习方式是复习历史棋局还是跟许多真人高手对決?AlphaGO是在局部算路更强的情况下,对整体势的把握是如何做的。

卫鸿泰:兼而有之。

Q8:我记得有人问Google作者,电脑是怎么下这一步的,他也不知道,不是靠背棋谱就可以知道的。为什么Google作者自己都不知道电脑怎么下棋的呀?不是他们设置学习机制的吗?

田渊栋:设置了机制,但是不知道这个机制如何学得棋谱模式。所以,AlphaGo可以走很好的棋,但是制作者不知道这个是通过什么推理方式算出来的。要是知道了,对AI来说是非常大的突破。

Q9:所以,机器思考的过程现在还是个黑匣子?

田渊栋:是的,在这点上人工智能还是有很长的路要走。

Q10:电脑的弱点之一是,算法可以解决局部的问题,但对整体局势的评估会弱一些。

田渊栋:不一定,深度神经网络往往是倒过来,整体强而局部弱,需要加上搜索,DarkForest是这样。所以有时候死活,对杀会有问题。

张峥:难说,狗狗的结构是从局部到全局的。

Q11:我们能否说AlphaGo现在已经能够判别局势,而不是只判断接下来的几步范围内,哪个位置最优?

田渊栋:Value Network和Playout都是用来判断局势的,判断哪步棋最优也要靠这两个,Policy Network给出候选的走子,然后由上面这两个判断哪步比较好。

香港科技公司首席架构师、香港大学计算机博士、围棋业余5段(弈城9段),前微软及谷歌软件工程师,iOS软件“围棋之眼”作者

江铸久

“狗狗”早点去博物馆不好吗?

Q12:“阿狗”和对手下得越多,胜利的机会也就随之增加?

张峥:狗狗哪天的左手也很强,就不要你了!它左右手互搏是现在成长的环境一环。

Q13:如果AlphaGO在棋力水平超过了大部分用于训练的“高手棋局”,想进一步提升棋力,这时如果再用这些水平低于自身水平的棋局数据进行训练是否不利于自身棋力水平增长?更多的使用“左右互搏”棋局训练是否更好?

田渊栋:是的。

董飞:我之前思考过电脑如果只是学习网上的棋谱,这些大多都不是高手,超一流的棋局又那么少,跟三流学,怎么可能下过一流的选手呢?但它那种可以自我对弈,选择倾向赢棋的路径,这样想只要它不断电,有大量计算资源,这样就进化直到永生,想到这就是一部科幻片了。大家还记得那部片子叫《超验骇客》,主人翁要死了,委托他女友把大脑移植到电脑中,后来就入侵银行,去一个乡下造了一个巨大data center,一直进化,研究各种新技术,可以移植修复,copy他的思想,最后谁也没法阻挡,世界被他控制。我觉得那部电影还是挺有哲学意义的,本意是想那些人类都不如他,他要去拯救世界,给他们最好的东西,但这样就是独裁。

Q14:没有了人类的挑战,AlphaGo的能力很快就到顶,进步的空间就不大了?

张峥:让狗狗早点去博物馆不是好事吗?

Q15:为什么?

张峥:因为就去战下一个更好的问题了。

Q16:AlphaGo的算法已经公开发表,是否意味着别的团队同样可以做出AlphaGo?商业化公司发表公开论文的动力在哪里?

田渊栋:细节有很多还是不清楚的,当然大致的技术路线都很明确了。动力在于提高自己公司知名度,这个很重要的,而不只是为了赚钱。有知名度就对招人和公共形象都有好处。

第四盘比赛结束的时候,让人类好像经历外星人入侵,把人类英雄踩在脚下,然后血泊中的英雄,瞬间崩发出神之一手,反戈一击成功。好莱坞的典型煽情故事。一瞬间,职业棋手都缓过来了,纷纷发贺电鄙视阿法哥。

九段,中国国家队著名国手,韩国棋院客座棋士。

机器还是真人,你分得清吗?

Q17:如果不告诉您黑白棋对应的是电脑还是真人,您能分辨出来谁是谁么?

刘锋一互联网进化论:不能。

朱文章:这盘可以。最新的这些招法,有点现出原形了。贴了那么多个白子,人不会那样下啊。

卫鸿泰:白棋这一串,机器的感觉太明显。

Q18:怎么看人工智能现在的阶段?围棋机器人有用到量子力学吗?

田渊栋:没有量子力学的成分,全都是基于经典物理的。

Q19:李世石大优的情况下长考,是要做坏事了么?像中盘那样。

朱文章:长考很重要,可以稳定一下情绪。

Q20:第一局输了的话,AlphaGo有可能像人类高手一样分析对手风格,从而在后面棋局中调整策略吗?

田渊栋:要调整也是人类去调整,机器目前看起来还没有这个能力,它要自我学习的话需要大量的样本。

卫鸿泰:白棋两次脱先收获非常大,大局观不错。职业普遍认为黑棋右下有心态问题,下得非常有问题。

Q21:阿狗的时间不够怎么办啊?

田渊栋:不会不够的,机器大不了用Policy Network,3毫秒一步,只要code没bug,肯定不会超时。Dark Forest上次一月份对Zen超时了,因为有个bug。

Q22:李世石输了?

主持人:终局,李世石输。

朱文章:输了部分人都挺难受的,特别是喜欢围棋的人。

张峥:我吭吭哧哧地写了那两篇,其实心里是很希望能再挺一会的。

图片 15

知识分子,为更好的智趣生活。

关注请加微信号:the-intellectual或长按下方二维码。投稿、授权事宜请联系:zizaifenxiang@163.com。

但今天我想用轻松的心情细细品味最终一战,立场是支持围棋棋道,不论胜负,给双方选手都加油。

图片 16

李世石今天心态很放松,可以从开始的时间控制看出来,李世石的布局也相当简明。到了40,黑棋空多无弱子。

AlphaGo的出现引发我最多思考的,就是我们该如何学习利用人类智慧结晶。AlphaGo的厉害之处在于它只要赢棋,它不要下的最漂亮。它在KGS上可以跟三段下,它也可以跟欧洲冠军樊麾下,似乎赢得也不多,看上去水平也不是那么好,它跟李世石下,还是这个表现。如果要看到精彩的,我们要有个参照物,倒过来讲,AlphaGo找的参照物在不停地升级。所以我觉得对于我们职业界人类棋手来说,如果你想找到自己最好的那一面,那就可以跟AlphaGo练。

但是我感觉,白棋像道策。看道策这盘,是不是几分神似?

人机对决对我最大的震撼和启发就是,我们今后培养孩子们学围棋的时候更加注重培养他们的大局观,注重培养良好的学习习惯,启发他们的创造性思维。当然这是围棋本身早就有的,也正是因为学习围棋对这些有帮助,所以让孩子们能够喜爱这个事情,能够让AlphaGo的整个团队从围棋中得到和作出这样一个人类智慧结晶超棒的东西来。

黑棋左边31的靠,记得是吴清源大师提倡过的简明手段。大道至简,也许这是围棋的最高境界。

朱文章

阿法哥右下就让人鄙视了。业余棋手都能看清的手段,硬是自己下死,花了代价学会了“大头鬼”这个围棋手段。我预感,如果阿法哥输了,它会受到各方职业棋手的鄙视。“发力点根本不对啦,根本不会下棋”。

香港科技公司首席架构师、香港大学计算机博士、围棋业余5段(弈城9段),前微软及谷歌软件工程师,iOS软件“围棋之眼”作者

70手是阿法哥卓越的中腹感觉,黑棋下得有点保守,最后三目活。应该是心理出现波动,想赢怕输。解说的麦克雷蒙这时冒出一句话:李世石估计在想,前三盘是怎么会输给那么low的阿法哥啊。此时,局面已经很细微了,甚至白棋潜力巨大。

图片 17

阿法哥下到第100手,第三局的大师风采又来了。黑棋得拼搏了。但是中间弱棋还没治理,只能挥师左下。还好,阿法哥慈悲,放黑棋从二路爬回。转而亮出136手的小阿飞刀。

即使前三盘已经输了,但是今天一早,我还是抱着希望,李世石有机会战胜阿法哥。这样会给人带来希望和喜悦。

还有一个看点,就是阿法哥今天也进入读秒,但是发型没乱。最终,如果要点目,是白胜2.5目,即1又1/4子。

很多人已经觉得没希望了,甚至阿法哥下的就是标准答案。阿法哥的发型,也成为大家模仿的造型。 但是任何一个围棋职业棋手,热爱围棋的爱好者,都有不放弃的精神!这是围棋的魅力,也是围棋给我们带来的力量。

整盘棋,李世石开局顺利,但是没有绷紧,下得过于放松。看来,人都是逼出来的。生于忧患 ,死于安乐。

棋局开始至11手,平淡如水,照搬着第二局的下法。白12手,李世石开始变招,尖,这一手棋,在吴清源时代屡屡出现,后来木谷实改为跳,成了现在标准下法。尖,更重视中腹的发展,对黑三子的压力也大一些。因此,阿法哥13不脱先了。

顺便总结下五盘棋。这五盘,基本上我都第一时间观看。第一盘,李世石惜败,本来有机会。第二盘,阿法哥下出很多好手,五路尖冲,还有中后盘碾压式的计算能力,该它赢。第三盘,阿法哥玄妙莫测的棋风,酷似吴清源,前半盘50手就已经把李世石击倒。但是后面有瑕疵,暴露了局部计算不能找到正解的弱点。第四盘,李世石心态好,布局策略正确,打散稳住,但中盘冒进转换后落后,之后中腹在极度困难的情况下发出神之一手,阿法哥应对失误,被人类KO。也是第一次看到阿法哥认输的样子。第五局,布局李世石简明领先,布局策略对头。中腹战斗患得患失,最终失利。

14挂,把棋盘打散,导向细棋。16,18,20,恬静如水。

这一次比赛,无论胜负,都是棋道的胜利。吴清源说过他200岁之后要在宇宙中下棋。冥冥之中,我觉得他真的来了。借此,致敬吴清源棋圣。

图片 18

**卫泰**

刚刚让人觉得阿法哥今天老实了些。23大招又来了,一时善恶难辨。但是阿法哥的余威,还是让大部分人觉得有玄妙之处。23,25组合,又来了。李世石一路忍让,忍受了职业同行的嘲笑和指责。这不是李世石啦,这怎么能忍之类的言论不绝于耳。在群中,到了46,我觉得白棋还是不错的。但是大部分人还是悲观了。要赢,必须忍。

知乎围棋专栏主持人、围棋业余5段

图片 19

编辑:小说 本文来源:人工智能是送给世界的礼物,专家点评四

关键词: