围棋人机大战背后透露哪些信息？

【中国经营网综合报道】最近几天，谷歌的人工智能AlphaGo与韩国职业围棋手李世石的一场人机大战引发了一轮讨论热潮。尤其在AlphaGo以3-0的比分轻松赢得前三场比赛的胜利之后，人们对于人工智能的关注再次高涨。

据京华时报报道，昨天，谷歌人工智能AlphaGo与围棋世界冠军李世石的第四场比赛如约在韩国首尔四季酒店举行。AlphaGo以3比0碾轧李世石后，后两场比赛被誉为是“人类的荣誉之战”。昨天下午，李世石不负众望扳回一城。至此，双方交战仅剩余最后一场，比赛将于北京时间3月15日(周二)中午12点进行。

报道同时表示，赛后，李世石透露，他感觉AlphaGo的弱点是它似乎并不擅长执黑。另外，当对手下出一手它没有遇到过的棋时，AlphaGo会有点BUG，会出现一些失误。李世石表示，执黑时他会更积极。“关于信息不对等，这并不是最重要的。主要还是自己和AlphaGo的棋力对抗，AlphaGo出现意外失误并不是关键。”

比赛结束后，DeepMind创始人哈萨比斯(Demis Hassabis)指出，在李世石白78“神之一手”后，AlphaGo79误以为胜率达到70%，直到第87手才反应过来。

对于AlphaGo这次的失误，哈萨比斯回应称，AlphaGo只是初级程序，并未完善，所以希望李世石能帮忙找到缺点。“AlphaGo有的棋从职业棋手角度来看可能并非瞬间直观的选点，感觉是恶手，但事后看反而可能是好手，当然也有可能是失误。因为AlphaGo是通过计算胜率来选择落点，处理方式和人不一样。”

所谓“外行看热闹，内行看门道”，我们这些外行在看完热闹之后，不妨来看看这场人机大战背后所透露出的一些信息。

人机大战是一次多赢的事件?

据北京晨报报道，本应是科技圈和围棋圈的一场博弈，却成为了全社会舆论的焦点。谷歌想要做的绝不止一场人工智能战胜围棋冠军比赛那么简单。而为了此次大赛，谷歌也是做足了准备。

一方面，谷歌自身做足了功夫。搜狗董事长王小川分析：“此次人机大战是一次成功的商业运作。谷歌深刻地考虑了选什么人，他们做了充分的准备、缜密思考全盘的事情。谷歌此次动用了上万台的机器，对外宣称1200台，2000个GPU，比深蓝计算力提高了3万倍。”

王小川表示，谷歌制造了一种必须取胜的强大气场，同样让人印象深刻，这也营造出了商业噱头，“他们花了超过4亿英镑收购这个团队，进入谷歌后，也得到了支持，你要什么资源，我都可以无条件满足你。”他的这一观点，和目前围棋排名第一的柯洁不谋而合，柯洁也表示，如果李世石输掉比赛，那么就是给谷歌的一次“免费宣传”。

另一方面，谷歌多管齐下最大化地激发了社会化传播。很多科技巨头，如中国的李开复、王小川，甚至是国际竞争对手扎克伯格的关注和公开表态。今年将重点发力人工智能的搜狗、竞争激烈的视频网站等，也都在人机大战的流量中，找到了自己的增长点。从效果来看，此次人机大战是一次多赢的事件。

为何一场围棋比赛会如此重要?除了被上升到人脑和电脑的竞赛外，也彰显出作为主办方谷歌的野心。

2015年10月份，谷歌CEO皮查伊表态，谷歌计划将人工智能研发和所有核心业务联合起来，包括搜索引擎、广告、视频网站YouTube和电子商场Play。

而实际上，谷歌想要用人工智能颠覆的绝不止于此。2015年3月，谷歌机器学习大规模应用于医药研发——经过多年的研究，神经网络深度学习应用于虚拟药物筛选，高通量的筛选过程通过计算机完成，可以检测出药物是否应该更换或者加量。同月谷歌宣布自动驾驶汽车将在5年内上市;2015年4月谷歌隐形眼镜实时监测血糖;2015年6月谷歌人工智能摄像头即时翻译拓展到27种语言;2015年10月谷歌利用人工智能来排名网页;2015年11月谷歌人工智能帮你回复邮件;2015年12月：谷歌开发人工智能聊天机器人……

对此，关注互联网行业的华尔街顶级分析师卡洛斯科基纳曾表示，不论是投资者还是分析师，都忽略了谷歌在人工智能领域的布局。而在此之前，谷歌对于人工智能的成绩出奇地低调。

深度学习引关注 2075年90%可能实现强人工智能

另据中国证券报报道，“多数人已折服于AlphaGo的精准、聪明和大局意识。但这个比赛结果对于我们来说其实并不是太吃惊。”作为人工智能领域的从业者，凯泽科技首席技术官吴军指出，去年10月AlphaGo击败职业二段樊麾，围棋界给AlphaGo的排名仍远落后于李世石，但是他们忽略了AlphaGo突破了传统电脑的“固定”程序逻辑，融入了学习能力。

如何实现深度学习?百度深度研究院资深专家介绍，AlphaGo构建了“两个大脑”，一个是输入了3000万盘人类顶级棋手对弈数据，通过“自我对战”来进行增强学习，改善此前的决策网络，另一个则是通过价值网络来进行整体局面判断，以决策网络与价值网络来协作决定落子位置。

也就是说，AlphaGo的技术架构采用的是模仿人类大脑神经模式，而不再单单依靠机器的蛮力“强记”，通过深度学习把人工神经网络的层级大大增加，提升了计算能力。