阿尔法狗是怎样击败人类围棋高手的？

1. 阿尔法狗是怎样击败人类围棋高手的？

阿尔法狗是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人。其英文名为AlphaGo，音译中文后戏称为阿尔法狗。
阿尔法狗其主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。

扩展资料：
2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；
2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。
参考资料来源：人民网——“阿尔法狗”为什么厉害

2. 阿尔法狗为什么能攻破围棋？

phaGo之父杰米斯·哈萨比斯（Demis Hassabis）近日在母校英国剑桥大学做了一场题为“超越人类认知的极限”的演讲，解答了世人对于人工智能，对于阿尔法狗的诸多疑问——过去3000年里人类低估了棋局哪个区域的重要性？阿尔法狗去年赢了韩国职业九段李世石靠哪几个绝招？今年年初拿下数位国际大师的神秘棋手Master究竟是不是阿尔法狗？为什么围棋是人工智能难解之谜？
杰米斯·哈萨比斯，Deep Mind创始人，AlphaGo（阿尔法狗）之父， 4岁开始下象棋，8岁时在棋盘上的成功促使他开始思考两个至今令他困扰的问题：第一，人脑是如何学会完成复杂任务的？第二，电脑能否做到这一点？17岁时，哈萨比斯就负责了经典模拟游戏《主题公园》的开发，并在1994年发布。
他随后读完了剑桥大学计算机科学学位，2005年进入伦敦大学学院，攻读神经科学博士学位，希望了解真正的大脑究竟是如何工作的，以此促进人工智能的发展。2014年他创办公司Deep Mind, 公司产品阿尔法狗在2016年大战围棋冠军李世石事件上一举成名。

AlphaGo（阿尔法狗）之父在剑桥大学历时45分钟的演讲：
非常感谢大家今天能够到场，今天，我将谈谈人工智能，以及DeepMind近期在做些什么，我把这场报告命名为“超越人类认知的极限”，我希望到了报告结束的时候，大家都清晰了解我想传达的思想。
1.你真的知道什么是人工智能吗？
对于不知道DeepMind公司的朋友，我做个简单介绍，我们是在2010年于伦敦成立了这家公司，在2014年我们被谷歌收购，希望借此加快我们人工智能技术的脚步。我们的使命是什么呢？我们的首要使命便是解决人工智能问题；一旦这个问题解决了，理论上任何问题都可以被解决。这就是我们的两大使命了，听起来可能有点狡猾，但是我们真的相信，如果人工智能最基本的问题都解决了的话，没有什么问题是困难的。
那么我们准备怎样实现这个目标呢？DeepMind现在在努力制造世界上第一台通用学习机，大体上学习可以分为两类：一种就是直接从输入和经验中学习，没有既定的程序或者规则可循，系统需要从原始数据自己进行学习；第二种学习系统就是通用学习系统，指的是一种算法可以用于不同的任务和领域，甚至是一些从未见过的全新领域。大家肯定会问，系统是怎么做到这一点的？
其实，人脑就是一个非常明显的例子，这是可能的，关键在于如何通过大量的数据资源，寻找到最合适的解决方式和算法。我们把这种系统叫做通用人工智能，来区别于如今我们当前大部分人在用的仅在某一领域发挥特长的狭义人工智能，这种狭义人工智能在过去的40-50年非常流行。
IBM 发明的深蓝系统（Deep Blue）就是一个很好的狭义人工智能的例子，他在上世纪90年代末期曾打败了国际象棋冠军加里·卡斯帕罗夫（Gary Kasporov） 。如今，我们到了人工智能的新的转折点，我们有着更加先进、更加匹配的技术。

1997年5月，IBM与世界国际象棋冠军加里·卡斯帕罗夫对决。
2.如何让机器听从人类的命令？
大家可能想问机器是如何听从人类的命令的，其实并不是机器或者算法本身，而是一群聪明的编程者智慧的结晶。他们与每一位国际象棋大师对话，汲取他们的经验，把其转化成代码和规则，组建了人类最强的象棋大师团队。但是这样的系统仅限于象棋，不能用于其他游戏。对于新的游戏，你需要重新开始编程。在某种程度上，这些技术仍然不够完美，并不是传统意义上的完全人工智能，其中所缺失的就是普适性和学习性。我们想通过“增强学习”来解决这一难题。在这里我解释一下增强学习，我相信很多人都了解这个算法。
首先，想像一下有一个主体，在AI领域我们称我们的人工智能系统为主体，它需要了解自己所处的环境，并尽力找出自己要达到的目的。这里的环境可以指真实事件，可以是机器人，也可以是虚拟世界，比如游戏环境；主体通过两种方式与周围环境接触；它先通过观察熟悉环境，我们起初通过视觉，也可以通过听觉、触觉等，我们也在发展多感觉的系统；
第二个任务，就是在此基础上，建模并找出最佳选择。这可能涉及到对未来的预期，想像，以及假设检验。这个主体经常处在真实环境中，当时间节点到了的时候，系统需要输出当前找到的最佳方案。这个方案可能或多或少会改变所处环境，从而进一步驱动观察的结果，并反馈给主体。
简单来说，这就是增强学习的原则，示意图虽然简单，但是其中却涉及了极其复杂的算法和原理。如果我们能够解决大部分问题，我们就能够搭建普适人工智能。这是因为两个主要原因：首先，从数学角度来讲，我的合伙人，一名博士，他搭建了一个系统叫‘AI-XI’，用这个模型，他证明了在计算机硬件条件和时间无限的情况下，搭建一个普适人工智能，需要的信息。另外，从生物角度来讲，动物和人类等，人类的大脑是多巴胺控制的，它在执行增强学习的行为。因此，不论是从数学的角度，还是生物的角度，增强学习是一个有效的解决人工智能问题的工具。
3.为什么围棋是人工智能难解之谜？
接下来，我要主要讲讲我们最近的技术，那就是去年诞生的阿尔法狗；希望在座的大家了解这个游戏，并尝试玩玩，这是个非常棒的游戏。围棋使用方形格状棋盘及黑白二色圆形棋子进行对弈，棋盘上有纵横各19条直线将棋盘分成361个交叉点，棋子走在交叉点上，双方交替行棋，以围地多者为胜。围棋规则没有多复杂，我可以在五分钟之内教给大家。这张图展示的就是一局已结束，整个棋盘基本布满棋子，然后数一下你的棋子圈出的空间以及对方棋子圈出的空间，谁的空间大，谁就获胜。在图示的这场势均力敌的比赛中，白棋一格之差险胜。

白棋以一格之差险胜。
其实，了解这个游戏的最终目的非常难，因为它并不像象棋那样，有着直接明确的目标，在围棋里，完全是凭直觉的，甚至连如何决定游戏结束对于初学者来说，都很难。围棋是个历史悠久的游戏，有着3000多年的历史，起源于中国，在亚洲，围棋有着很深的文化意义。孔子还曾指出，围棋是每一个真正的学者都应该掌握的四大技能之一（琴棋书画），所以在亚洲围棋是种艺术，专家们都会玩。
如今，这个游戏更加流行，有4000万人在玩围棋，超过2000多个顶级棋手，如果你在4-5岁的时候就展示了围棋的天赋，这些小孩将会被选中，并进入特殊的专业围棋学校，在那里，学生从6岁起，每天花12个小时学习围棋，一周七天，天天如此。直到你成为这个领域的专家，才可以离开学校毕业。这些专家基本是投入人生全部的精力，去揣摩学习掌握这门技巧，我认为围棋也许是最优雅的一种游戏了。
像我说的那样，这个游戏只有两个非常简单的规则，而其复杂性却是难以想象的，一共有10170 （10的170次方） 种可能性，这个数字比整个宇宙中的原子数1080（10的80次方）都多的去了，是没有办法穷举出围棋所有的可能结果的。我们需要一种更加聪明的方法。你也许会问为什么计算机进行围棋的游戏会如此困难，1997年,IBM的人工智能DeepBlue（深蓝）打败了当时的象棋世界冠军GarryKasparov，围棋一直是人工智能领域的难解之谜。我们能否做出一个算法来与世界围棋冠军竞争呢？要做到这一点，有两个大的挑战：
一、搜索空间庞大（分支因数就有200），一个很好的例子，就是在围棋中，平均每一个棋子有两百个可能的位置，而象棋仅仅是20. 围棋的分支因数远大于象棋。
二、比这个更难的是，几乎没有一个合适的评价函数来定义谁是赢家，赢了多少；这个评价函数对于该系统是至关重要的。而对于象棋来说，写一个评价函数是非常简单的，因为象棋不仅是个相对简单的游戏，而且是实体的，只用数一下双方的棋子，就能轻而易举得出结论了。你也可以通过其他指标来评价象棋，比如棋子移动性等。
所有的这些在围棋里都是不可能的，并不是所有的部分都一样，甚至一个小小部分的变动，会完全变化格局，所以每一个小的棋子都对棋局有着至关重要的影响。最难的部分是，我称象棋为毁灭性的游戏，游戏开始的时候，所有的棋子都在棋盘上了，随着游戏的进行，棋子被对方吃掉，棋子数目不断减少，游戏也变得越来越简单。相反，围棋是个建设性的游戏，开始的时候，棋盘是空的，慢慢的下棋双方把棋盘填满。
因此，如果你准备在中场判断一下当前形势，在象棋里，你只需看现在的棋盘，就能告诉你大致情况；在围棋里，你必须评估未来可能会发生什么，才能评估当前局势，所以相比较而言，围棋难得多。也有很多人试着将DeepBlue的技术应用在围棋上，但是结果并不理想，这些技术连一个专业的围棋手都打不赢，更别说世界冠军了。
所以大家就要问了，连电脑操作起来都这么难，人类是怎样解决这个问题的？其实，人类是靠直觉的，而围棋一开始就是一个靠直觉而非计算的游戏。所以，如果你问一个象棋选手，为什么这步这样走，他会告诉你，这样走完之后，下一步和下下一步会怎样走，就可以达到什么样的目的。这样的计划，有时候也许不尽如人意，但是起码选手是有原因的。
然而围棋就不同了，如果你去问世界级的大师，为什么走这一步，他们经常回答你直觉告诉他这么走，这是真的，他们是没法描述其中的原因的。我们通过用加强学习的方式来提高人工神经网络算法，希望能够解决这一问题。我们试图通过深度神经网络模仿人类的这种直觉行为，在这里，需要训练两个神经网络，一种是决策网络，我们从网上下载了成百万的业余围棋游戏，通过监督学习，我们让阿尔法狗模拟人类下围棋的行为；我们从棋盘上任意选择一个落子点，训练系统去预测下一步人类将作出的决定；系统的输入是在那个特殊位置最有可能发生的前五或者前十的位置移动；这样，你只需看那5-10种可能性，而不用分析所有的200种可能性了。
一旦我们有了这个，我们对系统进行几百万次的训练，通过误差加强学习，对于赢了的情况，让系统意识到，下次出现类似的情形时，更有可能做相似的决定。相反，如果系统输了，那么下次再出现类似的情况，就不会选择这种走法。我们建立了自己的游戏数据库，通过百万次的游戏，对系统进行训练，得到第二种神经网络。选择不同的落子点，经过置信区间进行学习，选出能够赢的情况，这个几率介于0-1之间，0是根本不可能赢，1是百分之百赢。
通过把这两个神经网络结合起来（决策网络和数值网络），我们可以大致预估出当前的情况。这两个神经网络树，通过蒙特卡洛算法，把这种本来不能解决的问题，变得可以解决。我们网罗了大部分的围棋下法，然后和欧洲的围棋冠军比赛，结果是阿尔法狗赢了，那是我们的第一次突破，而且相关算法还被发表在《自然》科学杂志。
接下来，我们在韩国设立了100万美元的奖金，并在2016年3月，与世界围棋冠军李世石进行了对决。李世石先生是围棋界的传奇，在过去的10年里都被认为是最顶级的围棋专家。我们与他进行对决，发现他有非常多创新的玩法，有的时候阿尔法狗很难掌控。比赛开始之前，世界上每个人（包括他本人在内）都认为他一定会很轻松就打赢这五场比赛，但实际结果是我们的阿尔法狗以4:1获胜。围棋专家和人工智能领域的专家都称这具有划时代的意义。对于业界人员来说，之前根本没想到。
4.棋局哪个关键区域被人类忽视了？
这对于我们来说也是一生仅有一次的偶然事件。这场比赛，全世界28亿人在关注，35000多篇关于此的报道。整个韩国那一周都在围绕这个话题。真是一件非常美妙的事情。对于我们而言，重要的不是阿尔法狗赢了这个比赛，而是了解分析他是如何赢的，这个系统有多强的创新能力。阿尔法狗不仅仅只是模仿其他人类选手的下法，他在不断创新。在这里举个例子 ，这是第二局里的一个情况，第37步，这一步是我整个比赛中最喜欢的一步。在这里，黑棋代表阿尔法狗，他将棋子落在了图中三角标出的位置。为什么这步这么关键呢?为什么大家都被震惊到了。

图左：第二局里，第37步，黑棋的落子位置 图右：之前貌似陷入困境的两个棋子。
其实在围棋中有两条至关重要的分界线，从右数第三根线。如果在第三根线上移动棋子，意味着你将占领这个线右边的领域。而如果是在第四根线上落子，意味着你想向棋盘中部进军，潜在的，未来你会占棋盘上其他部分的领域，可能和你在第三根线上得到的领域相当。
所以在过去的3000多年里，人们认为在第三根线上落子和第四根线上落子有着相同的重要性。但是在这场游戏中，大家看到在这第37步中，阿尔法狗落子在了第五条线，进军棋局的中部区域。与第四根线相比，这根线离中部区域更近。这可能意味着，在几千年里，人们低估了棋局中部区域的重要性。
有趣的是，围棋就是一门艺术，是一种客观的艺术。我们坐在这里的每一个人，都可能因为心情好坏产生成千上百种的新想法，但并不意味着每一种想法都是好的。而阿尔法狗却是客观的，他的目标就是赢得游戏。
5.阿尔法狗拿下李世石靠哪几个绝招？
大家看到在当前的棋局下，左下角那两个用三角标出的棋子看起来好像陷入了困难，而15步之后，这两个棋子的力量扩散到了棋局中心，一直延续到棋盘的右边，使得这第37步恰恰落在这里，成为一个获胜的决定性因素。在这一步上阿尔法狗非常具有创新性。我本人是一个很业余的棋手，让我们看看一位世界级专家Michael Redmond对这一步的评价。 Michael是一位9段选手（围棋最高段），就像是功夫中的黑段一样，他说：“这是非常令人震惊的一步，就像是一个错误的决定。”在实际模拟中，Michael其实一开始把棋子放在了另外一个地方，根本没想到阿尔法狗会走这一步。像这样的创新，在这个比赛中，阿尔法狗还有许多。在这里，我特别感谢李世石先生，其实在我们赢了前三局的时候，他下去了。

2016年3月阿尔法狗大战世界围棋冠军李世石，以4:1的总分战胜了人类。
那是三场非常艰难的比赛，尤其是第一场。因为我们需要不断训练我们的算法，阿尔法狗之前打赢了欧洲冠军，经过这场比赛，我们知道了欧洲冠军和世界冠军的差别。理论上来讲，我们的系统也进步了。但是当你训练这个系统的时候，我们不知道有多少是过度拟合的，因此，在第一局比赛结束之前，系统是不知道自己的统计结果的。所以，其实第一局，我们非常紧张，因为如果第一局输了，很有可能我们的算法存在巨大漏洞，有可能会连输五局。但是如果我们第一局赢了，证明我们的加权系统是对的。
不过，李世石先生在第四场的时候，回来了，也许压力缓解了许多，他做出了一步非常创新性的举动，我认为这是历史上的创新之举。这一步迷惑了阿尔法狗，使他的决策树进行了错误估计，一些中国的专家甚至称之为“神之一手”。通过这个例子，我们可以看到多少的哲理蕴含于围棋中。这些顶级专家，用尽必生的精力，去找出这种神之一手。其实，在这步里，阿尔法狗知道这是非常不寻常的一步，他当时估计李世石通过这步赢的可能性是0.007%，阿尔法狗之前没有见过这样的落子方式，在那2分钟里，他需要重新搜索决策计算。我刚刚已经提到过这个游戏的影响：28亿人观看，35000相关文章的媒体报道，在西方网售的围棋被一抢而空，我听说MIT（美国麻省理工学院）还有其他很多高校，许多人新加入了围棋社。

第四局里，李世石第78步的创新之举。
我刚才谈到了直觉和创新，直觉是一种含蓄的表达，它是基于人类的经历和本能的一种思维形式，不需要精确计算。这一决策的准确性可以通过行为进行评判。在围棋里很简单，我们给系统输入棋子的位置，来评估其重要性。阿尔法狗就是在模拟人类这种直觉行为。创新，我认为就是在已有知识和经验的基础上，产生一种原始的，创新的观点。阿尔法狗很明显的示范了这两种能力。
6.Master执白中盘胜柯洁，柯洁是否还有希望？
那么我们今天的主题是“超越人类认知的极限”，下一步应该是什么呢？从去年三月以来，我们一直在不断完善和改进阿尔法狗，大家肯定会问，既然我们已经是世界冠军了，还有什么可完善的？ 其实，我们认为阿尔法狗还不是完美的，还需要做更多的研究。
首先，我们想要继续研究刚才提到的和李世石的第四局的比赛，来填充知识的空白；这个问题其实已经被解决了，我们建立了一个新的阿尔法狗分系统，不同于主系统，这个分支系统是用来困惑主系统的。我们也优化了系统的行为，以前我们需要花至少3个月来训练系统，现在只需要一周时间。
第二，我们需要理解阿尔法狗所采取的决定，并对其进行解释；阿尔法狗这样做的原因是什么，是否符合人类的想法等等；我们通过对比人类大脑对于不同落子位置的反应以及阿尔法狗对于棋子位置的反应，以期找到一些新的知识；本质上就是想让系统更专业。我们在网络上与世界顶级的专家对决，一开始我们使用了一个假名（Master），在连胜之后被大家猜出是阿尔法狗。这些都是顶级的专家，我们至今已赢了60位大师了。如果你做个简单的贝叶斯分析，你会发现阿尔法狗赢不同对手的难易也不一样。而且，阿尔法狗也在不断自我创新，比如说图中右下角这个棋子（圆圈标处），落在第二根线里，以往我们并不认为这是个有效的位置。实际上，韩国有的团队预约了这些游戏，想研究其中新的意义和信息。

阿尔法狗自我创新，落在第二格线的旗子。
柯洁，既是中国的围棋冠军，也是目前的世界围棋冠军，他才19岁。他也在网上和阿尔法狗对决过，比赛之后他说人类已经研究围棋研究了几千年了，然而人工智能却告诉我们，我们甚至连其表皮都没揭开。他也说人类和人工智能的联合将会开创一个新纪元，将共同发现围棋的真谛。异曲同工，柯洁提到了围棋的真理，我们在这里谈的是科学的真理。

红遍网络的神秘棋手Master2017年1月3日在腾讯围棋对弈平台赢了柯洁。

Master执白中盘胜柯洁，Master就是AlphaGo的升级版。
那么围棋的新纪元是否真的到来了呢？围棋史上这样的划时代事件曾经发生过两次，第一次是发生在1600年左右的日本，20世纪30-40年代的日本，日本一位当时非常杰出的围棋高手吴清源提出了一个全新的关于围棋的理论，将围棋提升到了一个全新的境界。大家说如今，阿尔法狗带来的是围棋界的第三次变革。
5月23日，柯洁和alphago斗棋，柯洁是否还有希望？
7.为什么人工智能“下围棋”强于“下象棋”？
我想解释一下，为什么人工智能在围棋界所作出的贡献，要远大于象棋界。如果我们看看当今的世界国际象棋冠军芒努斯·卡尔森，他其实和之前的世界冠军没什么大的区别，他们都很优秀，都很聪明。但为什么当人工智能出现的时候，他们可以远远超越人类？我认为其中的原因是，国际象棋更注重战术，而阿尔法狗更注重战略。如今世界顶级的国际象棋程序再不会犯技术性的错误，而在人类身上，不可能不犯错。
第二，国际象棋有着巨大的数据库，如果棋盘上少于9个棋子的时候，通过数学算法就可以计算出谁胜谁败了。计算机通过成千上万的迭代算法，就可以计算出来了。因此，当棋盘上少于九个棋子的时候，下象棋时人类是没有办法获胜的。
因此，国际象棋的算法已经近乎极致，我们没有办法再去提高它。然而围棋里的阿尔法狗，在不断创造新的想法，这些全新的想法，在和真人对决的时候，顶级的棋手也可以把其纳入到考虑的范畴，不断提高自己。
就如欧洲围棋冠军樊麾（第一位与阿尔法狗对阵的人类职业棋手）所说的那样，在和阿尔法狗对决的过程中，机器人不断创新的下法，也让人类不断跳出自己的思维局限，不断提高自己。大家都知道，经过专业围棋学校里30多年的磨练，他们的很多思维已经固化，机器人的创新想法能为其带来意想不到的灵感。我真的相信如果人类和机器人结合在一起，能创造出许多不可思议的事情。我们的天性和真正的潜力会被真正释放出来。
8.阿尔法狗不为了赢取比赛又是为了什么？
就像是天文学家利用哈勃望远镜观察宇宙一样，利用阿尔法狗，围棋专家可以去探索他们的未知世界，探索围棋世界的奥秘。我们发明阿尔法狗，并不是为了赢取围棋比赛，我们是想为测试我们自己的人工智能算法搭建一个有效的平台，我们的最终目的是把这些算法应用到真实的世界中，为社会所服务。
当今世界面临的一个巨大挑战就是过量的信息和复杂的系统，我们怎么才能找到其中的规律和结构，从疾病到气候，我们需要解决不同领域的问题。这些领域十分复杂，对于这些问题，即使是最聪明的人类也无法解决的。
我认为人工智能是解决这些问题的一个潜在方式。在如今这个充斥着各种新技术的时代，人工智能必须在人类道德基准范围内被开发和利用。本来，技术是中性的，但是我们使用它的目的和使用它的范围，大大决定了其功能和性质，这必须是一个让人人受益的技术才行。
我自己的理想是通过自己的努力，让人工智能科学家或者人工智能助理和医药助理成为可能，通过该技术，我们可以真正加速技术的更新和进步。

3. 谁说阿尔法狗只会下围棋

　　黑阿尔法狗的围棋人里，懂遗传算法的人太少。

　　阿尔法狗就是用几个月的时间，模拟了人类几百万年的智力进化，以及围棋招式的几百年进化历程，优胜劣汰，形成的自己的棋风。

　　可不是打人类的谱学的！全人类几百年来下过的全部棋谱，对它来说“学习”分析一遍只需要几天时间而已。

　　它的设计者不懂围棋，只是告诉它游戏规则，它最初是自己左右互博2000万盘（一个人，15分钟练一盘，需要600年！），独立摸索出了星位、小目等布局法，以及大量现代以及历史上出现过的定式，以及怎么打劫，以及怎么收官。几个月无师自通！就达到了“业五业六”（某些黑阿尔法狗的人的说法），冲段少年（柯杰的说法），顶尖棋手让先（李喆的说法）……的水平。

　　试问黑阿尔法狗的人类，你们有几个是几个月时间无师自通左右互博就能达到这个水平的？有几个下到过2万盘棋？

　　吓死贫僧了。

4. 阿法狗哪些围棋下法是人类无法理解但实际很厉害的？

阿法狗有多厉害，纸上谈兵可不行，我们只有通过阿老师棋局中的具体手法来感受。
  
 
  
  
  开局不能“点三三”？不存在！ 
  
   
  
 这是阿法狗进化版阿法元AlphaGo Zero与阿法狗与柯洁人机大战的大师版Master的一局开局。寥寥数手，阿法元直接点三三，可谓颠覆了以往人们的认知！以前以为，序盘过后对方两个边星处有子，可以点三三，到后来Master网战60局全胜后，人们发觉布局十几、二十余手也能点三三，现在，阿法元告诉我们，占完角即可点三三！
  
   
  
 笔者顺手在四个角部摆了四种不同的点三三之后的下法，我们可以看到，点三三，在长久以来，人们认为在开局会形成让对方成起厚势的想法——根本就不存在！点三三不仅是极为有力的开局招数，还为人们对实地与势力的相互转换打开了崭新的思路和空间！
  
 
  
  
  布局五路没见过，阿老师告诉你！ 
  
   
  
 这是2016年3月，李世石与AlphaGo的第二局布局的场面。
  
 当时，AlphaGo黑1刺，这在以前认为是将对手撞厚，而自己却没有所得的恶手，所以从没有人这样走棋（初学的小朋友除外，玩笑）。
  
 当时李世石看到黑1，一下子就感觉到不妙，他点头示意对面的AlphaGo“人肉臂”黄博士“抱歉离开一会”，就出去外面抽烟去了。
  
 出去外面的李世石，望着首尔城的繁华景色，陷入了深深的沉思……
  
 
  
  
 回到对局室，李世石粘上后，AlphaGo脱先于左上角托。我们再来看，黑棋经过一手交换，弹性十足，白棋已不好攻击，而白棋右边本来就很坚固，让其在价值不大的地方厚上加厚，当无不可。
  
   
  
 本局蔓延了十几手的战斗后，AlphaGo走出了名垂棋史的名手——五路尖冲。
  
 当时，观战此局的棋圣聂卫平先生对此手赞叹不已：阿老师这手棋值得脱帽致敬。
  
 
  
  
 不论是从感官，还是最后的价值，这首棋都达到了最佳。
  
 职业棋手们也从这一手棋，如醍醐灌顶，获得了不少升华。
  
 
  
  
  故意“下错”大雪崩定式？ 
  
   
  
 这是AlphaGo在2017年初，在网上化身Master大杀四方的一局棋。
  
 执黑的芈昱廷九段成了“背景板”，两位演绎大雪崩定式时，阿老师五路扳一手，让世界冠军芈九段当场“晕菜”。
  
 
  
  
 大雪崩定式，自从50多年前围棋大师吴清源将“外拐”改为“内拐”后，多年来一直牢牢占据着业界最难定式的交椅，但这次阿法狗就像一位不懂复杂定式的业余棋手一样，不过，却取得了意想不到的变化，将定式也改变了。大雪崩定式也由此彻底“下岗”，本局之后，大雪崩定式几乎再也见不着了。
  
 
  
  
  化繁为简，改变“妖刀定式”  
  
     
  
 还是Master的网棋，执黑的“背景板”是世界冠军江维杰九段。
  
 角上即将走成人们熟悉的妖刀定式。大体上长这样：
  
   
  
 黑棋冲后，白棋将黑棋断开，此后双方围绕着远处的征子和引征勾心斗角，头绪百出，谁也无法掌控以后的流向。
  
 
  
  
   
  
 那一局实战，Master给我们刷新了新的认知，白棋取地取得很实在，黑棋外势很雄厚吗？再往下看。
  
   
  
 白1-白5，就像是天仙化人，在黑空中泛起凌波微步，翩翩舞蹈。
  
 姑且从美观角度而言，白1从六路这样飞起，如此飘逸行棋，以前谁人能之？
  
 
  
  
 絮叨了这么多，都是图，都是技术活，还请大家感受一番。
  
 欢迎各路道友评论切磋！
  
 阿尔法狗能战胜人类的原因，是主要阿尔法狗跟以前普通的围棋软件不一样。以前的围棋软件是把所有的围棋棋谱输入。然后所有的方法就在这些棋谱里面去选择对比。也就是说人类是绰绰有余，可以战胜普通的围棋软件。
  
 阿尔法狗最奇特的一点是，他具备学习性。他跟李世石在下的时候。李世石当天晚上最多只能复盘今天的比赛。或者再复盘一两盘棋。而阿尔法狗可以复盘上千万盘棋。同时它具备自己的修复功能。也就是他能够学习李世石的下法。优化李世石的下法。理论上只要人类跟他下一盘。基本上人类是没有赢的机会了。所以它最恐怖的一点是具备了这种学习性。
  
 阿尔法狗更恐怖的一点是。以前人类自已引以为豪的是在模糊地带的算法。因为模糊地带的算法涉及到价值的取舍。而这种价值的取舍是以前普通的围棋软件所无法达到的。但AlphaGo通过自己的学习，把这种价值的取舍发挥到淋漓尽致。只有在价值的取舍才是比方法更加恐怖的。也更加有意义性的。所以人类下不过阿尔法狗是非常正常的。一般阿尔法狗进入它的计算模式的时候，人类是无法可比的。
  
 AI的问世是围棋 历史 上一大革命性的变化，前两次应该是废除座子制和新布局革命。AI给现代围棋带来了许多颠覆性的变化，让人类棋手对围棋有了一个全新的认识，原来围棋还可以这么下。AI的出现，扩大了围棋的变数，增加了围棋的变量，让本来浩如烟海的围棋变化量更加复杂。
  
 AI带来的变化虽多，但国家围棋队棋手们总结出来它们的三大秘技是：肩冲、碰、脱先。
  
 图一是2016年首次“人机大战”第二局时AlphaGo使出的一着五路肩冲（黑37），石破天惊！这手棋为什么要选择在五路肩冲，与之后的着法有什么必然关系，不得而知。肩冲通常用于侵消或者攻击，但在此局面下，黑棋这手肩冲既不是侵消，也不是借劲攻击，所以格外令人吃惊。
  
   
  
 图二，还是这局棋，阿尔法狗在右边盘五路肩冲过后，待白 飞起时，按理说黑棋不能置之不理，但实战黑1还真脱先不理！阿尔法狗认为在右边盘交换两手已经便宜，没必要继续在此着子。作为人类棋手，能理解这样的下法吗？
  
   
  
 图三，阿尔法狗白2碰黑棋无忧角的着法对人类棋手是一大考验，因为按照传统围棋理论，白2碰这样的着法是撞实了黑棋无忧角，而白棋本身并不厚。但实战阿尔法狗就是这样进行的，李世石黑7抢攻，被白8扇上去后，黑棋不利。所以，后来当白6拐时，黑棋一般都在8位挺头。
  
   
  
 有兴趣的棋友不妨继续找找类似阿尔法狗的肩冲、碰、脱先等给人类棋手带来眼睛一亮的诸多着法。从更广阔的角度来说，AI的出现，让围棋变得更有趣，让人类 探索 的棋盘空间更辽阔。也许，破解未来围棋奥秘的钥匙，在于AI。
  
 阿尔法狗下的围棋不能说是艺术的，只能说是计算上面的成功。阿尔法狗下的围棋，是电脑经过既周密的计算后，从几百个方案中找出其中一个最好的下法，来打败人类。当阿尔法狗击败人类以后，世界开始躁动不安了。人们的担心是有理由的，这个人工智能电脑实在太可怕了，一旦电脑可以自行开发自己的智慧，一旦拥有自由行动力，给人类自己带来的灾难，可能是毁灭性的。
    
  
  
 阿尔法在围棋上的布局和行棋方式，既谈不上有中国古代坐子布局艺术之美，也谈不上近现代的日本主流围棋界流行的围棋优雅畅快的美感。又比如藤泽秀行的围棋美学，又比如武宫正树的宇宙流，又比如中国的超级棋圣吴清源的新定式和黑白布局以及他的棋谱，这些都是流传千古的。但是没有听说阿尔法狗在围棋上创造了什么美学流派，人们只是说阿尔法狗的“吃相”非常难看，更谈不上艺术，阿尔法狗是不是要把围棋艺术都毁掉了。这个也不能怪阿尔法狗，因为阿尔法狗毕竟是一个机器嘛。
    
  
  
 围棋流派有大家耳熟能详的，如：武宫正树的宇宙流，出应日本棋手的中国流，打破传统行棋的韩国流，以及传说中的僵尸流等等，曾经出现过无数个流派和时代的代表人物。
  
 围棋是全世界最深奥的一种棋类。它有定式、序盘布局、中盘形势判断、终盘胜负断定等词语，还有倒脱靴、打二还一、大飞、跳、尖、征子、打劫、下立等等术语。最出名的术语就是那个“盲点”。
  
 “盲点”这个术语最先出现于围棋。“盲点”是指在围棋中容易出现的，如果出现在自己这一方就变成了漏洞、危机；如果被对方发现，就会变成对方的妙手。盲点对下棋双方来说谁先抓到了谁，就可能得到了攻击对方要害的重要的一步棋。 之所以称之为盲点，是因为此时此刻的当局者迷，根本看不到这一步。 
  
   
  
  
 “盲点”是所有围棋高手都害怕的，因为棋手的时间有限，算路正确与否都有自己的局限性，所以就会产生这个盲点的这个漏洞。如果盲点出在自己的棋上，一旦被对手抓住，自己几乎可能就是一败涂地的。往往盲点是产生胜利或者失败的主要原因。在实战中如果自己没有发现盲点，而让对手抓住了机会，这就成了棋手一生的痛。
  
 在围棋界中，盲点每每出现时，一个棋手可能就会把一盘输掉了，他输掉的不仅仅是一盘棋，甚至搭上了他的名誉，甚至还有一大笔钱财。盲点是无论这个棋手是棋圣也好，是普通的人也好，只要暗藏在他的棋面上，他就会担心，他就会害怕。因为他并不知道哪一交叉点是真正的陷阱，等着他的陷入困难的窘境。
    
  
  
 人们在日常生活中说“盲点”、“盲点”，说的很轻松，可是在围棋大师们面前这个盲点是很有分量的。即便是计算能力十分强悍的阿尔法狗Alpha  Go也出现了盲点，输给了Alpha   Zero。这个盲点是阿尔法狗Alpha  Go唯一的一盘输棋。只不过目前阿尔法狗不可能创造出唯美的围棋艺术来。以后会怎样，自己就不好估计了。
  
 围棋还是应该回到人类的生活中，不应该属于机器和电脑的。当初设计这个围棋的时候，古代的中国人是很有智慧的，也许可能就没有想让电脑来参与进来。这些冷冰冰的怪物，只知道计算，不知道艺术。但是，人们对它的防范之心，不可以丢失。人工智能一旦被人类忽视而成为一个盲点，最终付出的代价可能就是整个人类自己的命运。
  
 文/心智无碍   畅游虚空
  
 图/来源于网络
  
 围棋是中国人发明的，距今有4300多年的 历史 ，是举世公认的智慧 游戏 的顶峰。人工智能(Ai)突破是划时代的事件。它基于深度学习的能力，突破了人类几千年积累的围棋已有知识和经验，具有革命性的变革。它强大的计算能力，人类无法超越，它只论输赢，攻杀几乎不出错，但它缺乏人类下棋的 情感 ，只是冷冰冰无比残酷的精准，很多着法不可思议，吃相难看，但确实管用，围棋人很困惑。AI的深度使围棋更加深奥，目前对围棋的认知我认为还很浅，将来更高级的两台机器的不断对决升华也许有一天能全部了解围棋的奥秘，人类自身看来是没希望了，但机器是人类掌握的，仍然是人类的胜利！
  
 阿尔法及其后续版本的围棋已经不是人类能够理解的了。人类大脑的计算能力还是有限的而且，一直以来，人类的围棋都是在进行有限的计算，实在计算不出来的时候，就以以前某一局棋的情况了大致估计，而人工智能则是直接触及围棋的精髓-围空的大小，他利用人工智能的超强算力通过图片对比来得出下发的优劣，类似五路肩冲六路小飞的棋，当年的宇宙流武宫正树不是没有尝试过，但是由于人的计算能力所限，鲜有成功的案例，但是人工智能则不同。
  
 现在人工智能走出了开路点三三，高路肩冲，很多棋手都开始学，但是效果未必好。人类开始还回归到围棋的本源，用人类的思维来下棋，模仿人工智能未必有出路
  
 说一好玩的你们分柝下。
  
 刚刚AL pH go出道，赢了个五段(姓名忘了)围棋界闹翻了天，都言此五段怎么输给了机器！真乃人类的败类，后此电脑挑了李世石五番棋决战，第三盘小李子头脑突然来电，一挖，阿法狗开始发神经，输了。高手解说这狗还是有弱点,,,,云云，到第四盘阿法狗下的还是高手无法理解的棋，但形势不错，解说改称阿法狗老师了。到最后一盘几大高手解说又改称呼叫阿老师了，有个狗做老师总觉别扭。后来与柯渣决战，打得大侠怀疑人生，独自会哭起来，输个精光，另外称呼改为阿法G O了，现也此称呼。
  
 你说厉害乎！
  
 再多说几句，现阿法狗把DNA奉献出来，中，日，韩及台湾的小狗们都生出来了，子孙一大堆。阿法狗现己退出江湖，下一辈己跃上大大师级，现世界顶级围棋高手仅对国内的绝艺(儿子辈)己无可奈何，更不用说其师傅了！
  
 阿尔法狗的所有下法，人类都能理解，只是需要时间而已。
  
 开局点三三，肩冲五路，开局二路爬，二路飞，等等开始看起来不能接受的下法，现在已经变成了必然的下法。
  
 人类的观念是能变的，不能理解只是因为执着于过往的陈旧观念，阿尔法狗多次吊打人类之后，其招法自然就会有人开始寻找其合理性，获得认同。
  
 现在已经几户没有高手去质疑狗子的下法，更多的是 探索 狗子不走寻常路下法的合理性，以及自己过去常规下法是否合理。
  
 总之，在建立了阿尔法狗的下法就是标准答案的观念下，没有无法理解的，人类总会找到合理的解释。
  
 其实 和人的差别最大的地方就是取舍。人类总喜欢保留，而 为了目的总采取最直接的方式。其次就是人类计算能力有限，算不清的往往是去避免，而 总能看得清！
  
 主要是一些很奇妙的脱先处理吧。

5. 阿尔法狗围棋上战胜人类为什么会造成恐慌呢？

6. 阿尔法狗打败第一位围棋冠军是谁

您好[开心]，阿法狗打败的第一位围棋冠军是韩国棋手李世石【摘要】
阿尔法狗打败第一位围棋冠军是谁【提问】
您好[开心]，阿法狗打败的第一位围棋冠军是韩国棋手李世石【回答】
相关信息：
2016年3月，AlphaGo和围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜【回答】
值得一提的是，在2016年12月，李世石以3比1的比分击败了阿尔法狗，这也是人类目前唯一一次击败阿尔法狗的记录哦[吃鲸]【回答】

7. 阿尔法围棋后你能想到一个什么问题值得人类深思？

柯洁对战阿尔法狗这件人类与人工智能机器之间的对弈。让我们见识到人工智能的强大，人工智能的发展让我们感到震惊同时也让很多人感到恐慌。
      因为人工智能能够与人比赛，说明人工智能机器人可以像人一样的运作，甚至比人还聪明那人们的问题就集中向“人工智能能不能取代人类？”
      人们产生了这样的恐慌，随之有很多电影的题材就是人工智能与机器人，“人工智能机器人与人类大战”“人工智能机器人去来人类”等等的电影。霍金也曾经预言“人工智能机器人可以取代人类只是实践的问题”但是他的预言真的能够实现吗？人工智能机器人真的能够代替人类吗？这个问题值得深思

8. 中国院士：阿尔法狗会下围棋有什么了不起

中国工程院院士、中国数字通信权威专家邬贺铨在接受团猪采访时强调，真正的智能制造不是简单地用机器去替代人，而是要让机器生产比人做的更好。
人工智能能不能相互配合踢足球？
对于人工智能的突飞猛进，邬贺铨则说，阿尔法狗的优势在于它通过自我对弈，产生了3000万盘围棋棋股，阿尔法狗胜出是注定的，因为它也有深入的研究了这个系统。围棋虽然说每一步都有很多走法，但是规则性是很明显的，阿尔法狗实际上是重建了很多的可能性，所以它战胜李世石不足为奇。个人的智商要去对付阿尔法狗，阿尔法狗实际上是一个集体智慧的结晶，显然是有困难的。即使柯洁能赢了，那只能说明阿尔法狗还有很多可以改进的地方。
“我也曾经跟谷歌研究技术管理的一个高管说过，我说你下围棋下赢李世石不算什么了不起，他说什么才算了不起？我说你能不能组织11个人组成的机器人足球队，什么时候出现皇马了那说明就成功了，因为人工智能一个人好办，11个人配合起来就不好办。足球尽管有规则，可是每一脚踢到哪里是没有规则的，这里面有很多变数。”