本次比賽用時每方2小時，1分鐘讀秒三次,。比賽采用中國規(guī)則,，黑貼3又3/4子(黑貼7目半),。采用中國規(guī)則是因Alpha GO以中國規(guī)則為基礎(chǔ)開發(fā)。

比賽采用5局3勝制,，最終比賽獲勝方將獲得獎金100萬美元,。如果AlphaGo獲勝，獎金將捐贈給聯(lián)合國兒童基金會(UNICEF),，STEM教育,，以及圍棋慈善機構(gòu)(Go Charity)。

AlphaGo開發(fā)者DeepMind公司在今年1月的學術(shù)雜志《Nature》刊登封面文章,，展示了圍棋人工智能領(lǐng)域突破性進展的詳細情況,。這次對弈中，坐在李世石對面正是《Nature》封面文章作者之一黃士杰(Aja Huang),，他本人來代替AlphaGo在棋盤上落子,。AlphaGo一方的旗幟是英國國旗，因為這次參賽的谷歌圍棋程序AlphaGo來自英國人工智能公司DeepMind,。

谷歌AlphaGo在第一次與世界頂尖圍棋手的較量中取得勝利,，這是人工智能發(fā)展史上重要的里程碑，代表人工智能已經(jīng)能在諸如圍棋等高度復雜的項目中發(fā)揮出超過人類的作用,。

AlphaGo與李世石對戰(zhàn)棋譜(李世石執(zhí)黑)　　一般來說,，現(xiàn)在的職業(yè)圍棋高手喜歡下白棋，但李世石有些出人意料地第一盤選擇了執(zhí)黑先行,。很快李世石給出了理由,，黑棋布局走出了一個新型，阿爾法的應(yīng)對不佳,，有些虧損,。李世石顯然研究了電腦圍棋的理論，得出了電腦在布局階段不太擅長應(yīng)對新型的推論,，棋局的進行證明了這一點,，李世石有備而來。

不過圍棋決定勝負的往往是中盤階段,，阿爾法似乎也“意識”到了自己形勢不佳,，之后的下法選擇得非常強硬，雙方早早就展開了接觸戰(zhàn),。電腦的下法令觀戰(zhàn)的職業(yè)棋手目瞪口呆,，幾乎招招都是最佳應(yīng)對。好在戰(zhàn)斗也是李世石的強項,，雙方就像武林高手,，猛對幾掌，然后各自退了好幾步,。

不過在第一個戰(zhàn)役結(jié)束之后,，電腦的選擇令人費解。正常高手,，對掌之后,，總要運氣緩一下，然后再打,，電腦的下法則是直接又撲上來了,。過剛易折，這處的戰(zhàn)役,，李世石抓住機會,，圍住一塊大空。人族代表心里有底了,，電腦雖然在局部戰(zhàn)斗表現(xiàn)出色,，但在大局上似乎不如人類高瞻遠矚。

不過作為人類最大弱點是會受情緒波動的影響,，取得優(yōu)勢后,，李世石的心態(tài)似乎發(fā)生了變化，右下角黑棋下得太過保守,，白棋左右逢源,，角部做活，大龍也及時補棋,，黑棋一無所得,，此前的優(yōu)勢消失殆盡。各路講解的職業(yè)棋手判斷也出現(xiàn)了分歧,，不過隨著棋局進入官子階段,，大家發(fā)現(xiàn)李世石其實敗局已定。

最終李世石投子認負,，表情上看上去不是很痛苦,，不知是不是找到了電腦的弱點?

谷歌為何要做人工智能圍棋程序AlphaGo

谷歌并不只是想做一個棋類程序，而是想做一個通用的智能計算系統(tǒng),。如果解決了圍棋問題,，谷歌希望能把這套人工智能算法用于災害預測、風險控制,、醫(yī)療健康和機器人等復雜領(lǐng)域,。也就是說谷歌的目的還是為了更好的服務(wù)人類，沒有任何惡意,。DeepMind(AlphaGo的研究公司)創(chuàng)始人哈薩比斯說：公眾對人工智能的警示掩蓋了人工智能帶來的幫助,。距離人腦水平的人工智能仍然相當遙遠，可能還需要幾十年,。

在昨天的賽前發(fā)布會上,，谷歌董事長施密特表示,，輸贏都是人類的勝利。因為正是人類的努力才讓人工智能有了現(xiàn)在的突破,。

但并不是所有人都會對人工智能持樂觀態(tài)度,。諸如特斯拉CEO馬斯克、理論物理學家霍金等科技界的名人就對此產(chǎn)生了擔憂,。

圍棋復雜度超過宇宙原子總數(shù)

圍棋棋盤橫豎各有19條線,，共有361個落子點，雙方交替落子,，這意味著圍棋總共可能有10^171(1后面有171個零)種可能性,。這個數(shù)字到底有多大，你可能沒有感覺,。我們可以告訴你,，宇宙中的原子總數(shù)是10^80(1后面80個零)，即使窮盡整個宇宙的物質(zhì)也不能存下圍棋的所有可能性,。

19年前,，IBM公司的“深藍”計算機戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，引起了巨大轟動,。但是因圍棋的復雜度,，直到近期，人類才在圍棋人工智能項目上取得重大突破,。

由于圍棋的可能性如此之多,，根本就沒有什么套路可言。下贏圍棋的唯一的辦法就是讓電腦也學會“學習”,，而不是死記硬背,。為了在圍棋上戰(zhàn)勝人類，硅谷的兩家科技公司——Facebook和谷歌開始研究,，希望有朝一日能讓計算機戰(zhàn)勝人類圍棋冠軍,。

李世石簡介

李世石與AlphaGo對弈　　李世石是李昌鎬之后，韓國最具代表性的棋手,，他在2003年獲第16屆富士通杯冠軍后升為九段棋手,。自2002年加冕富士通杯以來，十年時間里他共獲18個世界冠軍,。李世石屬于典型的力戰(zhàn)型棋風,，善于敏銳地抓住對手的弱處主動出擊，以強大的力量擊垮對手,，他的攻擊可以用“穩(wěn),，準，狠”來形容,，經(jīng)常能在劣勢下完成逆轉(zhuǎn),。

AlphaGo去年10月?lián)魯W洲冠軍

谷歌曾于2014年以4億歐元收購人工智能公司DeepMind,。由DeepMind研發(fā)的AlphaGo項目已有兩年歷史，AlphaGo曾在去年戰(zhàn)勝了歐洲圍棋冠軍樊麾(職業(yè)二段),。

去年10月5日-10月9日,，谷歌AlphaGo在比賽中以5：0的比分完勝了歐洲冠軍。除了戰(zhàn)勝人類外,，AlphaGo還與其他的圍棋程序?qū)?zhàn)，獲得了500場勝利,。

AlphaGo原理簡介

傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹 ,，但這種方法對圍棋并不適用。此次谷歌推出的AlphaGo,，將高級搜索樹與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起,。這些神經(jīng)網(wǎng)絡(luò)通過12個處理層傳遞對棋盤的描述，處理層則包含數(shù)百萬個類似于神經(jīng)的連接點,。

其中一個神經(jīng)網(wǎng)絡(luò)“決策網(wǎng)絡(luò)”(policy network)負責選擇下一步走法,，另一個神經(jīng)網(wǎng)絡(luò)“值網(wǎng)絡(luò)”(“value network)則預測比賽勝利方。谷歌方面用人類圍棋高手的三千萬步圍棋走法訓練神經(jīng)網(wǎng)絡(luò),，與此同時,，AlphaGo也自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò)之間運行了數(shù)千局圍棋,，利用反復試驗調(diào)整連接點,，這個流程也稱為鞏固學習(reinforcement learning)，通過廣泛使用Google云平臺,，完成了大量研究工作,。

AlphaGo在與人的對弈中用了“兩個大腦”來解決問題：“決策網(wǎng)絡(luò)”和“值網(wǎng)絡(luò)”。通俗來說就是,，一個大腦用來決策當前應(yīng)該如何落子,，另一個大腦來預測比賽最終的勝利方。

值得一提的是,，李世石也是第一次與機器對戰(zhàn),，所以他無法像和人類對戰(zhàn)那樣，先研究對方的棋譜和下棋風格,。李世石所能做的就是和自己對弈,。谷歌AlphaGo也是通過這種方式鍛煉自己，真正做到了“人工智能”,。(邊策 周游)