人類和人工智慧的PK最近又進入了一個新的階段，隨著谷歌成功擊敗歐洲圍棋冠軍職業圍棋二段樊麾後，從3月9日開始的為時五天內，“阿爾法圍棋”(AlphaGo)將與世界頂級圍棋選手之一的李世石展開新一輪的人機大戰。
傑米斯Hassabis將公佈比賽的詳細規則。其中傑米斯Hassabis將通過視訊連線現場，李世石則在現場接受提問。
AlphaGo將在3月與世界頂級圍棋選手之一李世石對弈
此前，AlphaGo在沒有任何讓子的情況下以5 0擊敗了歐洲圍棋冠軍職業圍棋二段樊麾，同時也擊敗了目前最好的圍棋程式中99.8%的對手。現在，這場即將在今年3月進行的人工智慧與圍棋高手李世石的對陣：究竟各方勝算幾何?人類智慧能否守住“圍棋”這座堡壘?
勝算幾何?
對於這場對決，李世石信心滿滿。他在一份宣告中表示：“我很榮幸能夠對戰谷歌發明的人工智慧系統。我認為，這將是圍棋史上最重要的一場比賽。因此我接受了挑戰。我很有信心贏得比賽。”
此前，職業二段棋手、圍棋資深教練劉軼一對《第一財經日報》稱，不用擔心，不會那麼容易。不過他所在的朋友圈裡，圍棋職業棋手們眾說紛紜，有些認為不可能，有些認為指日可待，還有聲音是“人類快被自己滅絕了”。
判斷的預測認為，AlphaGo和李世石取勝的可能性為五五開。
而谷歌DeepMind工程總裁德米斯·哈薩比斯(傑米斯Hassabis)則表示：大部分圍棋棋手都認為，李世石的贏面佔優。“他們認為，我們取勝的可能性不到5%，但他們不知道的是，我們的系統有著多大的進步。就在我和你們交談時，這一系統也在進步。”
事實上，AlphaGo在沒有任何讓子的情況下以5 0擊敗了歐洲圍棋冠軍職業圍棋二段樊麾的事情，並非發生在今年1月，而是在去年10月，這意味著AlphaGo在與李世石比賽前，有近5個月的時間進行學習。
而搜狗CEO王小川的判斷則更為大膽。他提出了自己的兩個斷言，斷言一：AlphaGo將會完勝李世石;斷言二：除了圍棋，人工智慧在其他博弈類的封閉遊戲裡也會橫掃一切，完勝人類。
谷歌憑什麼?
在此前，谷歌人工智慧程式AlphaGo是如何擊敗圍棋高手的?
谷歌AlphaGo的研究者大衛· Silver說，AlphaGo系統的關鍵是，將圍棋巨大無比的搜尋空間壓縮到可控的範圍之內。
而為了達到這一目的，AlphaGo系統將最先進的蒙特卡洛樹狀搜尋技術與兩個深層神經網路相結合，每個深層神經網路均包含許多層，每層又包含數以百萬計的神經元一樣的連線。
在AlphaGo兩種不同的神經網路中，“策略網路(策略network)”的作用是預測下一步，並用來將搜尋範圍縮小至最有可能硬起的那些步驟。另一個神經網路“價值網路(value network)”則是用來減少搜尋樹的深度，每走一步估算一次獲勝方，而不是搜尋所有結束棋局的途徑。
上述方法使得AlphaGo的搜尋方式相比之前的方法更人性化。例如，深藍採用強力方法搜尋的棋子位置要比AlphaGo多數千倍。而AlphaGo則相反，它通過想象下完剩餘棋局來對下一步進行預判，如此多次反覆。在上述模擬遊戲中，策略網路提出下一步的智慧建議，而價值網路則對走過的每個位置進行評估。
具體而言，Google首先採用圍棋專業棋手的3000萬步下法對價值網路進行訓練，直到該網路對人類下法預測準確率達到57%(AlphaGo之前的紀錄是44%)。
但AlphaGo的目標是擊敗水平最高的人類棋手，而不僅僅是模仿他們。為了做到這一點，AlphaGo學會自己發現新策略，通過自身兩個神經網路之間成千上萬的對弈，採用被稱為強化學習的試錯法逐步進行改善。這種方法提高了策略網路的效率，以至於最原始的神經網路(即其中不包含任何樹狀搜尋)可以擊敗最尖端、構建有巨大無比的搜尋樹的圍棋軟體。
這些策略網路又反過來對價值網路進行訓練，採用的還是從自我對弈強化學習的方法。這些價值網路可以對圍棋的任何位置進行評估並預測獲勝方，而人們過去曾認為這個問題太過困難，根本無法實現。
如果在今年3月的對戰中，AlphaGo戰勝李世石，是否意味著人工智慧已經超過人類?
或許還不能如此斷言。但在棋類遊戲之外的領域，這場對決也將引發更多的思考——那些人們曾經以為人工智慧不可能完成的腦力挑戰，是否都將被一一打破?未來人類是否會被人工智慧所取代?相比這些問題，100萬的獎金顯得並不是那麼重要了。
對於這場人類與人工智慧對決感興趣的朋友，屆時可以在YouTube上觀看全程直播(知道你們會翻牆)，最終用的結果如何我們一起來期待吧。
