承德围棋故事第一千四百六十章、人机二战（3）(1/2)

o一战成名，也为人工智能做了最好的宣传。

从此，人工智能成为妇孺皆知的热点话题。

早在20世纪的深蓝超级计算机已经战胜了国际象棋世界冠军。

但是相比围棋，国际象棋或跳棋等游戏就显得小儿科。

围棋棋盘上的可能性是个天文数字，据推测和已知宇宙中原子数量相当，这导致围棋无法预测，也无法蛮力解决。

o的训练数据来人类的围棋数据，通过学习数百万场次的比赛，学会了其中的技术，甚至还创造了人类从未用过的招式。

青出于蓝而胜于蓝，徒弟碾压老师，单这一点就令人印象深刻。

然而，很多人不知道的是，o战胜柯洁几个月后，就被全新的人工智能ro击败。

比分不是30。

更让人l完全没有依赖人类的数据，而是自己和自己对弈，基于最基本的原则，通过了短短几天的时间，就完全超过了自己的前辈o。

人工智能学会了在没有和人类互动的情况下，可以自己制定策略然后用这些策略就能打败人类。

这意味着围棋的非人类知识要比人类知识多得多。

人工智能的威力如果推广到其他领域呢？人类是否还能把控局面？

3、打败柯洁只要半天，可教会o下围棋却要20年！

最近炒得沸沸扬扬的”柯洁o“的新闻你们可能都看腻了。

不过据我所知，人机大战并不是什么新鲜事，在柯洁之前，不，在围棋之前，已经有ai在棋类竞赛中大败人类的黑历史了。

说到对思维有益的游戏，很多人都会想到下棋，国际象棋是西方人的最爱，而围棋则是我们值得骄傲的国粹。

但从ai的角度来看，围棋可比象棋要难得多。

早在1i战胜了象棋大师，当时出战的是ibm研发的“深蓝”，击败了俄罗斯国际象棋特级v。

在那之后又过了将近20年（在技术领域这几乎就等于一万年！），到了2016年，ai才开始在围棋领域战胜了人类大师。

为什么同样是棋类，教ai下围棋就要花将近20年？

只看规则，围棋似乎比象棋简单的多：

围棋只有一种棋子，仅有四条基本规则。

但事实上，围棋的搜索空间比象棋大得多。

下象棋，ai主要依赖挖掘决策树，并尽可能地探索所有可能的走棋组合。

但这个方法对围棋就不可行了，围棋的每一步是在一个19x19的网格中的任意位置落下一个子，棋手每一步有超过200个不同的落子选择，与之对比，象棋棋手平均只有35个选择。

另外通常一局象棋比赛中，棋手大约一共要走40步；而在一局围棋比赛中，每个棋手要走100多步；正因为这样在围棋中使用穷举搜索策略，消耗会成指数增长。

还有，不论是比赛目标，还是评估哪一方在局势上占优，象棋比围棋都更加清晰，在象棋中目标很明确——将军。

有一些简单的启发式算法，可以用来判断目前哪一方胜算更大。

例如，你可能听说过一种计算方法，吃掉卒记一分，马和象算三分等等。

象棋ai就使用这种启发式算法，集中在决策树的某部分开始向下搜索，在围棋中却没有任何启发式算法可以判断目前谁胜算更大。

相比于“深蓝”，o成功的一个主要因素，就是新增了深度学习神经网络，让它可以像人类一样思考，不仅拥有了大局观，还可以下出让人意想不到的妙招。

想想真的挺可怕！

但也别太悲观，ai之所以能战胜人类，也是因为人类教会了它们一个关键性的技术：

深度学习。

目前的人工智能，还是受控于人类的。

可能在悲观者眼中，随着人工智能越来越强大、普及，人类也就面对着越来越大的威胁。

但我不这么看，人工智能的诞生，有很大一部分原因也是为了释放人类的创造力，把人类从重复性的工作中拯救出来。

人工智能的发展，不止在“消灭”工作机会，也在创造工作机会。

国内的，国外的google、face…...几乎所有巨头公司，都在投入自己的ai研究和应用。

与此同时，他们也需要大量能够做ai开发、语音识别、无人车开发、大数据算法的工程师的加入。

这些工作机会，很多都是5年、10年前几乎不存在的。

但让人担忧的是，直到现在，我们的传统教育也还没反应过来，不知道要如何为这些跑得最快的行业领域培养足够的工程人才。

想要跟上时代，学习还是得靠自己。

如果不甘于被人工智能浪潮抛下，想抓住这个机会，成为全球最“潮“的一批工程师，就赶快去学学深度学习吧。

韩国棋手李世石和中国棋手柯洁，一先一后与阿尔法狗及其升级版的两度人机大战，引发巨大轰动与广泛反响。

比之单纯围棋这方面，关于人工智能方面的意义显然重大得多。

但无论职业围棋界还是业余围棋界，人们普遍都不太关心后者，而是更在乎人工智能给围棋本身带来的巨大冲击，以及不可避免的变革。

阿尔法狗就像《三体》里面所说的，对围棋界实施了降维打击；很快就使人们痛苦而无奈地认识到，人类数百年以来积累的围棋知识，竟然大半是错的或者没什么意思的！

这是一场超震撼的颠覆。

更令人倍受打击的，人家谷歌已经“毫不留恋”地