隨著以60:0的顯眼戰(zhàn)績結(jié)束而告落幕，本被眾人以為是一代“隱居”高人的圍棋圣手Master最終被谷歌DeepMind發(fā)布公告揭露，公告正式承認，網(wǎng)絡(luò)賬號Master（之前叫Magister）背后正是AI機器人AlphaGO。在感嘆驚訝之前先讓我們先數(shù)數(shù)在這長達六十場競技較量時Master所遇到的那些對手吧，韓國世界冠軍樸廷桓、中國圍棋職業(yè)九段棋手，世界上最年輕的圍棋三冠王柯潔，中國著名圍棋九段棋手常昊以及大名鼎鼎的“棋圣”聶衛(wèi)平等。
2016年3月15日，韓國棋手李世石九段（前右）在韓國首爾與“阿爾法圍棋”的第五場對弈中
再談起這輪轟動世界的人力與“腦”力較量的時候，就不得不談?wù)勀菆?016年初的一則熱點新聞，從3月9日起，作為人類圍棋最高水準代表的李世石與谷歌計算機圍棋程序“阿爾法圍棋”（AlphaGo）進行圍棋人機大戰(zhàn)。至3月15日，李世石不敵人工智能“阿爾法圍棋”，以總比分1:4落敗。
結(jié)局已是注定，隨著古力無奈的投子認輸，神秘棋手Master最終以60勝0負1平的戰(zhàn)績橫掃人類，隨著這一輪測驗性質(zhì)般的，圍繞中日韓三國最頂尖棋手的輪番挑戰(zhàn)，被稱為人類智力最頂上那頂“皇冠”的圍棋最后還是被人類所創(chuàng)造出來的人工智能拿走了。
中國取得世界冠軍次數(shù)最多的古力
1.世界上最復(fù)雜的棋盤游戲
圍棋起源時間為大約公元前6世紀。經(jīng)過千年的傳播流行于亞太，以至現(xiàn)在已覆蓋世界范圍，說起圍棋，人們的腦海里立刻會浮現(xiàn)出一幕幕古人賢士在棋盤前對壘的場景，而與圍棋有關(guān)的歷史典故也是數(shù)不勝數(shù)，可以這樣說，但凡有人能在圍棋領(lǐng)域內(nèi)有所成就，被大家所公認的高手，那么在社會上也是會被諸多美譽所環(huán)繞。經(jīng)歷歲月沉淀，圍棋這項運動，在文化上已經(jīng)被視為“智慧”的代名詞。
“圍棋具有巨大的狀態(tài)空間復(fù)雜度和博弈樹復(fù)雜度，又在本質(zhì)上無法做準確的靜態(tài)盤面評估”，這使得即使采樣樣本足夠大，也有力所不逮之處。北京郵電大學教授、計算機圍棋研究所所長劉知青用以下一組數(shù)據(jù)來說明：狀態(tài)空間復(fù)雜度（用于搜索），圍棋是10的172次方，中國象棋、國際象棋分別是10的48次方、46次 方；博弈樹復(fù)雜度（用于決策），圍棋是10的300次方，中國象棋、國際象棋分別是10的150次方、10的123次方。
另一重復(fù)雜是圍 棋落子選點無法驗證。一手棋有多大價值，數(shù)學證明，或搜索驗證，都難以勝任。“分析圍棋棋子位置，數(shù)目的多少，以及棋子之間的靜態(tài)關(guān)系（例如影響函數(shù)）， 無法完整、準確地評判圍棋棋子的作用和最終死活；圍棋棋子的作用和最終死活必須由博弈的具體進程決定”。①
2.AlphaGo的前世今生
阿爾法圍棋（AlphaGo）是一款圍棋人工智能程序。其主要工作原理是“深度學習”。“深度學習”是指多層的人工神經(jīng)網(wǎng)絡(luò)和訓練它的方法。一層神經(jīng)網(wǎng)絡(luò)會把大量矩陣數(shù)字作為輸入，通過非線性激活方法取權(quán)重，再產(chǎn)生另一個數(shù)據(jù)集合作為輸出。這就像生物神經(jīng)大腦的工作機理一樣，通過合適的矩陣數(shù)量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡(luò)“大腦”進行精準復(fù)雜的處理，就像人們識別物體標注圖片一樣。②
DeepMind創(chuàng)始人Demis Hassabis
做為一個神經(jīng)科學家、電腦科學家和國際象棋神童。 2010 年，Demis Hassabis與 Shane Legg、Mustafa Suleyman 共同創(chuàng)辦了 DeepMind。他們在DeepMind 官網(wǎng)首頁寫下了公司創(chuàng)立的宗旨：“解構(gòu)智慧，用它來讓世界更好。”
AlphaGo，就是 DeepMind公司 跨入 AI 領(lǐng)域的重要一步，就是這一步，讓世界矚目，也讓更多的人開始了解人工智能，到底離我們還有多遠！
沒有人會用6.5億美金單純的創(chuàng)造一個會下圍棋的機器人，盡管這方面的成就確實十分巨大，在Demis Hassabis眼里，這些都是生意，創(chuàng)造出來的工具只是為了讓人們在一些領(lǐng)域內(nèi)更好的去生活，幫助更多的人解決麻煩事，自從2014年1月，谷歌斥資4億美元收購DeepMind以來。深度學習和神經(jīng)網(wǎng)絡(luò)已經(jīng)是谷歌DeepMind實驗室研究的重中之重。AlphaGo和那些只會下棋的機器人相比，它不是被設(shè)計出來專門下圍棋的，它是來“學習”下棋的——這是一個有著“深度學習”功能的機器人，它的使命在于模仿人類的思維進行學習。
即使是在圍棋方面已經(jīng)“臻至圓滿”，但這一點也沒妨礙DeepMind前進的步伐，現(xiàn)在的AlphaGo只會下圍棋，但是通過學習模仿，未來能在唱歌，跳舞，甚至寫作，作畫方面達到極高的成就也未可知，現(xiàn)在的AlphaGo只是一個雛形，通過它，我們能隱約窺見人工智能未來的走向。
2016年9月，谷歌旗下的人工智能公司DeepMind取得突破。繼AlphaGo贏了人類棋手后，他們研制出能夠生成模仿人類語音的系統(tǒng)，該系統(tǒng)讓機器說話與人類說話之間的差距縮小50%，DeepMind將該系統(tǒng)命名為Wavenet。
2016年10月14日，DeepMind開發(fā)出一款能夠用自己的記憶學習新知識并利用這些知識來回答問題的計算機。
3.恐懼
對于人工智能的恐懼由來已久，從早一些的影視作品《異形》，《終結(jié)者》，《銀翼殺手》到近些年的《我是誰》，《黑客帝國》等，無不是對于未來科技發(fā)展，機器人反向操縱人類，造成人類社會實質(zhì)上的滅亡的擔憂。
“一旦具有自主行為能力的機器人在戰(zhàn)場上使用，將對未來戰(zhàn)爭帶來極大的不確定性。如果當前法規(guī)不能防患于未然，則將使未來戰(zhàn)爭后果和責任判定等一系列關(guān)鍵問題成為無法可依的真空地帶。屆時再談立法問題，必將受到利益相關(guān)方的阻撓，從而無法形成具有通行約束力的法規(guī)。這將是人類無法想象的災(zāi)難?！眹揽萍即髮W副教授石海明表示。
在過去的一年中，超過1000位科學家與機器人專家——包括史蒂芬·霍金、特斯拉CEO艾隆·馬斯克和作為蘋果創(chuàng)始人之一的史蒂夫·沃茲尼亞克——紛紛發(fā)出警告，他們認為人工智能武器在現(xiàn)代科技條件下只需數(shù)年便可以發(fā)明出來，而由沒有情感，同時又能精準控制，使用武器的電腦來操控，無疑會在未來的戰(zhàn)場上使傷亡最大化，這對于血肉之軀的人類來說不吝是最大的噩耗。
在一份公開信中，他們表示，如果任何軍事大國推動這種武器的開發(fā)，那么“全球范圍的軍備競賽將無可避免……而且這種武器將會成為未來的AK-47突擊步槍。”在對人工智能武器系統(tǒng)的擔憂中，核心的憂慮是這有可能導(dǎo)致人類失去對武器使用的壟斷權(quán)。
如果這種擔憂變成現(xiàn)實，那么再沒有任何的救世主和“英雄”能將我們解救，畢竟，影視中的Hero只是一種理想化的寄托，不適用于殘酷的現(xiàn)實。
4.未來
未來未可期，不論人工智能在不遠的將來，甚至在我們有生之年可以看到的時間內(nèi)是不是能發(fā)展到一種極高的程度，從而使人類對人工智能產(chǎn)生極高的依賴。我們都應(yīng)該對這種未來的發(fā)展趨勢有一個明確的意識，從瓦特改良蒸汽機以來，人類走上了機械化的道路，近兩百年以來發(fā)展已經(jīng)超越以往所有的人類歷史的疊加。
而信息化使得這種發(fā)展速度更進一步，可以這樣說，如果沒有借助外物通過人類智慧的發(fā)明和生產(chǎn)力的改進，孱弱的人類或許早已泯沒在地球歷史中，被一些身軀龐大，嗜血野蠻的物種所代替。進化之路是如此的艱辛，以致走錯一步便可能有滅種之災(zāi)，與我們血緣最親近的黑猩猩與我們的祖先便是走向了不同的方向，但發(fā)展至今，已經(jīng)天地懸殊。
所以，在前進的道路上我們需慎之又慎，這是十分必要的，但也不能只為了一些擔憂而就此斷絕步伐，人工智能在可見的時間內(nèi)對人類是有益處的，對于它未來的發(fā)展利弊，不是幾個人就能說的明的，它需要的是全人類的智慧來進行決斷，所以，時常想想我們，或者是我們子孫后代的生活，會是一個怎樣的未來？
①計算機圍棋戰(zhàn)勝人類頂尖 20年還是100年？http://sports.sina.com.cn/go/2015-11-16/doc-ifxksqis4879475.shtml
②阿爾法圍棋——百度百科http://baike.baidu.com/link?url=buOUAqbLaO4d_dxwXuxtCaw1rildWeIYyL_cJ1vk1n9EmwFB5I0jQCpHKDibG3CA8T7OsFoEiMQ9TR3M_m0CWsv2ZjefWRRiDtW6xGptpIlc-x0cHJmdB2nXgKrpvxNHdqPc-a42Q_YUTf37-EdndOnLyEs6Q9hW9J1CKAZ23YMifJXzctHemidgc3b6XXb1
