揭秘世界圍棋第一人柯潔，同AlphaGO的「差距」！

歲月如棋盤，光陰是棋子，棋子越下越少，日子越過越薄。明日如空山煙雨，不可預知，最終的結果，要涉過千江水月，方能抵達。我們只是寂寞的棋手，以為能守住棋子，就可以看清人間黑白，能掌握世事命運。卻不知，山高水長，走過的每一條路，叫不歸。

在傳統文化中，圍棋亦代表著人生的格局；遊戲的成功在於，它證明為了取得勝利，必須生存，同時也必須讓對手神棍。過於貪心的人將失去對手：這是一個平衡而又微妙的遊戲，一方面得到勝利，另一方面卻不要打垮對方。歸根結底，生與死只是構建得好與壞的結果。汝生，汝死，皆是果。優邁體育則認為，圍棋的境界就在於，不管棋藝的高低，也不管是輸是贏，以一種悠然自得的心態享受圍棋的樂趣，這便是「不得貪勝」的境界。

柯潔與AlphaGO的比賽兩連敗，也讓一些人對人工智慧產生了擔憂，人工智慧會不會如霍金先生所說，將擁有無限的發展可能性？

我們知道，柯潔作為世界圍棋第一人，無論是從心態和技巧來說都是沒話說的，但是他為何2次都會輸給人工智慧阿爾法狗？人工智慧的本質是計算機，它所有的行為都是通過計算機系統高速運算的結果，他們會用概率篩選出最優的答案，並立即做出選擇。而柯潔是一位繼承了傳統圍棋風格的選手，圍棋講究觀大局，有些小的漏洞可以先捨棄進而保全整個大局的穩定，向我們展示的是一種「格局觀」，是選手和選手之間，對於人生態度、處事風格、圍棋技巧等多方面的考量。面對冰冷、沒有情感的機器人，可以說就是遇見了一個不按套路出牌的人，阿爾法狗只是會通過運算和在晶元中錄入的一些圍棋知識進行判斷，可以做到每一步都是最優解，百密無一疏，步步緊逼，不留一絲一毫的迴旋餘地。

AlphaGo是一款圍棋人工智慧程序。

它主要的工作原理是「深度學習」。指多層的人工神經網路和訓練它的方法，一層神經網路會把大量矩陣數字作為輸入，通過非線性激活方法取權重，再產生另一個數據集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織鏈接一起，形成神經網路「大腦」進行精準複雜的處理，就像人們識別物體標註圖片一樣。

阿爾法圍棋用到了很多新技術，如神經網路、深度學習、蒙特卡洛樹搜索法等，使其實力有了實質性飛躍。美國臉書公司「黑暗森林」圍棋軟體的開發者田淵棟曾發表分析文章說：「阿爾法圍棋系統主要由幾個部分組成：

一、走棋網路（Policy Network），給定當前局面，預測/採樣下一步的走棋；

二、快速走子（Fast rollout），目標和走棋網路一樣，但在適當犧牲走棋質量的條件下，速度要比走棋網路快1000倍；

三、估值網路（Value Network），給定當前局面，估計是白勝還是黑勝；

四、蒙特卡洛樹搜索（Monte Carlo Tree Search），把以上這三個部分連起來，形成一個完整的系統。」

所以，柯潔和阿爾法狗之間的比賽，無關乎人情和方寸之間迴旋又緊逼的精彩，而在於輸贏，找到阿爾法狗的弱點，或逼出弱點。去年李世石在第4局中發現了「阿法狗」一個弱點並贏局，雖然事後證明李世石這一手本身並不成立，但能逼出「阿法狗」失誤就是成功點。

科學家表示：雖然阿爾法狗屢次戰勝圍棋大師，但目前深度學習人工智慧技術還遠不能與人腦相比。阿爾法需要從人類棋譜中學習，因為被創造后大部分的學習材料都來自於自我對弈的棋譜。但為了測試它所學的，就必須和世界上最優秀的棋手對弈。與柯潔比賽的這個「阿法狗」比上一個版本大幅減少了對人類棋譜的依賴。這樣做的目標之一就是讓它變得更為通用，從而能被應用在圍棋以外的領域上，而最後的結果會不會是阿爾法狗變得更強，更穩定了？