這又是一個(gè)老生常談的問(wèn)題?；艚?、Tesla創(chuàng )始人伊隆·馬斯克等人不止一次提到人工智能的危急性，甚至直指人類(lèi)會(huì )因此毀滅。
人類(lèi)終將自我毀滅？
只能說(shuō)，李世石輸在狀態(tài)起伏和不熟對手棋路，下面幾盤(pán)有了經(jīng)驗會(huì )好下許多。小編很是期待下一局，當然AlphaGo的強大也確實(shí)讓小編吃了一驚。
可惜，阿爾法狗一直在針對李世石的特點(diǎn)下，厲害在知己知彼且計算能力很強，接下來(lái)兩處右角的戰斗李世石都棋差半招，沒(méi)能壓住白方右側大龍，更沒(méi)能吃掉對方中腹兩子棋筋。最終下到小官子，李世石在盤(pán)面6目左右認輸。
AlphaGo學(xué)習能力逆天
開(kāi)復老師按照這兩個(gè)等級分的兩個(gè)棋手對弈計算，可以得出李世石每盤(pán)的勝算為89%（公式：How to Guide: Converting Elo Differences To Winning Probabilities : chess）。如果對弈一盤(pán)，AlphaGo尚有11%的獲勝的可能性，而整個(gè)比賽五盤(pán)勝出三盤(pán)或更多，AlphaGo就只有1.1%的可能性了。
比賽現場(chǎng)。
李開(kāi)復老師曾在兩者開(kāi)戰前對結果作出預測。（本預測來(lái)自知乎李開(kāi)復老師的回答）
開(kāi)復老師列舉了兩者的Elo（圍棋等級分），阿爾法狗去年年底的頂級分布式版本的Elo是3168。
而李世石的Elo大約是3532（全球圍棋手Elo: Go Ratings ）。
AlphaGo究竟是什么
眾所周知，國際象棋等棋類(lèi)運動(dòng)與圍棋的計算難度完全不是一個(gè)數量級，圍棋棋盤(pán)橫豎各有19條線(xiàn)，共有361個(gè)落子點(diǎn)，雙方交替落子，這意味著(zhù)圍棋總共可能有10^171種可能性。要知道宇宙中的原子總數是10^80，就是說(shuō)即使窮盡整個(gè)宇宙的物質(zhì)也不能存下圍棋的所有可能性?？梢?jiàn)阿爾法狗這次勝利絕對是人工智能史值得紀念的一大步。
附上一個(gè)來(lái)源于網(wǎng)絡(luò )的段子：大家好，我叫李世石，我是一個(gè)來(lái)自韓國的棋手。今天早上出門(mén)前我在網(wǎng)上各大投注點(diǎn)傾盡家財下了巨額賭注買(mǎi)自己輸。大概這就是人類(lèi)比人工智能強的地方。
戰局粗淺分析
谷歌希望能把這套人工智能算法用于醫療健康和機器人等復雜領(lǐng)域，開(kāi)發(fā)目的自然還是為了更好地服務(wù)人類(lèi)，沒(méi)有任何惡意。
示意圖。
看起來(lái)人工智能毫無(wú)勝算?？上?，開(kāi)復老師也提到，這是幾個(gè)月前的AlphaGo，時(shí)至今日或許早已超越了。而結果也正如開(kāi)復老師預測，讓人不得不感嘆阿爾法狗的學(xué)習能力。
在賽前，谷歌董事長(cháng)施密特表示，輸贏(yíng)都是人類(lèi)的勝利。因為這實(shí)際上還是人與人在棋盤(pán)上戰斗廝殺。DeepMind(AlphaGo的研究公司)創(chuàng )始人哈薩比斯說(shuō)：公眾對人工智能的警示掩蓋了人工智能帶來(lái)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。
但至少目前來(lái)講，機器人的人性化與否仍舊是未知的。在情緒化、情欲、世界觀(guān)這類(lèi)的領(lǐng)域，人工智能甚至連基礎都沒(méi)有。小編覺(jué)得，等到哪天阿爾法狗懂得有意輸給李世石的時(shí)候，我們就真的應該害怕了。
開(kāi)局時(shí)，李世石下得十分激進(jìn)，在右上步子很大，而阿爾法狗在跟棋上一直抓著(zhù)不放，不過(guò)李世石很輕松地把上面做活了。李世石功力很深，做活上面之后穩住了自己的大龍，繼而把腹部的薄棋做厚，讓雙方回到了同一起跑線(xiàn)。
AlphaGo由谷歌開(kāi)發(fā)，但谷歌并不只是想做一個(gè)棋類(lèi)程序，，而是一個(gè)通用的智能計算系統。
北京時(shí)間3月9日下午谷歌人工智能AlphaGo與韓國棋手李世石的第一場(chǎng)比賽結束，阿爾法狗獲得了比賽的勝利，此后雙方還將進(jìn)行剩余4場(chǎng)比賽。因阿爾法狗以中國規則為基礎開(kāi)發(fā)，比賽采納中國規則，黑子貼7目半。繼IBM深藍擊敗國際象棋世界冠軍后，人工智能再次邁出堅實(shí)的一步。
聯(lián)系客服
