5月23日，AlphaGo2.0版本在人機圍棋比賽中以四分之一子的微弱優(yōu)勢戰(zhàn)勝了柯潔，一方面繼續(xù)彰顯了人工智慧的強大，但也讓人們對AlphaGo和人工智慧有了新的認識。先説出結(jié)論，再看分析。

　　1．在圍棋這個項目上AlphaGo目前走在了人類的前面，但並沒有完全攻克圍棋這項運動。它只是通過深度學習找到了一個比人類認識更優(yōu)的解，但不是最優(yōu)解。最優(yōu)解無法找到，即便用盡地球上所有的資源。從專業(yè)的角度來講，就是用深度學習去逼近了一個強化學習中的價值判斷函數(shù)，然後再跟蒙特卡洛搜索樹結(jié)合的方法（具體詳解可參看《鄭宇：一張圖解ALphaGo原理及弱點》，不再重復）。既然人工智慧和人類都不能找到最優(yōu)解，現(xiàn)在説哪一方已經(jīng)完全徹底的失敗還早。

　　2. 人類也是在進步的，我們也不要低估了人類後天的快速（小樣本）學習能力，這點AlphaGo基於現(xiàn)在的學習方法還做不到。短期來看人獲勝概率小，但長遠來看（未來5-10年）人還有機會，因為人也有很強的學習能力，可以從少量跟AlphaGo的對弈的棋局中快速學習。而即便再給AlphaGo1億副棋譜，再添加一萬塊GPU，如果還是基於現(xiàn)有的學習體系，它進步的速度也終將放緩，因為新增的棋譜和計算資源相對於2x10171這個搜索空間來説只是滄海一粟。我們對人腦的了解還遠不如對圍棋的認識，這裡面還有很大的未知數(shù)。

　　3. 目前人類職業(yè)棋手跟AlphaGo的差距也就在一個貼目的水準，沒有大家想像的那麼大。其實這個貼目的差距（按中國標準7目半），在職業(yè)棋手看來，已經(jīng)是非常大的差距了。很多職業(yè)高手，進入官子階段後發(fā)現(xiàn)自己還落後對方7-8目，就會主動投子認輸了。很多通過數(shù)子來決定勝負的比賽，輸贏往往都在1-2目之間（比如柯潔就輸給AlphaGo半目）。否則會被其他專業(yè)棋手笑話，自己落後那麼多都不知道，點空能力太弱了。

　　要能真正客觀、準確的看待這個問題急需要較強的人工智慧專業(yè)知識，也需要一定的圍棋功底。下面先糾正網(wǎng)上認知的一些誤區(qū)：

　　誤區(qū)一：AlphaGo可以讓人類頂尖棋手4個子，AlphaGo2.0可以讓上一個版本4-5個子。

　　要消除這個誤解，首先要跟大家普及一下圍棋知識：在圍棋裏“讓對方兩個子”和“贏對方2個子”有著天壤之別。這點對於下圍棋的人不用多説，但我今天才意識到，很多吃瓜群眾一直以為這就是一回事。難怪網(wǎng)上會流傳以上的錯誤言論。

　　讓對方兩個子: 在圍棋裏讓2子是説讓一方先在棋盤上放上2個棋子（棋子只能放在星位），然後對方才開始走。這兩個子在對弈之初的價值巨大，對於專業(yè)棋手來講，每個棋子價值至少在10目以上（這是最保守估計了）。讓兩子相當於至少先讓出去對方20多目的地盤。由於棋盤是有限的，如果不能在後面的比賽中，在有限的空間裏贏回這20多目，那就是讓子失敗了。而且讓子數(shù)越多，被讓方獲得的價值不單是線性增長的，因為子力之間會形成配合，獲取更大的利益。比如説，讓子，其價值就可能遠不止40目了。

　　贏對方2個子：是指雙方下完後，贏的一方比輸?shù)囊环蕉喑?個子。如果按照吃住對方一個子算兩目的方法來算，那2個子只相當於4目。AlphaGo贏了柯潔1/4子，就相當於半目棋子而已。

　　所以“讓對方兩個子”和“贏對方2個子”不可同年而語。如果真的有圍棋之神存在（既他一定能找到最優(yōu)解，我們?nèi)耸菦]有希望下過他的），一般頂尖專業(yè)棋手認為他們跟這個神的差距在讓2-3子之間。由於AlphaGo可以被證明不能保證找到最優(yōu)解，所以他離神還有一定的距離。因此，説AlphaGo可以讓人類頂尖棋手4個子，這簡直就是天方夜談。

　　誤區(qū)二：AlphaGo也會下出一些明顯不好的招數(shù)，是因為他自我判斷形式佔優(yōu)，而放鬆了自身的要求。

　　AlphaGo的搜索策略就是優(yōu)先對獲勝概率比較大的分支進行更多的深度搜索，這個策略在任何時候都不會改變，也不能改變。他不會覺得自己優(yōu)勢了就下出緩手。下得不好的時候是因為其價值判斷本來就是一個近似，而且搜索空間也不能窮盡，得不到最優(yōu)解，因此，有時估計還不錯的棋，其實不一定是真的最好的下法，AlphaGo出現(xiàn)這種不穩(wěn)定狀況是正常的。這也是人類善存的希望所在。當然人類也有自身的弱點，如疲勞、情緒波動等，人也會判斷失誤。而且棋局很長，有些之前不太好的棋，經(jīng)過後面的變化（包括不是預料中的變化）有可能會變成好棋。所以，不是所有的錯誤，都會直接影響到比賽的結(jié)果。而且現(xiàn)在大家似乎有點怕AlphaGo了，即便是AlphaGo下出一招不好的棋，大家更多的是懷疑自己的水準（是不是我們沒看懂啊？），而選擇相信AlphaGo的“深謀遠慮“。

　　誤區(qū)三：AlphaGo可以不斷自學習，從新的棋局裏獲取經(jīng)驗，快速提升自己。

　　AlphaGo的系統(tǒng)由於參數(shù)非常多，需要大量的數(shù)據(jù)來訓練，新增的幾幅棋譜對提高它的棋力起不到任何作用。而且AlphaGo在做參數(shù)調(diào)整時是針對一大批數(shù)據(jù)的整體優(yōu)化，也必須對很多棋譜做批量處理，訓練時間非常長，不可能在很短時間內(nèi)大幅提升自身的水準。即便是同一組訓練棋譜，參數(shù)調(diào)整方法不一樣也會訓練出棋力水準差異較大的系統(tǒng)。其實AlphaGo是通過自我對弈來生成很多棋譜，然後利用棋譜中的（兩個連續(xù)的）盤面跟最後的勝負對應關係訓練出價值網(wǎng)路來。這裡只是借用了一下強化學習的框架來訓練深度神經(jīng)網(wǎng)路的參數(shù)而已，主要貢獻還是深度學習的近似能力帶來的（解決了傳統(tǒng)強化學習針對複雜環(huán)境和動作狀態(tài)無法求解的難題）。因此，AlphaGo並沒有大家想像的那種自我博弈就能自己不斷進步的能力。

　　誤區(qū)四：AlphaGo會故意放水輸?shù)粢痪直荣悺?/p>

　　這個沒有可能。要想輸還不能輸?shù)哪屈N難看和明顯，是一件非常難辦的事情，可能比贏棋還要難。在模型訓練好之後，AlphaGo能夠臨時改動的只有在搜索部分投入的資源多少（搜索多大的空間）可以改動。縮減的太小，幾乎不會有太大變化，但如果縮減太多，就會下出一些非常低級的棋來。這點從技術(shù)角度來講很難把握。

　　誤區(qū)五：電腦的計算能力一定比人強，所以不要去跟AlphaGo比計算，應該把局面簡單化，避免複雜的戰(zhàn)鬥。

　　AlphaGo依靠的是一種基於樹的搜索演算法，遇到複雜局面搜索空間變大，對未來輸贏的價值判斷也會變難。因此，人算不過來的複雜局面，對AlphaGo來説也很困難。如果局面太簡單，機器可以非常好的計算出比較優(yōu)的解，人類棋手更加沒有希望。因此，把局面弄複雜，人類棋手才有希望獲勝，雖然這個對人類也提出了更大的挑戰(zhàn)。

　　總結(jié)

　　基於人類目前對圍棋的認識和理解，現(xiàn)階段仍然會輸給人工智慧。我並不是覺得柯潔有希望能夠贏得後面的比賽，但人類也在進步，通過跟AlphaGo的對弈，人類也在重新認識圍棋。只要人類的思想和文明在不斷進步，人就有可能在未來5-10年裏通過不斷的學習趕上當前的AlphaGo。當然，AlphaGo也會進步，但它還不是圍棋之神，也沒有攻克圍棋這個難題。如果現(xiàn)有的學習方法沒有全面的革新，其進步的速度也會慢慢放緩。基於此考慮，人類還會有機會。當人們對圍棋有了更深入的了解之後，又會設計出更好的人工智慧演算法。兩者其實並不矛盾，相輔相成，互相促進，不管誰輸誰贏都是人類文明進步的體現(xiàn)。人類的智慧也將始終走在機器的前面，而不會被機器取代。

　　（作者：鄭宇，CCF傑出會員、CCCF編委、CCF ADL工作組組長，微軟亞洲研究院資深研究員、“城市計算”領域負責人、上海交通大學講座教授、香港科技大學客座教授；擔任人工智慧國際權(quán)威期刊（SCI一區(qū)刊物）ACM TIST主編、ACM數(shù)據(jù)挖掘中國分會（KDD China）秘書長；擔任國際知名會議ICDE2014和CIKM2017程式委員會主席（Industrial Track）；在頂尖國際會議和期刊上發(fā)表論文百餘篇（其中以主作者身份發(fā)表論文50余篇），論文被引用13000余次，Google Scholar H-Index 53（截至2017-5-23）， 2016年論文單年被引用3400余次。他主持開發(fā)了多個城市大數(shù)據(jù)系統(tǒng)，其中Urban Air首次利用大數(shù)據(jù)來監(jiān)測和預報細粒度空氣品質(zhì)，該服務覆蓋了中國的300多個城市，並被中國環(huán)境保護部採用。他主持了城市大數(shù)據(jù)平臺的設計和實施，並成功在中國大數(shù)據(jù)示範基地貴陽市部署。2013年他被MIT科技評論評為“全球傑出青年創(chuàng)新者”（TR35），並作為現(xiàn)代創(chuàng)新者代表登上了美國《時代》週刊。2014年，由於他主導的城市計算具有巨大的商業(yè)前景和改變行業(yè)格局的潛力，他被美國《財富》評選為中國40位40歲以下商界精英。2016年他被評為美國電腦學會傑出科學家。)