好信热点 | AlphaGo 2.0牛在哪儿？竟让柯洁口服心服

一场人机大战，让又是挠头又是苦笑的柯洁贡献了不少“表情包”。提及自己丰富的表情，柯洁自嘲说，为什么苦笑大家都懂的。在赛后发布会上，柯洁表示，AlphaGo是太厉害了，后两盘棋目标“ 让主机发烫 ”。

AlphaGo 2.0棋风更稳健 想找BUG不容易

人机大战前，众说纷纭。古力说，赢一盘可能性10%；聂卫平说，能赢一盘就是烧香了；柯洁自己说，一直在备战秘密招数。可惜首盘对决，柯洁失利收场。

亮点更多来自序盘阶段。柯洁执黑先行，前四手棋下了两个三三。直接点三三，正是AlphaGo的标志性招法。柯洁选择“以彼之道，还施彼身”，却没能收获AlphaGo惊愕的表情。

面对柯洁的“先捞后洗”，AlphaGo高效率应对。“我印象最深的是那一手断。”柯洁赛后复盘有点震惊，“人类对局是不可能下的，否则就落了后手了。但后来分析是好棋，不但劫材多了，还兼顾了角，加固了自己，一石二鸟，实在下得太出色了。”

业内人士评论，但凡有流派和风格，就还有局限性。只有当所有流派合一看不出流派的时候，才到达致高境界。AlphaGo 2.0已经没有风格，稳如磐石。

此外，柯洁在赛后对媒体表示，AlphaGo很多地方都值得我们去学习、探讨，TA改变我们对棋的最初的看法。感觉AlphaGo和去年判若两人，当时觉得他的棋很接近人，现在感觉越来越像围棋上帝。我希望尽全力去拼每一盘棋。很感谢有AlphaGo这样的对手，感谢DeepMind团队给我机会去下这三盘棋，也希望通过这次比赛让大家了解围棋这个好项目，给大家带来快乐。

AlphaGo 1.0是巧妙地混合了三种算法：蒙特卡洛树搜索+监督学习+增强学习。 其中蒙特卡洛树搜索是一种优化过的暴力计算，比1997年深蓝的暴力计算更聪明。而这里的监督学习，是通过学习3000万步人类棋谱，对六段以上职业棋手走棋规律进行模仿，也是AlphaGo获得突破性进展的关键算法。而增强学习作为辅助，是两台AlphaGo从自我对战众中学习如何下棋，据悉对棋力提升有限。

王小川在知乎上发布帖子指出，根据公开资料推测，此次 AlphaGo2.0的技术原理与之前有着巨大不同：

1. 放弃了监督学习，没有再用人的3000万局棋谱进行训练。 这本是AlphaGo最亮眼的算法，也是今天主流机器学习不可避免的核心条件：依赖于优质的数据，在这个特定问题下就这么被再次突破了。

2. 放弃了蒙特卡洛树搜索，不再进行暴力计算。 理论上，算法越笨，就越需要暴力计算做补充。算法越聪明，就可以大大减少暴力计算。从AlphaGo 2.0的“马甲”Master的历史行为看，走棋非常迅速，约在每10秒钟就走棋一步，如此速度很可能是放弃了暴力的计算。

3. 极大地强化了增强学习的作用，之前敲边鼓的算法，正式成为扛把子主力。 想想看有多励志：两台白痴机器，遵守走棋和获胜规则，从随机走棋开始日夜切磋，总结经验，不断批评和自我批评，一周后终成大器。

在这样的算法下，AlphaGo 2.0对计算资源开销极小，把当前棋局输入神经网络，电流流过，输出就是最佳的走棋方案。猜测如此算法下，有可能仅仅依靠一个GPU工作，每一步棋消耗的能源接近人的大脑。

去年AlphaGo和李世石的对战后，人工智能进入大众的视野，并促使业界开始重新思考机器和人的关系。

Deepmind创始人哈萨比斯曾表示：”本次比赛的宗旨是探索新的围棋打法。alphago再过一万年也不可能穷尽所有围棋的定式。这次比赛其实不是人机大战，而是人类使用电脑作为工具探索新的东西，就像哈勃望远镜让人类发现新的领域一样。人工智能可以帮助专家以更快的速度解决问题。本次比赛的目的也不是alphago还是棋手赢，最终还是人类赢。”