欢迎点击「科学网」↑关注我们！
敬请读者注意
本人保留本文的全部著作权利。如果哪位读者使用本文所描述内容，请务必如实引用并明白注明本文出处。如果本人发现任何人擅自使用本文任何部分内容而不明白注明出处，恕本人在网上广泛公布侵权者姓名。敬请各位读者注意，谢谢！
——程京德
Google DeepMind的计算机围棋程序AlphaGo在网上与所有当今人类职业围棋高手对弈，连胜60局，横扫了所有的对手，居然没有输一盘棋！诸位职业围棋高手这次似乎输的心服口服，远没有去年2月份时的“源于无知的无畏”（Google AlphaGo 和李世石之战：为何说李世石凶多吉少？http://blog.sciencenet.cn/blog-2371919-955215.html）了。据说，这次的网上对弈仅仅是非正式测试，接下来DeepMind团队还会用AlphaGo和职业围棋高手们进行正式的比赛。实际上，仅从比胜负的角度来说，正式比赛已经毫无悬念了，网上已经有评论说，李世石今年3月份赢AlphaGo的那盘棋，就是人类赢的最后一盘棋。
AlphaGo此次面对众多人类职业围棋高手们的表现，已经足以说明了DeepMind团队开发的计算机围棋程序和所借用的计算机计算能力的威力（再次强调一遍，这完全不是什么“机器的胜利”或者“机器的智能的胜利”）。从人工智能学术研究或者围棋机理研究的角度出发，接下来，人类还应该怎么和AlphaGo“玩”，怎样和AlphaGo“玩”呢？
如果DeepMind团队不公布AlphaGo的细节，继续让AlphaGo作为黑盒子和人类棋手对弈，那么，至少有两种玩法还是有可能的。一，人类棋手允许AlphaGo让子；二，扩大围棋棋盘。
让子，是在人类围棋棋手之间常用的一种做法，其本质不在输赢，而在于提供了一种判断棋手棋力高低的标准。既然现在人类职业围棋高手们已经输的心服口服，那么就不妨干脆放下架子，允许AlphaGo让子，并且不限制于让到9子为止，而是让到可以战胜AlphaGo的子数为止。这样“玩法”的有趣之处在于，一，发现AlphaGo或者今后的其它计算机围棋程序的终极棋力，因为如果允许无限制让子，最终“胜者”必然是人类棋手而非计算机围棋程序。二，可以借助AlphaGo的棋力来作为判断棋手棋力高低的标准，因为即便同是人类世界顶级高手，棋力终究还是有微小差距的，以AlphaGo的棋力作为唯一的衡量标准，或许能够衡量出人类职业围棋高手在棋力（允许AlphaGo的让子数）上的微小差距。
扩大围棋棋盘，是去年2月份笔者预测到李世石可能会输给AlphaGo时就提出过的“玩法”：“到了AlphaGo战胜超一流棋手的那一天，我们仍然可以继续让它来挑战人类智能：把围棋盘扩大到21*21, 23*23, 25*25, ……。让职业棋手的直觉和经验与AlphaGo在双方都没有棋谱可利用的条件下出发来比个高低，不是也很有趣吗？”（Google AlphaGo 战胜职业围棋手究竟还蕴涵着哪些有趣的问题？http://blog.sciencenet.cn/blog-2371919-953785.html）。笔者从直觉上认为，扩大围棋棋盘对于基于直觉和经验的人类职业围棋高手的影响，也许比对基于计算和训练数据的AlphaGo的影响要来的小一些。实际上，既然AlphaGo程序做到了层次化的自动化，那么，它剩下的弱点就是计算复杂性和输入数据了。
另一方面，如果DeepMind团队公布AlphaGo的细节，那么研究工作者和职业围棋高手的“玩法”就更多，更有趣，更具有挑战性了，关于怎样“玩”，暂且留作今后的话题吧。
转载本文请联系原作者获取授权，同时请注明本文来自程京德科学网博客。
链接地址：http://blog.sciencenet.cn/blog-2371919-1025505.html
