这只是开始

一年前那场人机对弈带来的震惊与轰动，至今令人记忆犹新。以至于说到人工智能在围棋领域的杀伤力，我们就不得不提击败了围棋世界冠军李世石九段的AlphaGo。

但这只是开始。

2017年伊始，一个名为“Master”的ID在网络测试中以60盘全胜的战绩，横扫包括世界冠军在内的中日韩多位顶尖棋手。就在全世界对其身份进行各种猜测的时候，Master宣布自己就是AlphaGo的升级版。

本月初在某围棋网络平台上，一个新的“十段”高手诞生，这个ID名为“绝艺”的神秘棋手，接连战胜了一众国内外高手。从所展示的套路来看，围观者纷纷猜测“绝艺”是类似于AlphaGo的人工智能棋手。而据此前跟“绝艺”直接对战过的古力个人微博暗示，它很可能是腾讯AI团队打造的人工智能体。

坐拥数千年历史的围棋，一向因其复杂多变的下法被认为是人类在智力游戏上的一个“堡垒”。现如今，世界上最优秀的人类棋手却屡屡败给人工智能，几乎引发了围棋界的信仰颠覆。人工智能为什么会在围棋领域如此迅猛发展？接下来它又会给我们带来哪些影响？

面对这些问题，北京邮电大学计算机围棋研究所所长刘知青教授近日在上海图书馆“上图讲座”开讲，与著名围棋学者胡廷楣畅谈“从阿尔法狗(AlphaGo)到马斯特(Master) ——人工智能和文化”。

“阿尔法狗”的“见、闻、知、行”

AlphaGo，俗称“阿尔法狗”。“不闻不若闻之，闻之不若见之，见之不若知之，知之不若行之”。在刘知青看来，出自《荀子·儒效》的这句话，概括“阿尔法狗”的学习能力特别贴切。荀子认为学一样本领需要做到听、看、理解和实践四位一体，而“阿尔法狗”对围棋的掌握，恰恰体现了“学习”这件事的精髓。

视觉与形象思维，是人类智慧的两个重要组成部分，而围棋充分运用到了这两点，刘知青认为，这是很多人用学下围棋开发孩子智力的原因，也是为什么人工智能选举围棋突破的原因。机器是怎么学习的？所谓听之、见之、行之、知之，这个“之”就是数据。没有数据，什么也“见”不到。这里说“见”到围棋，不是指看到了围棋的游戏规则，围棋真正的智慧通过棋谱表达出来，可它背后是围棋的所有数据，这是人工智能的基础。人工智能必须在数据中，进行基于数据的机器学习，从有监督的指导学习过渡到无监督的自主学习

解决了两大难点

刘知青认为，围棋有两个相对特殊的难点：一个是面对围棋盘面，如何进行选点和落子；另一个是如何在下棋的过程中，准确判断形势，预测不同围棋盘面的胜负可能性。

过去计算机围棋一直使用一种叫做“蒙特卡洛树搜索”的技术，其底层有坚实的数学基础，上层则采用计算、模拟、采样、优化等一系列数学方法。最近几年，又引入了“神经网络”，实现了对上述两个难点的解决。神经网络的作用有二：一是通过学习高水平棋手的棋谱，获得盘面落子的直觉，即通常说得“棋感”；二是通过机器的增强型学习，判断形势，通过运用盘面优劣评价函数，及时识别那些非最优的招法，并停止搜索相关的决策方法。

“人工神经网络”是什么

这种能够帮助人工智能打败世界冠军的神经网络，究竟是什么？

通俗地讲，神经网络类似于人类大脑的组织结构，通过神经元的某种联结来组成。人工智能所使用的神经网络并非生物神经网络，而是一个由计算机模拟，有联结、权重和不同组织结构的神经网络，它所仿照的模型就是人类大脑。因此这种神经网络目前被称为“人工神经网络”。

事实上，人工神经网络这一概念几十年前就已提出，只是最近才成为人工智能领域一门非常重要的技术。而它之所以变得越来越重要，就在于获得了数据和大规模超级计算的支持。大量的数据能够对神经网络进行有效的训练，再加上神经网络本身也发生了一些结构上的根本变化，使其可以实现图像识别的适应。

 “阿尔法狗”就是经过训练的人工神经网络。它通过向人工神经网络输入像素点，实现对围棋图像的理解。基本原理就是把围棋视作19乘19的像素图像，并输入像素点及相对应关系，它所训练出来的神经网络会得出一个概率分布，判断对手即人类在某个点落子的可能性有多大，从而自动得出应该如何落子的直觉，然后采取相对应的策略。

3000万盘棋VS 15万

经过训练的“阿尔法狗”，又是如何进行形势判断的呢？

所谓形势判断，是指面对一个围棋盘面，可以看出到底是黑棋还是白棋终将获胜，并且这种对输赢的判断还必须具有定量方面的基础支撑。而定量需要使用一个数值来表示胜率多少。当然，此种意义上的胜率是一个动态变化的过程。神经网络就具备这种功能，它可以判断一个围棋盘面胜率的大小，继而采取相对应的下棋策略。

令人类自叹弗如的是，“阿尔法狗”已经自我对弈了3000万盘棋，这个数字是人类根本无法企及的。那么人类一生可以自我对弈多少呢？据测算，15万盘，可能就是人类棋手的极限了。

新的“闯入者”

简单地把专家的思维方式和条理逻辑输入计算机，是过去的老办法了。如今的人工智能会传授关于学习的方法，因此人工神经网络的深度学习能力很强。

刘知青与不少相关领域专家都认为，人工神经网络具有通用性， 能够应用到不同领域，除了围棋，也可以是自动驾驶、医疗影像等等。最近一段时间，我们已经看到，很多类似的重要领域都在使用这种技术。他提出，在人工神经网络技术不断发展的背景下，未来司机、医生及其他职业的部分工作是否可以被机器替代，会是一个值得思考的现实问题。

尽管只有数十年历史的人工智能，相较于已有几千年历史的人类而言，还是一个非常新的“闯入者”。但是人工智能已经表现出颠覆性的特征，通常认为只有人类能做的一些事情，现在机器也可以高质量地完成。机器取代的人类的恐慌，也以科幻、艺术等形式被提出和蔓延。

作为学者，刘知青认为人工智能颠覆性的背后，还有很多法律、道德和伦理方面的问题需要解决。他举例说，假如未来出现一家具有垄断地位的公司，同时掌握了先进的人工智能，那会不会一家独大而让其他人统统成为附属？类似这些都是值得关注和思考的问题。

互相离不开

关于人工智能未来的发展趋势，他深信一点——人类和机器会更加紧密地结合在一起。

人类离不开机器，因为人类需要机器的帮助，因此我们应该拥抱人工智能，而不是出于种种原因对此排斥。

而机器也离不开人，因为正是人类给机器提供了大量的实证数据，才让机器能够进一步地优化和学习。

不过，在另一名演讲嘉宾胡廷楣看来，无论人工智能在围棋领域发展得多么强大，有一点仍然是它无可取代的，那就是机器跟人下围棋的时候，没有“人文氛围”——赢棋的时候不能唱歌，输棋的时候不能骂人。

（本文首发于上观，未经授权，谢绝转载。栏目主编：刘璐  编辑邮箱：internetobserver@163.com 题图来源：视觉中国 图片编辑：雍凯）