昨天，谷歌人工智能AlphaGo与韩国棋手李世石的第一场围棋比赛结束，在对弈了三个半小时之后，李世石宣布认输。接下来，双方还将在3月10日--15日的中午12点进行剩余比赛。5番棋局赛制之后，获胜方将赢得奖金100万美元。如果AlphaGo获胜，奖金将全部捐赠给联合国儿童基金会,STEM教育以及围棋慈善机构。
在围棋界的水平评估当中，由低到高共分为九段。在参加职业段位赛之前必须达到业余五段的水平才有资格报名参加职业定段赛。在中国，每年全国的定段赛被称为“围棋高考”，这样的称呼也意味着两者间有着很多相似之处，比如围棋定段赛与中国高考时间相近，设立在火热的7月举行，而这项比赛甚至比高考激烈得多，因为这项人才的稀缺，成功的定段者就会如同“鲤鱼跃龙门”一般从此在围棋界高居上位。截止到2018年，中国职业围棋手大概不足500人，其中包括一部分在赛场上并不活跃的份子，而在日本和韩国，人数也各不足300人。
一般来说在比赛中，职业棋手之间是没有让子之说。想要升到九段一般是通过升段赛和世界冠军取得，虽然水平也参差不齐。不过一般九段水平会比八段高出很多，而之间的差距绝不会有让子那么大。
而这次比赛中的李世石就是一名世界级的顶尖围棋选手，九段专业水平，多次参加国际围棋大赛。用专业的评估来说，李世石属于典型的战型棋风，善于抓住对手的弱点主动出击，被赞拥有“稳、准、狠”的强大攻击力，常常在劣势中完成逆转。而即便在激烈的比赛当中，人与人的对弈也无法做到全然理性，除了需要高超的技术与缜密的逻辑，围棋比赛对人的心理素质与耐性也有相当大的考验，在高压之下，棋手多少会暴露出自己的弱点。而捕捉弱点一针见血的出击，正好就是李世石所擅长的。
但当李世石面对人工智能时，他优势能够得以发挥吗？那我们先来简单分析介绍一下他的对手——AlphaGo（阿尔法围棋）
谷歌Google在2014年以4亿欧元收购了人工智能公司DeepMind，自此开始了AlphaGo的项目研发。整个团队由20名左右的世界级的计算机科学专家和机器学习专家组建，要知道，这类专家的数量之少大概就像濒危动物一样稀缺，再加上全世界最为浩大的谷歌后台计算资源供给团队使用，结合CPU+GPU，加上从高手棋谱和自我学习的功能。这套系统比以前的围棋系统有着大幅度的提高，计划中可以从业余5段提升到可以击败职业2段的水平。
而AlphaGo的程序，以“价值网络”计算局面，用“策略网络”选择下子。而这其中所谓的“价值网络”和“策略网络”来源于AlphaGo的两个大脑。
作为一款围棋人工智能程序，基本的运作原理就像生物神经大脑的工作机理一样，就像把人类思考的神经变成无数的数据，通过合适的矩阵数量编织链接在一起，形成属于它自己的“神经网络大脑”，能够进行精准复杂的处理，结果就会像人们识别物体标注图片一样。
细分之下，它其实拥有两个“大脑”。第一个大脑称为：落子选择器。顾名思义，负责观察布局以企图找到最佳的下一步落棋处。每一步过程中，它都会通过计算预测最佳概率，这部分的计算就是我们前面所提到的“策略网络”。
第二个大脑，称之为棋局评估器。也就是说，在用第一个大脑预测自己下一步的同时，它还可以运用这个大脑，在对手每一步落棋后，预测对方赢棋的可能。这样一来，就成为了第一个大脑决策落棋位置的辅助，尽管这个判断只是大概的，但对于整个的计算速度会有提高的帮助。通过分析局面潜在的利与弊和改变自己的落棋位置的评估器，就是”价值网络”。
估算下来，AlphaGo每秒将会分析考虑出10万种棋路。也就是说，李世石所擅长的直击弱点在计算机上可以说无法成立。
李世石与AlphaGo第一局对弈，黑子为李世石
围棋中常常说的一着不慎满盘皆输，绝不开玩笑。金庸笔下的《天龙八部》中，逍遥子所布下的珍珑棋局就是以一步之差决定胜败。不说出勺子，即使是缓手，也很有可能因为一手棋输掉全盘。职业棋手不出大的失误，状态和水平相当的情况下，输赢一直咬在几目棋是比较正常的事情。而人工智能，在高密度的计算几乎不会让自己出现失误。在此之前，AlphaGo在没有任何让子的情况下，以5:0完胜欧洲围棋冠军、职业二段选手樊麾。在围棋人工智能领域，实现了一次史无前例的突破。计算机程序能在不让子的情况下，在完整的围棋游戏中击败专业选手，这是第一次。此前，研究者也让AlphaGo和其他的围棋人工智能机器人进行了较量，在总计495局中只输了一局，胜率是99.8%。它甚至尝试了让4子对阵CrazyStone、Zen和Pachi三个先进的人工智能机器人，胜率分别是77%、86%和99%。
首局失利之后，李世石自己表示虽有遗憾但自己也并无获胜机会，在面对比人脑更全面高密的数据网下，李世石能否发挥自己逆转局面的优势，我们拭目以待中。
