李世石赢ai韩国反应

今天运困体育就给我们广大朋友来聊聊李世石退役战赢ai,希望能帮助到您找到想要的答案。

本文目录导航：

• 1、李昌镐和李世石谁更强？“大小李”互刚精彩留痕
• 2、王小川断言AlphaGo将完胜李世石 他会被打脸吗
• 3、阿尔法狗为什么能攻破围棋？
• 4、飞扬跋扈为谁雄
• 5、生活中哪一个瞬间让你感觉人工智能真的来了?

李昌镐和李世石谁更强？“大小李”互刚精彩留痕

2019年11月，一代传奇李世石选择退出棋坛。此后他频频在综艺节目中与大家相见。日前，韩国李世石九段登上韩国电视台一档节目，大谈过去24年多的职业生涯。提及前辈李昌镐九段，李世石说，在他心中，李昌镐就是围棋界的最高存在：“说实话，到最后也没能超过他。李昌镐身在高处，事实上他就是围棋之神。”

作为韩国两位有着巨大影响力的超一流棋士，李昌镐和李世石年龄相差8岁，被棋迷们称作“大李”和“小李”。大小李分别开创了两个时代，他们的巅峰期并没有完全重合，而是各领风骚数十年。毫无疑问的是，两人围棋天赋超群，都是棋坛百年一遇的天之骄子。

李昌镐和李世石谁的围棋天赋更高？这也是坊间一直关注的有趣话题。笔者略作统计，来和大家探讨下这个有趣话题。

在这里，我们毋须粘贴两人冗长的战绩数据和百度内容，只锤炼最重要的信息。李昌镐九段1975年出生于韩国，从1992年夺得第一个世界冠军起，至今共夺得17个世界棋战冠军、13次团体赛冠军（作为主将夺得8次）。他获得过2007年以前举办的任何一项世界职业围棋大赛，包括应氏杯、富士通杯、东洋证券杯、LG杯、三星杯等个人赛，真正实现了世界职业围棋比赛“大满贯”。

李昌镐被人们称为“石佛”。他对弈之时处变不惊，更能于危机之时挽狂澜于既倒，还多次帮助韩国军团夺得农心杯等团体赛冠军，开创了震绝天下的“李昌镐时代”。

再说说李世石九段。他出生于1983年，比李昌镐小8岁。李世石性格桀骜叛逆，棋风更是犀利凶狠，属于典型的力战型棋风，善于敏锐地抓住对手的弱处主动出击，以强大的力量击垮对手。他杀伐果断、战力惊人，经常能在劣势下完成逆转。李世石获得了14项世界冠军，这一纪录仅次于李昌镐。

2016年3月，李世石与“阿尔法围棋”（AlphaGo）进行“人机大战”，万众瞩目。最终李世石虽然1：4落败，但第四局弈出超越AI的鬼手而一举逆转，让无数棋迷垂泪感动，这一幕也永远铭刻于青史，这是人类智慧的杰作。

以goratings世界围棋等级分中列举的“棋手 历史 排名”来看，自1991年开始，年仅16岁的李昌镐便已独领风骚。至2007年以后，才将世界第一“让贤”于李世石，其巅峰期长达16年之久，令人啧舌。

而此后，李世石也是开启了属于自己的时代，独占鳌头。直到2012年之后，世界棋坛方成了朴廷桓、柯洁们的天下。

所以简单总结，两人都开创了各自的时代。说到围棋天赋，那自然是各有千秋，难分高下了。非得比一个高下吗？我们从两人无数的精彩战谱中，撷取出两个精彩的决弈场面，请大家赏鉴。

时间来到2001年5月，第五届LG杯世界围棋棋王赛决赛第三局。挺入决赛的，自然是本文的两大主角：李昌镐和李世石。彼时李昌镐雄踞天下第一位久矣，新锐棋手李世石三段蠢蠢欲动，自然对前辈的统治力有所想法。

前两局开始，李世石就以破竹之势连胜两局，前辈李昌镐自然感受到了压力。以至于在本局赛前，性格狂傲的李世石喊话：李昌镐前辈力量不行。

这位面无表情的前辈听到了，并无震怒之情。第三局打响了，李昌镐执黑。 可是至120手，白棋李世石的实地已明显占优。执白的李世石此时形势很好，他以“不是个能被逆转的局面”来形容当时那一局的大好形势。

难道韩国第一的权杖即将交接吗？

李昌镐恐怖的实力开始逐渐蕴发了，一股怪异的力量从盘端弥漫出来。李世石逐渐感受到了这股无形的压力。棋盘上瞬息万变、惊乱山云，十几手之后，形势却悄然发生了骤变。

黑151手，如飞刀一般点入左边白空之中，天翻地覆。“我佛慈悲，亦作狮吼。”前辈李昌镐藉此突施强手，强势逆转。

多年以后，李世石回顾当时的情景，自言当时有点大意、自满，觉得“我可是李世石啊”。这次失败造就了李世石下棋以来第一次嚎啕大哭。

由此局面，那么，李昌镐的天赋就绝对比李世石高了吧？

时间来到两年之后，依然是LG杯世界围棋棋王赛。决赛，第一局。站在世界之巅的决赛选手，依然是李昌镐九段和李世石三段。

李世石执黑先行，局面很快来到73手，李昌镐简单思忖后，白1大飞补，安顿形状。

前辈的步伐是不是稍稍迈得大了一点点呢？

换作别的棋手，这一手奔放积极，自然不差。可是，面对的是如猎豹般犀利的李世石啊！

李世石出手了，自黑1点入开始，至黑5一本道的进行，李世石准备的强手即将呼之欲出。

黑光一闪，黑1已置于盘端。白形的纰漏已是逃不过猎豹的眼睛，白棋顿时没有了下一手。

此后的进行，李昌镐竭力腾挪，但下方大龙还是难逃黑棋的辣手。至此时，黑获益颇丰，局面尘埃已定。李世石旗开得胜。

世石如豹！

这一届的决赛系列赛，李世石将两年前被逆转的悔恨兑换成了苦尽甘来的辉煌。不过，相较于两年前的口出狂言，此时的他显然成熟了很多，以至于捧杯之时和多年之后，他说感觉那好像是自己最后那样大笑，最后一次那么开心。他还说，李昌镐前辈才是真正的天下第一：“我13岁定段的时候，李昌镐已经是领军人物了，真的是当时AlphaGo般的存在”。

棋坛的权杖，此时也终于顺利完成了交接。

李昌镐和李世石谁的围棋天赋更高、谁更强大呢？想必此时您已有了答案。

（胡波）

王小川断言AlphaGo将完胜李世石 他会被打脸吗

王小川知乎全文：

AlphaGo的发布，是一个伟大的里程碑，又一次让我兴奋地需要说一说。

先说我的断言一：AlphaGo在两个月后，将会完胜李世石。

留个关子，本文最后再说断言二。

从中学开始，我就着迷用算法来解决游戏的博弈问题，用搜索方法创新性完成过一些题目。这几年深度学习出现后，就感觉有机会能够突破围棋，和清华的联合实验室做过几次探讨，都认为这个方向可行，可惜限于气惩能力不足，没能组织进行这方面的投入。

而此次出手的，是Google旗下的DeepMind团队，在深度学习方面是最顶尖的，资源、能力、气场都没有问题，突破性的技术是基于深度学习进行估值和走棋。

看知乎里好多讨论，是从之前AlphaGo完成的棋局来判断其下棋风格，倒推这个算法的威力，有点刻舟求剑的感觉。我们核心还是要回到对这次AlphaGo用到的技术的深刻理解。为了便于讨论，我们对比以搜索剪枝为核心的深蓝下国际象棋，和以搜索剪枝+深度学习为核心的AlphaGo的三个区别：

1. 围棋相对象棋，最大的区别是棋局的评价函数极难定义。象棋可以找到各种“特征”来计分，比如丢一个马扣多少分，兵往前拱到离底线近了加多少分，而围棋做不到，密密麻麻的黑白子挨着，互相之前又有关联，变化多，规律难以总结。这也是传统算法相对人最弱的几个问题之一。就像是我们人做人脸识别，看一眼就知道是张三李四，而机器算法难以下手。这个问题恰恰是最近几年深度学习最大的突破之处，深度学习不需要人来设计算法“找特征”，通过大量原始数据和标签的对于，机器就能够自动找特征，并且并不比人差。在几年前还有很多人认为机器在图像处理方面举步维艰，怎么定义和抽象鼻子？耳朵？眼睛？可就在这一两年深度学习突飞猛进，一举超过了人类。就在2015年，人脸识别方面，机器的识别能力已经超过了人了，这可是人进化了数千万年的核心能力之一呀。一个围棋棋局，可以理解为一张19*19的图片，其他的走棋规则和非常简单(很容易翻译成计算机规则)，正好落入了深度学习擅长的事情。搜索+深度学习，这个算法完全可以覆盖围棋的规则，人下棋的思维过程和模式，只是AlphaGo的一个子集。这就决定了这个算法没有天花板，有机会在围棋领域“打通关”。

2. 深蓝相对AlphaGo，AlphaGo最大的优势是“学习能力”。深蓝的开局更多依靠数据库棋谱的建立，但没有泛化能力(不懂得举一反三)，对于没有见过的走棋方法就可能犯傻。而之后的核心能力是计算力，通过暴力的搜索(当然也有最优秀的剪枝，但还是暴力)，力图走出10-20步棋来选择最优的路径。这个复杂度是指数级的，变成一个NP问题，受限于计算力。这个系统的算法是写死的，固定的参数下，就会有固定的表现。而调整参数和改变算法，都是工程师的事情。这个系统的天花板是计算机有多强，以及工程师有多聪明。而AlphaGo更多是数据驱动的，喂给他更多的棋局数据，他就能够优化“神经元网络”，同样的运算资源下变得更聪明，并且具有举一反三的能力，这一点非常接近于人(或者说本身就是模拟人的方式来设计的)。而且我们知道，机器处理数据的能力足够地快，以及没有情绪不会出错，这就决定了这个系统如果把今天互联网上能收集到的棋局都学一遍，就成为顶尖高手了。

3. 最最最可怕的还不只是前面这两点，对于下棋博弈问题，AlphaGo还不只是从互联网上去收集数据进行学习，更可以自己和自己下，实现“自学习”。看过电影“超验骇客”没有？人工智能可以做到随着时间的推移就能更加聪明。金庸小说中老顽童让自己左手和右手打架“左右互搏”，成为天下无敌的武功，那个只是故事，在下棋这个领域，而AlphaGo有这样的设计，让这种武功成真了！往下还有两个月的时间，AlphaGo这样一台算法上没有天花板的机器，很有机会在“左右互搏”下登峰造极，成为不可超越的围棋高手。

AlphaGo的技术问题讲完了。怎么来看Google背后的完整动作呢？有人觉得是过度解读了，实际系统挺糙的 -- 选的都是“欧洲冠军” -- 说明系统并不行，这是一种错误的理解。更有可能的原因是Google和Facebook在竞争下围棋，Facebook的员工缺心眼提前放了好多消息出来泄密了，结果Google就赶紧把Nature的文章发了抢了个先，然后卖个期货两个月后和人类对决，那会儿系统就足够好了，这是在竞争环境下合适的做法。

事实上Google和Facebook两家都认识到了AI的重要性，以及就在最近几年会有大的突破。Google 4亿美金收购了DeepMind，当时只有20人，现在已经突破200人了，并且是不计代价的疯狂投入。下围棋只是体现人工智能进步绝佳的宣传点和切入点，从公开的文献可以看到，DeepMind做围棋研发是基于通用的技术进行，领域无关的(Domain independent)。这样的技术未来可以用到合适的其他领域里去。深度学习的魅力在于，只要一个领域里能够建模，能够有充足的数据，就能够在这个领域里做到超越人、取代人，短时间能从0分做到99分。如果我们依然是老观念，用渐进的方式来理解机器智能，比如之前某位宣传他家的XX大脑做到了X岁的智力，这是很误(che)导(dan)的。我们同样也会错误地估计下围棋方面机器的能力，按照人类的理解1D-9D来评价它。一句话，不要用评价人的方法来评价机器的人工智能的能力，完全是不同的模式。

老罗曾经评价过人工智能的一句话：“人工智能就像一列火车，它临近时你听到了轰隆隆的声音，你在不断期待着它的到来。他终于到了，一闪而过，随后便远远地把你抛在身后”。

如果给这句话打上一个补丁，把人工智能的应用局限到一个一个的具体的封闭领域，这是一个很贴切的描述。我们不要过度自大，例如我们容易在自我优越感的驱使下，说动物不如人，比如人会直立行走、会说话、会实用工具，以区别于其他动物。事实证明，动物也会。面对机器也一样，就在几个月前还有人叫嚣机器十年内不能够玩转围棋，理由也都是人一眼就能看明白，机器只会计算。这些自大会让我们误判。也不用过于自卑，觉得围棋上机器上胜利了人类整个智力就被碾压了，到今天机器还是有很多领域完全无能，只能在局部领域。

到结尾，再说断言二：除了围棋，人工智能在其他博弈类的封闭游戏里，也会横扫一切，完胜人类。

虽然王小川的论点过于武断，不过AlphaGo赢的可能性其实也并不低，它的真实围棋水平可能远远不止现在所呈现的。首先，AlphaGo与樊麾的对弈其实发生在去年10月，只不过最近才被曝光，在这之后的几个月中，AlphaGo有多大的提高，我们不得而知。其次，此事被报道后，在高手云集的弈城围棋网上，出现了疑似AlphaGo的身影，而且从它的对战数量和战绩上看，它已经和人类进行了大量的交手。甚至，最好的成绩达到过9D(段)。由此可见，AlphaGo一直在掩盖其锋芒，就像王小川所言，谷歌选择在这个时候让AlphaGo挑战李世石，一定是建立在足够的自信上的。

当然，AlphaGo是否能在下个月底的比赛中赢得胜利，现在来说都为时过早。不过，这绝对不会是一场压倒性的比赛，而是高手与高手之间的巅峰对决。

比赛结束，alphago四比一完胜李世石，从结果来看，他是对的。

阿尔法狗为什么能攻破围棋？

phaGo之父杰米斯·哈萨比斯（Demis Hassabis）近日在母校英国剑桥大学做了一场题为“超越人类认知的极限”的演讲，解答了世人对于人工智能，对于阿尔法狗的诸多疑问——过去3000年里人类低估了棋局哪个区域的重要性？阿尔法狗去年赢了韩国职业九段李世石靠哪几个绝招？今年年初拿下数位国际大师的神秘棋手Master究竟是不是阿尔法狗？为什么围棋是人工智能难解之谜？

杰米斯·哈萨比斯，Deep Mind创始人，AlphaGo（阿尔法狗）之父， 4岁开始下象棋，8岁时在棋盘上的成功促使他开始思考两个至今令他困扰的问题：第一，人脑是如何学会完成复杂任务的？第二，电脑能否做到这一点？17岁时，哈萨比斯就负责了经典模拟游戏《主题公园》的开发，并在1994年发布。

他随后读完了剑桥大学计算机科学学位，2005年进入伦敦大学学院，攻读神经科学博士学位，希望了解真正的大脑究竟是如何工作的，以此促进人工智能的发展。2014年他创办公司Deep Mind, 公司产品阿尔法狗在2016年大战围棋冠军李世石事件上一举成名。

AlphaGo（阿尔法狗）之父在剑桥大学历时45分钟的演讲：

非常感谢大家今天能够到场，今天，我将谈谈人工智能，以及DeepMind近期在做些什么，我把这场报告命名为“超越人类认知的极限”，我希望到了报告结束的时候，大家都清晰了解我想传达的思想。

1.你真的知道什么是人工智能吗？

对于不知道DeepMind公司的朋友，我做个简单介绍，我们是在2010年于伦敦成立了这家公司，在2014年我们被谷歌收购，希望借此加快我们人工智能技术的脚步。我们的使命是什么呢？我们的首要使命便是解决人工智能问题；一旦这个问题解决了，理论上任何问题都可以被解决。这就是我们的两大使命了，听起来可能有点狡猾，但是我们真的相信，如果人工智能最基本的问题都解决了的话，没有什么问题是困难的。

那么我们准备怎样实现这个目标呢？DeepMind现在在努力制造世界上第一台通用学习机，大体上学习可以分为两类：一种就是直接从输入和经验中学习，没有既定的程序或者规则可循，系统需要从原始数据自己进行学习；第二种学习系统就是通用学习系统，指的是一种算法可以用于不同的任务和领域，甚至是一些从未见过的全新领域。大家肯定会问，系统是怎么做到这一点的？

其实，人脑就是一个非常明显的例子，这是可能的，关键在于如何通过大量的数据资源，寻找到最合适的解决方式和算法。我们把这种系统叫做通用人工智能，来区别于如今我们当前大部分人在用的仅在某一领域发挥特长的狭义人工智能，这种狭义人工智能在过去的40-50年非常流行。

IBM 发明的深蓝系统（Deep Blue）就是一个很好的狭义人工智能的例子，他在上世纪90年代末期曾打败了国际象棋冠军加里·卡斯帕罗夫（Gary Kasporov） 。如今，我们到了人工智能的新的转折点，我们有着更加先进、更加匹配的技术。

1997年5月，IBM与世界国际象棋冠军加里·卡斯帕罗夫对决。

2.如何让机器听从人类的命令？

大家可能想问机器是如何听从人类的命令的，其实并不是机器或者算法本身，而是一群聪明的编程者智慧的结晶。他们与每一位国际象棋大师对话，汲取他们的经验，把其转化成代码和规则，组建了人类最强的象棋大师团队。但是这样的系统仅限于象棋，不能用于其他游戏。对于新的游戏，你需要重新开始编程。在某种程度上，这些技术仍然不够完美，并不是传统意义上的完全人工智能，其中所缺失的就是普适性和学习性。我们想通过“增强学习”来解决这一难题。在这里我解释一下增强学习，我相信很多人都了解这个算法。

首先，想像一下有一个主体，在AI领域我们称我们的人工智能系统为主体，它需要了解自己所处的环境，并尽力找出自己要达到的目的。这里的环境可以指真实事件，可以是机器人，也可以是虚拟世界，比如游戏环境；主体通过两种方式与周围环境接触；它先通过观察熟悉环境，我们起初通过视觉，也可以通过听觉、触觉等，我们也在发展多感觉的系统；

第二个任务，就是在此基础上，建模并找出最佳选择。这可能涉及到对未来的预期，想像，以及假设检验。这个主体经常处在真实环境中，当时间节点到了的时候，系统需要输出当前找到的最佳方案。这个方案可能或多或少会改变所处环境，从而进一步驱动观察的结果，并反馈给主体。

简单来说，这就是增强学习的原则，示意图虽然简单，但是其中却涉及了极其复杂的算法和原理。如果我们能够解决大部分问题，我们就能够搭建普适人工智能。这是因为两个主要原因：首先，从数学角度来讲，我的合伙人，一名博士，他搭建了一个系统叫‘AI-XI’，用这个模型，他证明了在计算机硬件条件和时间无限的情况下，搭建一个普适人工智能，需要的信息。另外，从生物角度来讲，动物和人类等，人类的大脑是多巴胺控制的，它在执行增强学习的行为。因此，不论是从数学的角度，还是生物的角度，增强学习是一个有效的解决人工智能问题的工具。

3.为什么围棋是人工智能难解之谜？

接下来，我要主要讲讲我们最近的技术，那就是去年诞生的阿尔法狗；希望在座的大家了解这个游戏，并尝试玩玩，这是个非常棒的游戏。围棋使用方形格状棋盘及黑白二色圆形棋子进行对弈，棋盘上有纵横各19条直线将棋盘分成361个交叉点，棋子走在交叉点上，双方交替行棋，以围地多者为胜。围棋规则没有多复杂，我可以在五分钟之内教给大家。这张图展示的就是一局已结束，整个棋盘基本布满棋子，然后数一下你的棋子圈出的空间以及对方棋子圈出的空间，谁的空间大，谁就获胜。在图示的这场势均力敌的比赛中，白棋一格之差险胜。

白棋以一格之差险胜。

其实，了解这个游戏的最终目的非常难，因为它并不像象棋那样，有着直接明确的目标，在围棋里，完全是凭直觉的，甚至连如何决定游戏结束对于初学者来说，都很难。围棋是个历史悠久的游戏，有着3000多年的历史，起源于中国，在亚洲，围棋有着很深的文化意义。孔子还曾指出，围棋是每一个真正的学者都应该掌握的四大技能之一（琴棋书画），所以在亚洲围棋是种艺术，专家们都会玩。

如今，这个游戏更加流行，有4000万人在玩围棋，超过2000多个顶级棋手，如果你在4-5岁的时候就展示了围棋的天赋，这些小孩将会被选中，并进入特殊的专业围棋学校，在那里，学生从6岁起，每天花12个小时学习围棋，一周七天，天天如此。直到你成为这个领域的专家，才可以离开学校毕业。这些专家基本是投入人生全部的精力，去揣摩学习掌握这门技巧，我认为围棋也许是最优雅的一种游戏了。

像我说的那样，这个游戏只有两个非常简单的规则，而其复杂性却是难以想象的，一共有10170 （10的170次方） 种可能性，这个数字比整个宇宙中的原子数1080（10的80次方）都多的去了，是没有办法穷举出围棋所有的可能结果的。我们需要一种更加聪明的方法。你也许会问为什么计算机进行围棋的游戏会如此困难，1997年,IBM的人工智能DeepBlue（深蓝）打败了当时的象棋世界冠军GarryKasparov，围棋一直是人工智能领域的难解之谜。我们能否做出一个算法来与世界围棋冠军竞争呢？要做到这一点，有两个大的挑战：

一、搜索空间庞大（分支因数就有200），一个很好的例子，就是在围棋中，平均每一个棋子有两百个可能的位置，而象棋仅仅是20. 围棋的分支因数远大于象棋。

二、比这个更难的是，几乎没有一个合适的评价函数来定义谁是赢家，赢了多少；这个评价函数对于该系统是至关重要的。而对于象棋来说，写一个评价函数是非常简单的，因为象棋不仅是个相对简单的游戏，而且是实体的，只用数一下双方的棋子，就能轻而易举得出结论了。你也可以通过其他指标来评价象棋，比如棋子移动性等。

所有的这些在围棋里都是不可能的，并不是所有的部分都一样，甚至一个小小部分的变动，会完全变化格局，所以每一个小的棋子都对棋局有着至关重要的影响。最难的部分是，我称象棋为毁灭性的游戏，游戏开始的时候，所有的棋子都在棋盘上了，随着游戏的进行，棋子被对方吃掉，棋子数目不断减少，游戏也变得越来越简单。相反，围棋是个建设性的游戏，开始的时候，棋盘是空的，慢慢的下棋双方把棋盘填满。

因此，如果你准备在中场判断一下当前形势，在象棋里，你只需看现在的棋盘，就能告诉你大致情况；在围棋里，你必须评估未来可能会发生什么，才能评估当前局势，所以相比较而言，围棋难得多。也有很多人试着将DeepBlue的技术应用在围棋上，但是结果并不理想，这些技术连一个专业的围棋手都打不赢，更别说世界冠军了。

所以大家就要问了，连电脑操作起来都这么难，人类是怎样解决这个问题的？其实，人类是靠直觉的，而围棋一开始就是一个靠直觉而非计算的游戏。所以，如果你问一个象棋选手，为什么这步这样走，他会告诉你，这样走完之后，下一步和下下一步会怎样走，就可以达到什么样的目的。这样的计划，有时候也许不尽如人意，但是起码选手是有原因的。

然而围棋就不同了，如果你去问世界级的大师，为什么走这一步，他们经常回答你直觉告诉他这么走，这是真的，他们是没法描述其中的原因的。我们通过用加强学习的方式来提高人工神经网络算法，希望能够解决这一问题。我们试图通过深度神经网络模仿人类的这种直觉行为，在这里，需要训练两个神经网络，一种是决策网络，我们从网上下载了成百万的业余围棋游戏，通过监督学习，我们让阿尔法狗模拟人类下围棋的行为；我们从棋盘上任意选择一个落子点，训练系统去预测下一步人类将作出的决定；系统的输入是在那个特殊位置最有可能发生的前五或者前十的位置移动；这样，你只需看那5-10种可能性，而不用分析所有的200种可能性了。

一旦我们有了这个，我们对系统进行几百万次的训练，通过误差加强学习，对于赢了的情况，让系统意识到，下次出现类似的情形时，更有可能做相似的决定。相反，如果系统输了，那么下次再出现类似的情况，就不会选择这种走法。我们建立了自己的游戏数据库，通过百万次的游戏，对系统进行训练，得到第二种神经网络。选择不同的落子点，经过置信区间进行学习，选出能够赢的情况，这个几率介于0-1之间，0是根本不可能赢，1是百分之百赢。

通过把这两个神经网络结合起来（决策网络和数值网络），我们可以大致预估出当前的情况。这两个神经网络树，通过蒙特卡洛算法，把这种本来不能解决的问题，变得可以解决。我们网罗了大部分的围棋下法，然后和欧洲的围棋冠军比赛，结果是阿尔法狗赢了，那是我们的第一次突破，而且相关算法还被发表在《自然》科学杂志。

接下来，我们在韩国设立了100万美元的奖金，并在2016年3月，与世界围棋冠军李世石进行了对决。李世石先生是围棋界的传奇，在过去的10年里都被认为是最顶级的围棋专家。我们与他进行对决，发现他有非常多创新的玩法，有的时候阿尔法狗很难掌控。比赛开始之前，世界上每个人（包括他本人在内）都认为他一定会很轻松就打赢这五场比赛，但实际结果是我们的阿尔法狗以4:1获胜。围棋专家和人工智能领域的专家都称这具有划时代的意义。对于业界人员来说，之前根本没想到。

4.棋局哪个关键区域被人类忽视了？

这对于我们来说也是一生仅有一次的偶然事件。这场比赛，全世界28亿人在关注，35000多篇关于此的报道。整个韩国那一周都在围绕这个话题。真是一件非常美妙的事情。对于我们而言，重要的不是阿尔法狗赢了这个比赛，而是了解分析他是如何赢的，这个系统有多强的创新能力。阿尔法狗不仅仅只是模仿其他人类选手的下法，他在不断创新。在这里举个例子 ，这是第二局里的一个情况，第37步，这一步是我整个比赛中最喜欢的一步。在这里，黑棋代表阿尔法狗，他将棋子落在了图中三角标出的位置。为什么这步这么关键呢为什么大家都被震惊到了。

图左：第二局里，第37步，黑棋的落子位置 图右：之前貌似陷入困境的两个棋子。

其实在围棋中有两条至关重要的分界线，从右数第三根线。如果在第三根线上移动棋子，意味着你将占领这个线右边的领域。而如果是在第四根线上落子，意味着你想向棋盘中部进军，潜在的，未来你会占棋盘上其他部分的领域，可能和你在第三根线上得到的领域相当。

所以在过去的3000多年里，人们认为在第三根线上落子和第四根线上落子有着相同的重要性。但是在这场游戏中，大家看到在这第37步中，阿尔法狗落子在了第五条线，进军棋局的中部区域。与第四根线相比，这根线离中部区域更近。这可能意味着，在几千年里，人们低估了棋局中部区域的重要性。

有趣的是，围棋就是一门艺术，是一种客观的艺术。我们坐在这里的每一个人，都可能因为心情好坏产生成千上百种的新想法，但并不意味着每一种想法都是好的。而阿尔法狗却是客观的，他的目标就是赢得游戏。

5.阿尔法狗拿下李世石靠哪几个绝招？

大家看到在当前的棋局下，左下角那两个用三角标出的棋子看起来好像陷入了困难，而15步之后，这两个棋子的力量扩散到了棋局中心，一直延续到棋盘的右边，使得这第37步恰恰落在这里，成为一个获胜的决定性因素。在这一步上阿尔法狗非常具有创新性。我本人是一个很业余的棋手，让我们看看一位世界级专家Michael Redmond对这一步的评价。 Michael是一位9段选手（围棋最高段），就像是功夫中的黑段一样，他说：“这是非常令人震惊的一步，就像是一个错误的决定。”在实际模拟中，Michael其实一开始把棋子放在了另外一个地方，根本没想到阿尔法狗会走这一步。像这样的创新，在这个比赛中，阿尔法狗还有许多。在这里，我特别感谢李世石先生，其实在我们赢了前三局的时候，他下去了。

2016年3月阿尔法狗大战世界围棋冠军李世石，以4:1的总分战胜了人类。

那是三场非常艰难的比赛，尤其是第一场。因为我们需要不断训练我们的算法，阿尔法狗之前打赢了欧洲冠军，经过这场比赛，我们知道了欧洲冠军和世界冠军的差别。理论上来讲，我们的系统也进步了。但是当你训练这个系统的时候，我们不知道有多少是过度拟合的，因此，在第一局比赛结束之前，系统是不知道自己的统计结果的。所以，其实第一局，我们非常紧张，因为如果第一局输了，很有可能我们的算法存在巨大漏洞，有可能会连输五局。但是如果我们第一局赢了，证明我们的加权系统是对的。

不过，李世石先生在第四场的时候，回来了，也许压力缓解了许多，他做出了一步非常创新性的举动，我认为这是历史上的创新之举。这一步迷惑了阿尔法狗，使他的决策树进行了错误估计，一些中国的专家甚至称之为“神之一手”。通过这个例子，我们可以看到多少的哲理蕴含于围棋中。这些顶级专家，用尽必生的精力，去找出这种神之一手。其实，在这步里，阿尔法狗知道这是非常不寻常的一步，他当时估计李世石通过这步赢的可能性是0.007%，阿尔法狗之前没有见过这样的落子方式，在那2分钟里，他需要重新搜索决策计算。我刚刚已经提到过这个游戏的影响：28亿人观看，35000相关文章的媒体报道，在西方网售的围棋被一抢而空，我听说MIT（美国麻省理工学院）还有其他很多高校，许多人新加入了围棋社。

第四局里，李世石第78步的创新之举。

我刚才谈到了直觉和创新，直觉是一种含蓄的表达，它是基于人类的经历和本能的一种思维形式，不需要精确计算。这一决策的准确性可以通过行为进行评判。在围棋里很简单，我们给系统输入棋子的位置，来评估其重要性。阿尔法狗就是在模拟人类这种直觉行为。创新，我认为就是在已有知识和经验的基础上，产生一种原始的，创新的观点。阿尔法狗很明显的示范了这两种能力。

6.Master执白中盘胜柯洁，柯洁是否还有希望？

那么我们今天的主题是“超越人类认知的极限”，下一步应该是什么呢？从去年三月以来，我们一直在不断完善和改进阿尔法狗，大家肯定会问，既然我们已经是世界冠军了，还有什么可完善的？ 其实，我们认为阿尔法狗还不是完美的，还需要做更多的研究。

首先，我们想要继续研究刚才提到的和李世石的第四局的比赛，来填充知识的空白；这个问题其实已经被解决了，我们建立了一个新的阿尔法狗分系统，不同于主系统，这个分支系统是用来困惑主系统的。我们也优化了系统的行为，以前我们需要花至少3个月来训练系统，现在只需要一周时间。

第二，我们需要理解阿尔法狗所采取的决定，并对其进行解释；阿尔法狗这样做的原因是什么，是否符合人类的想法等等；我们通过对比人类大脑对于不同落子位置的反应以及阿尔法狗对于棋子位置的反应，以期找到一些新的知识；本质上就是想让系统更专业。我们在网络上与世界顶级的专家对决，一开始我们使用了一个假名（Master），在连胜之后被大家猜出是阿尔法狗。这些都是顶级的专家，我们至今已赢了60位大师了。如果你做个简单的贝叶斯分析，你会发现阿尔法狗赢不同对手的难易也不一样。而且，阿尔法狗也在不断自我创新，比如说图中右下角这个棋子（圆圈标处），落在第二根线里，以往我们并不认为这是个有效的位置。实际上，韩国有的团队预约了这些游戏，想研究其中新的意义和信息。

阿尔法狗自我创新，落在第二格线的旗子。

柯洁，既是中国的围棋冠军，也是目前的世界围棋冠军，他才19岁。他也在网上和阿尔法狗对决过，比赛之后他说人类已经研究围棋研究了几千年了，然而人工智能却告诉我们，我们甚至连其表皮都没揭开。他也说人类和人工智能的联合将会开创一个新纪元，将共同发现围棋的真谛。异曲同工，柯洁提到了围棋的真理，我们在这里谈的是科学的真理。

红遍网络的神秘棋手Master2017年1月3日在腾讯围棋对弈平台赢了柯洁。

Master执白中盘胜柯洁，Master就是AlphaGo的升级版。

那么围棋的新纪元是否真的到来了呢？围棋史上这样的划时代事件曾经发生过两次，第一次是发生在1600年左右的日本，20世纪30-40年代的日本，日本一位当时非常杰出的围棋高手吴清源提出了一个全新的关于围棋的理论，将围棋提升到了一个全新的境界。大家说如今，阿尔法狗带来的是围棋界的第三次变革。

5月23日，柯洁和alphago斗棋，柯洁是否还有希望？

7.为什么人工智能“下围棋”强于“下象棋”？

我想解释一下，为什么人工智能在围棋界所作出的贡献，要远大于象棋界。如果我们看看当今的世界国际象棋冠军芒努斯·卡尔森，他其实和之前的世界冠军没什么大的区别，他们都很优秀，都很聪明。但为什么当人工智能出现的时候，他们可以远远超越人类？我认为其中的原因是，国际象棋更注重战术，而阿尔法狗更注重战略。如今世界顶级的国际象棋程序再不会犯技术性的错误，而在人类身上，不可能不犯错。

第二，国际象棋有着巨大的数据库，如果棋盘上少于9个棋子的时候，通过数学算法就可以计算出谁胜谁败了。计算机通过成千上万的迭代算法，就可以计算出来了。因此，当棋盘上少于九个棋子的时候，下象棋时人类是没有办法获胜的。

因此，国际象棋的算法已经近乎极致，我们没有办法再去提高它。然而围棋里的阿尔法狗，在不断创造新的想法，这些全新的想法，在和真人对决的时候，顶级的棋手也可以把其纳入到考虑的范畴，不断提高自己。

就如欧洲围棋冠军樊麾（第一位与阿尔法狗对阵的人类职业棋手）所说的那样，在和阿尔法狗对决的过程中，机器人不断创新的下法，也让人类不断跳出自己的思维局限，不断提高自己。大家都知道，经过专业围棋学校里30多年的磨练，他们的很多思维已经固化，机器人的创新想法能为其带来意想不到的灵感。我真的相信如果人类和机器人结合在一起，能创造出许多不可思议的事情。我们的天性和真正的潜力会被真正释放出来。

8.阿尔法狗不为了赢取比赛又是为了什么？

就像是天文学家利用哈勃望远镜观察宇宙一样，利用阿尔法狗，围棋专家可以去探索他们的未知世界，探索围棋世界的奥秘。我们发明阿尔法狗，并不是为了赢取围棋比赛，我们是想为测试我们自己的人工智能算法搭建一个有效的平台，我们的最终目的是把这些算法应用到真实的世界中，为社会所服务。

当今世界面临的一个巨大挑战就是过量的信息和复杂的系统，我们怎么才能找到其中的规律和结构，从疾病到气候，我们需要解决不同领域的问题。这些领域十分复杂，对于这些问题，即使是最聪明的人类也无法解决的。

我认为人工智能是解决这些问题的一个潜在方式。在如今这个充斥着各种新技术的时代，人工智能必须在人类道德基准范围内被开发和利用。本来，技术是中性的，但是我们使用它的目的和使用它的范围，大大决定了其功能和性质，这必须是一个让人人受益的技术才行。

我自己的理想是通过自己的努力，让人工智能科学家或者人工智能助理和医药助理成为可能，通过该技术，我们可以真正加速技术的更新和进步。

飞扬跋扈为谁雄

飞扬跋扈为谁雄

2019年11月19日，韩国著名围棋国手李世石宣布退役，一代天骄，就此豹隐南山，“不败少年”传奇，渐行渐远。这位极具个性的传奇棋士职业生涯中创造无数辉煌，也一直以极为张扬的个性在这个世界横冲直撞。他的行事无法模仿，他的传奇无法复制。

如豹出林

李世石1983年出生，1995年入段，很快以“飞禽岛少年”之名蜚声棋坛。

特立独行

2000年，在韩国第四届新锐十杰战中他杀入决赛，面对的对手是亲哥哥李相勋。围棋史上极为罕见的由亲兄弟争夺冠军的一幕出现。当时的李世石名气棋艺已经大大超过哥哥，几乎所有人都认为他夺冠水到渠成。不料，李世石最终以1比2败下阵来，“让棋”之说一时甚嚣尘上。不管是否相让，李世石都不屑去解释。几乎同时，他还打进了韩国第5届天元战决赛，与另一位新锐柳才馨进行最后的争夺。这一战，李世石倾尽全力，3比0干净利落拿下对手，韩国棋界继李昌镐之后第二位天元诞生。李世石成全了哥哥，也没有耽误自己的前进步伐。

外科手术

2001年李世石宣布“拒绝参加韩国升段赛”，要做“永远的三段”。李世石认为，当代棋坛，段位已无法体现棋手的真实水平，棋手参加升段比赛已毫无意义，升段比赛不仅要消耗体力，而且会影响到其他比赛的发挥，简直就是在做无用功。他的这一举动催生了2002年底韩国升段赛的取消，棋手依靠各项大赛的成绩升段。李世石自己凭借世界冠军头衔飞速升入九段。

李世石此举也直接推动了中国和日本的围棋升段制度改革，李世石一生的对手中国古力九段亦是受益者。

结婚下棋两不误

逐步取代李昌镐成为“韩国第一人”并被多数人视为“世界第一人”后，李世石的特立独行并无收敛。2006年3月12日，李世石在韩国大婚，迎娶金贤珍，他前一天刚在第六届春兰杯首轮取胜，立即飞回韩国。婚礼当天他又飞回中国，13日在春兰杯第二轮上力克罗洗河，打进八强。如此任性行事，可以欣赏却是学不来啊。

铁血柔情

2008年6月，李世石夺得第20届亚洲杯冠军，他与亚军赵汉乘一道把冠亚军奖金捐献给中国四川地震灾区。亚洲电视快棋赛冠军奖金250万日元，亚军50万日元，这也是三国围棋界首次出现的捐献冠亚军奖金的义举。此举得到棋界内外大力褒扬，李世石富有人情味的一面充分展示。

绝代双骄

李世石与中国的古力堪称一时瑜亮，或者说绝代双骄。

古力、李世石都生于1983年，生日仅差一个月，古力是2月3日，李世石则是3月2日。相似的年龄，相似的力战棋风使两人难逃终生对手的宿命。

2002年8月3日，19岁李世石夺得个人第一个世界冠军，第15届富士通杯，成为《围棋天地》杂志的封面人物，“世石风暴”由此开始席卷棋坛。

2003年4月16日，第七届LG杯世界围棋棋王战颁奖，在这次决赛里，20岁的李世石3比1击败李昌镐，夺得个人第二个世界冠军，正式撬动了李昌镐的霸主地位。从2002年第15届富士通杯击败刘昌赫开始，到2009年第13届三星杯决赛胜孔杰，李世石在连续十次世界大赛决赛里都取得了胜利，直到……李世石遇到一生之敌古力。

2009年2月25日，第13届LG杯世界棋王战，25岁的李世石近十年来首次在世界大赛决赛里折戟，他对面坐是“一生之敌”古力，此役被韩国媒体炒作为四千年一战。

此后两人在各种赛事里如宿命般地不断交手，直至李世石退役时，两人战绩是25胜25负1无胜负。

神之一手

2016年3月9日，刚刚过完33岁生日不久（3月2日）的李世石，迎来了一个特殊的对手名为AlphaGo的围棋程序。这场人机大战不仅引爆了围棋界，更把“人工智能”介绍给了全世界。

2016年3月12日，人机大战第三局，压力巨大的李世石再度输掉比赛，0比3提前落败，赛后他哽咽着向人们道歉：“输给电脑的只是李世石个人，不是整个人类……”这一刻，令人动容。

2016年3月15日，人机大战第四局，置之死地而后生的李世石下出“神之一手”，取得人类棋手对阵AlphaGo的唯一胜利。赛后他说，这场胜利无论用什么他都不会交换。确实，这场胜利是人类智慧的灵光乍现，是古老围棋的深邃魅力所在。

再次挑战底线

李世石（36）九段的隐退纪念对局，将与AI下升降棋。职业高手与AI下升降棋，这还是”史上第一次”。

本次对局，是人类棋手与AI第一次进行的升降棋战。一直以来，人们都认为人类的顶尖棋手与AI之间的差距在二子到三子之间。但是由于从来没有进行过实际的对局，所以无法知道人类棋手与AI之间的真正差距。通过这次对局，我们可以看清人类与AI真实的实力差距到底有多大。

李世石九段的对手“韩豆”，是NHN公司从1999年开始根据“韩棋网”上的围棋数据自主开发的AI。1月份，韩豆曾与韩国国内的五名顶尖棋手对局，并夺得了5战全胜的成绩。8月份，“韩豆”在中国山东省举行的“中信建投证券杯”世界智能围棋公开赛中勇夺第三名。

韩国围棋界认为，本次升降棋李世石九段难逃苦战的命运。梁建九段说，“AI与人类棋手之间的差距早已经越拉越大，所以即便受让两子李世石也很难获胜。”“毕竟是告别对局，相信李世石九段一定会全力以赴。”

棋界谁人不识君

面对中日韩三国围棋赛，李世石反对动则以国家荣誉来绑架比赛，“胜负终究是一个人的事情”，这样的李世石，孤独，难觅知音，但我们内心深处的某个角落是否也会羡慕他的孤独呢？这世界总有一些人会踽踽独行，不在意他人的眼光，坚持自己的原则。前路或许并不明亮，好在内心会有烛光闪烁。

（文中借用很多媒体资料，在此谢过。）

来自话题

生活中哪一个瞬间让你感觉人工智能真的来了?

人工智能早已经来了好些年了。

下面谈谈普通群众可能知道的几个瞬间，这些事件正是人工智能现实应用的典型案例。

（1）2016年3月，谷歌人工智能Alpha Go战胜世界围棋第一选手李世石

这是这个事件，有关人工智能的热情和恐慌情绪再次甚嚣尘上，也引发了新一波的媒体宣传热潮。

2017年初，中国棋类网站上，有一个叫“Master”的帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。这位“master”选手就是升级版本的Alpha Go，战胜柯洁之后，围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平。

（2）智能语音识别的广泛应用

现如今数码市场上，已经出现了好多依靠人工智能-语音识别的产品，比如亚马逊的Echo印象，苹果手机的Siri语音助手。

上图是亚马逊新出的智能音箱产品Echo，为什么说这是“智能”音箱呢？因为你可以跟它“聊天”。

“今天是几号？”“有什么火爆的新闻？”“北京今天的天气怎么样？”“放一首鹿晗的歌。”.

这些问题，Echo都能做出对应的反应，回答你。Google产品部门的负责人介绍，Echo可以帮助用户查询音乐、新闻、天气以及其他上网可以搜索到的信息。简单地说，就是一个知道所有搜索引擎能查到的信息，而且能听懂你的话，回答你的问题。

上图是苹果收集的Siri智能语音系统，同样地，Siri能够识别和回答很多人类的问题，尤其是信息类的。

网上有很多调戏Siri段子，其实，正是全球大量用户不断地“调戏”Siri它采集到更多的数据，通过数据筛选和机器学习，不断地提高Siri的“智商”。

（3）图像、人脸识别的广泛应用

人工智能应用在视觉识别上，已经获得了比较成功的应用，人们使用机器学习，改变人脸识别、图像识别等应用领域。

上图是马云在技术大会上面展示人脸信息识别的新产品。“人脸识别系统”集成了人工智能、图像识别、机器学习等技术，通过模式学习和特征提取，大量地数据分析后，提高人脸信息采集和分析、识别的能力。

人脸识别系统快速发展，已经在生活中应用，体现了人工智能技术已经快速应用于生活中。

由此可见，人工智能技术正在更加广泛地应用于生活中，一方面改进了我们的生活，让生活更加方便、智能，同时也提醒人们需要不断学习，掌握更加复杂和情感丰富的工作，避免被人工智能取代。

今天的内容先分享到这里了，读完本文《李世石赢ai韩国反应》之后，是否是您想找的答案呢？想要了解更多，敬请关注www.zuqiumeng.cn,您的关注是给小编最大的鼓励。