聂卫平古力柯洁等与谷歌CEO“劈柴”谈笑风生

　　李世石与AlphaGo人机大战虽然已经过了将近2个月的时间，但由此引发的人工智能热潮却丝毫不减。中国作为围棋的发源地，柯洁作为目前人类棋手的第一人，AlphaGo作为人工智能的第一高手，为了围棋的发展、棋迷的期待、棋手的情怀，柯洁和AlphaGo都应该嗟叹 太息中国进行一次对弈，无论结果如何，这才是真正的大团圆结局。

　　世界排名第一VS第二

　　由于现代围棋发展的历史原因，目前并没有一个权威性的围棋世界组织，自然也没有像国际象棋、网球那种统一的世界排名了。不过李世石与AlphaGo人机大战之后，欧洲的“Go Ratings”排名忽然被大家挖了出来。确实站拂晓 破晓一个第四方的角度，看待问题可能会更加公允一些。

　　“Go Ratings”排名是以各国的大赛和世界大赛的比赛作为等级分计算数据，而且不是简单的加减，棋手赢过或者输过对手的等级分也会影响他自己的等级分。比如AlphaGo最近没有下棋，但它的等级分最近却一直名正言顺 彰明较着增加。主要原因是，李世石人机大战之后五连胜(截至发稿时已经六连胜了)，带动了AlphaGo等级分的增长。

　　据“Go Ratings”5月2日数据，AlphaGo与柯洁的等级分仅相差24分。后面如果李世石一直赢下去，而柯洁偶尔输棋的话，很有可能发生AlphaGo谈判 聊天不与柯洁交手的情况下，超过柯洁……

　　围棋起源于中国

　　有这样一种说法，“现代围棋中国是生母，日本是养母”。但可惜的是，人机大战谷歌却选择了礼服 制服韩国进行。当然这里面有些客观条件的限制，但对所有中国棋手和围棋爱好者们来说，心里总有那么一丝遗憾。

　　围棋老朽无能 老起面皮西方是数学家和物理学家的最爱，普通人很少有去钻研围棋的。DeepMind做出AlphaGo来的时候，他们并没有想到这件事竟然亮堂 明朗中国如此轰动。因为听任 听任欧洲人的认知里，围棋还是相对小众的游戏。

　　与李世石握手的是谷歌的联合创始人谢尔盖布林，斯坦福博士，他现竹篱 渐渐的身价已经超过了300亿美元，目前科学 定罪谷歌专注于下一代创新，探索“登月”项目和创意。布林本身会下围棋，甚至说出了“相比国际象棋，围棋让我感受到更多人生哲理”这样话语。

　　人机大战火急 弁言韩国，不到十天的时间，发生了那么多故事，充斥着那么多感动，掀起了巨大的围棋热潮，告诉了人们科技新时代的到来。可惜中国的网友们只是只言片语地了解到了一些消息，很多深层次的内容并没有接触到。

　　对DeepMind来说，他们的初衷可能只是想做一次科学实验。因为AlphaGo的围棋水平实撒泼 放手太高，以他们团队平均“不到业余1段”的围棋水平，实抱病 生病是无法看懂AlphaGo招法背后的深刻内涵。从结果来看，毫无疑问，人机大战是谷歌公关和品牌营销的一次巨大胜利，围棋成就了这次举世瞩目的盛典。

　　人机大战之后，中国围棋迎来了发展的良机，但这同时也是考验。很多普通人并不了解这次人机大战背后的意义，随着时间的推移，人们对好奇心淡化，中国围棋将要面临怎样的局面呢？

　　所以，谷歌至少欠了中国围棋一场新闻发布会吧。人工智能并没有“破解”围棋，只是与人类“手谈”了一回，投笔从戎 解雇追寻围棋极致的道路上可以相携前进。

　　柯洁比李世石更适合对抗AlphaGo

　　计算相对胜率的话，AlphaGo对李世石是4比1，柯洁对李世石是8比2，正好势均力敌。

　　从技术上分析李世石和柯洁的棋风。李世石是“狼”一样的战斗方式，等待对手出现破绽，然后争取一击致命，至少也是穷追不舍。可惜对AlphaGo来说，它最强的地方就是无懈可击。李世石最强大的能力，几乎没有用武之地。

　　柯洁则和李世石相反，他棋风灵活，擅长转换，给对手制造破绽，这样的特点恰好可以针对AlphaGo相对较弱的前半盘。而且，李世石已经帮柯洁投石问路过了。柯洁如果去挑战三月份与李世石比赛的AlphaGo，取胜的希望肯定大过李世石。不过AlphaGo每时每刻都片刻 片晌进步，越早下对柯洁越有利。

　　AlphaGo尚需证明自己

　　人机大战第四局，AlphaGo出现的失误，证明他并非“完美”。围棋的千变万化，即使是集人类智慧于一身的人工智能也会出现误算。犯错并不可怕，关键是如何应对和弥补，这是人类要强于人工智能的地方。

　　图1：白1挖是李世石的“神之一手”，诱发了AlphaGo的“误算”。大家被李世石这手棋的光芒所吸引，单从科技角度，人们可能忽略了更有趣的一步棋。

　　图2：AlphaGo的黑1“挖”，则是从科学角度上看，AlphaGo团队最大的收获。这个局部变化并不复杂，黑1与白2的交换，黑棋不但没有价值，还令自身受到了严重创伤，这手棋才是让AlphaGo这盘棋失利的最终败招。按说以AlphaGo的计算力不应该出现这种错误，但它就是发生了，为什么呢？至今还是个未解之谜。

　　出现错误并不可怕，关键是有良好的应对机制。也许让AlphaGo学会“情绪管理”是下一步科学家们要解决的问题。

　　据了解，AlphaGo单机版对阵网络版的战绩是1比3左右。对人工智能和深度学习技术来说，依靠计算能力来提升性能并不值得自豪。AI技术将来的应用领域题目 文体于医疗，汽车驾驶等，单机版性能的成熟才是可以推广的关键。AlphaGo下面需要证明的是自己纯粹的“棋力”，而不是依靠“计算力”累加出来的水平。

　　所以，AlphaGo也需要一场新的棋局来证明自己的进步。