举世瞩目的人机围棋大战终于落幕了， AlphaGo以4:1 轻松击败围棋世界冠军李世石，展现了其超强的计算、推理、学习能力。围棋变化多端，所有的变化就有361的阶乘，比宇宙所有的原子个数还要多很多很多倍。可以说，古今中外几乎没有一盘围棋是完全相同的。AlphaGo不可能采用穷举的方法，因为再高级的超级计算机也不能在有限时间内算出所有的可能。围棋可以说是世界上最具有难度的游戏之一，AlphaGo能战胜围棋世界冠军，说明在任何一个单项领域，机器都有可能远远超过人类。好在，李世石扳回1局，给人类的智慧留了些面子，也给了些希望。

     AlphaGo为什么具有如此Powerful的能力？这是我们需要思考的问题。我个人认为研究出AlphaGo的科研团队DeepMind采取了一种新的人工智能科研模式，也可以说是一个新的科研范式：数据挖掘+专家知识+强化学习。还可以戏称为AlphaGo的“三板斧”。

DeepMind团队不是把所有的棋谱都搜集来，形成棋谱大数据。而是有选择性的，从数以千万的专家棋谱中学习。记住，不是啥数据都用，而是比较优秀性能的数据才好使。现在流行大数据，我个人认为不完全对，要把大数据中优秀的数据筛选出来，更加有用。至于他们用的DeepLearning技术，虽然很先进，但是如果从大量普通棋手的棋局中学，再好的数据挖掘技术也没有用。

其次，DeepMind团队总结了围棋下棋的基本规则，再聪明的算法也需要服从围棋下棋的基本规则，就像汽车自动驾驶系统中，绿灯行红灯停，是基本常识。AlphaGo能判断何处可以落子，何时获胜或落败。当前，专家知识针对不同的问题，有的很简单，有的很复杂。

最重要的是，DeepMind团队还采用了强化学习，能在不断试错和探索，能评估棋局态势，能在棋局结束时根据输赢的多少，自动调节算法网络的参数。AlphaGo能与自己下几千万盘棋，从而不断总结提升自己。

AlphaGo从几千万高水平历史棋局中总结经验，从几千万局实战棋局中自我改进，这都远远超过人类的时间和体能的极限。以此类推，在任何一个单项技能方面，人工智能都会远远超过人类。比如，汽车自动驾驶系统，首先可以从大量优秀司机的驾驶数据中挖掘，然后制定一些需要服从的交通规则，然后让车辆在实际或者仿真的环境中反复行驶，不断改进算法参数，必将会取得比人类老司机更高的水平。

万幸的是，人工智能再厉害，也是我们人类想出的思路、研究的算法、编写的代码在背后起作用。好在，人工智能技术目前还没有情感、没有自我意识、不能从事复杂多样性的工作。  

隋唐演义中的程咬金的三板斧气势汹汹，不熟悉的人都被他打得措手不及，但是熟悉之后，就没有那么大的威力了。希望李世石能总结此次比赛的经验，发现击败AlphaGo的技巧，下次再次比试时能轻松获胜。如果真能这样，我们就没有必要担心人工智能超过人类的智慧了。

媒体报道：

张江评论头条：

http://toutiao.com/i6262871133066887681/  

AlphaGo凭借“三板斧”横扫李世石，人类何时能扳回败局

陈德旺

相关专题：世纪人机大战：李世石 VS AlphaGo
转载本文请联系原作者获取授权，同时请注明本文来自陈德旺科学网博客。
链接地址：https://blog.sciencenet.cn/blog-57940-962902.html

上一篇：从引力波暗物质再反思“卢刚事件”
下一篇：太科学的研究招生制度与IPDI原理的不兼容