如何评价AlphaGo击败李世石【欧陆风云4吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：110,275贴子：
如何评价AlphaGo击败李世石
AlphaGo三战三捷，提前击败李世石
这是否意味着人类未来会被机器人取代
只希望围棋以后不会遭遇象棋一样的境地吧。。。
人类药丸吗
记得看过一句话是，上帝创造了人类，人类创造人工智能，现在人类已经反抗上帝了，那为什么人工智能不能反抗人类。
不能说明任何问题，围棋没有未知数，比打麻将吧，三台阿尔法都比不上一把好手气的天胡
来自lumia920
我去，昨天晚上我们寝室里还在说ai会不会灭了人类
让AlphaGo操作纳瓦拉如何
以后lol不能人机拿首胜了
让这条狗玩玩被秒宣的阿尔巴尼亚才能证明它比人类强
只是有了不完全的自我学习能力而已，和ai比记忆和计算就是找死。如果被自己的造物打败那只能说未来的人类偏科严重，胆子不小。
点亮12星座印记,
AI没有欲望，因此没有创造力，不用担心人工智能威胁人类。
有种比打麻将
就如ls所说，它再牛让他操作阿尔巴尼亚也活不了～这也就是ai的劣势～它只能计算而没法思考～如果告诉他去打塞尔维亚，凭借它的计算力肯定能活破局，但是它不会想到去宣塞尔维亚来破局。另一方面，让它去操作拜拜破局，即使告诉他要拉玻璃，就算是星河二号来控制ai，它也不会每次都成功，因为电脑并不能避免大波波没有联通立陶宛的几率和大波波在土鸡没有宣战的时候已经宣了条顿的几率，所以他也无法战胜偶然～
不会的，人类不会傻到制造完全智能的ai
人工智能不可怕 可怕的是人工智能感染了病毒
电脑能够学习，不过它能创造么？
关于机器人奴役人类的可能性，我觉得人类不如先考虑一下自己有什么被奴役的价值吧……你是挖煤挖得比机器人快了还是搬砖搬得比机器人多了……你连下棋都下不过机器人……
弱人工智能而已，一惊一乍
其实我想知道俩alphago互相下棋是什么效果
首先能赢是意料之中的事其次会不会逆袭人类？关我P事...我就一个刁民 说了也没用
每次提到这个话题就看到大量不懂阿狗原理且被对科幻电影有深刻印象的人在杞人忧天。个人对深度神经网络的进展还是感到很欣喜的。阿狗本身的算法设计就是个精美的艺术品，在阿狗之前已经有各种论文和其他相关工作探讨围棋上AI击败人类的可能性，一步一步进展才有现在的成果，这只是个时间问题。
贴吧热议榜
使用签名档&&
保存至快速回贴从AlphaGo身上学到的？ 李世石惊人弃子(多谱)_棋牌_新浪竞技风暴_新浪网
从AlphaGo身上学到的？ 李世石惊人弃子(多谱)
李世石朴廷桓赛后复盘
　　新浪体育讯　　6月12日，第8届应氏杯三番棋半决赛第2局战罢，李世石执白不计点胜朴廷桓，将双方比分扳成1比1，以下是本局的精彩瞬间。
　　图1：朴廷桓执黑VS李世石。右上角是小雪崩的变型，最近在韩国非常流行。黑11从这里靠出，早早形成激战。在黑棋大贴目的局面下，不失为一种把局势导向复杂的构思。
　　图2：右边到中央的战斗是本局的精华所在，黑1大跳，隐隐要把白棋“捂住”的架势。白2跳刺，黑3反刺，以下李世石白6靠是经过长考走出的强手，把黑棋的包围网一举捅破。
　　图3：李世石“惊人”的弃子。黑2挤的时候，李世石竟然选择在3位粘上。朴廷桓看到这手愣了半响。从棋感上说，白棋中央这四子棋筋是无论如何不能死的，但李世石竟然就这么弃了……
　　不过，此时我们回顾下图2的局面，算算总账，黑棋吃掉白棋四子，目数和厚薄均有收获，但白棋右下角也收获了不小实地。中央白棋7扳出之后，黑棋变成孤棋，而白棋彻底安定。黑棋吃掉四子虽然厚实，但并无太多用武之地。
　　图4：后半盘，黑1小尖太过一厢情愿。李世石非常敏锐，白2靠，先下手为强，左边到中央黑棋整体的薄味显现出来。
　　图5：左边战斗告一段落，白棋活角实地收获不小，中央黑棋还有些余味，李世石形势不错。朴廷桓黑1跳，李世石白2马上断上去，时机恰到好处。黑棋为了确保中央大龙的安全，不得不在3位打吃。白4爬，目数价值大，且威胁黑棋整体的死活。
　　图6：朴廷桓见形势不利，决定破釜沉舟。李世石则毫不客气，直接2位断开，朴廷桓3，5连扳做劫，非常顽强，不过事后看来，这可能是找认输的台阶。
　　图7：劫材黑棋不利，中央双方又小规模“交火”，白7断的时候，朴廷桓投子，李世石扳平比分。
　　图8：黑棋如果继续下的话，黑1只有在这里打吃，白2先手打，补断，4位打吃，之前断的一子，恰到好处。白6再提劫，黑棋难以为继。
　　李世石在人机大战之后，不止一次说：“现在下棋更多的是依靠计算，而不是像以前一样凭借感觉。”这盘棋白棋的“惊人弃子”似乎佐证了李世石的这个说法。李世石弃四子之前，所有的观战者，甚至包括在网络上讲解的职业棋手都没有想到这种下法。（周游）
文章关键词：
收藏&&|&&&&|&&打印&&|&&关闭
您可通过新浪首页顶部 “我的收藏”， 查看所有收藏过的文章。
请用微博账号，推荐效果更好！解读复盘第三回——人类将跟AlphaGo学下围棋
2016年，必将是载入史册的一年。
号称人类智慧最后一方净土的围棋，受到来自AI挑战，人类代表李世石九段带着使命带着人类的期望前往应战。赛前职业棋界还是多看好人类能赢，毕竟人类有一项引以为豪赖以秒杀历代AI的必杀技——大局观，所谓大局观就是处于开放性复杂局面，具有多点进攻防守时，对局势精准的判断力，并且任何一个局部的策略都着眼于全局。说简单点，就是战略！
3月10日，人机围棋巅峰对决的第二局，随着李世石投子告负，人类0比2落后，在五番棋决斗中落于背水一战的尴尬境地。可以预见的是，李世石极可能在这场比赛中被零封碾压，并且谁来也不好使。这并非李世石不够强大或是竞技状态滑落，而是AlphaGo太强大。面对AlphaGo，人类只能收起傲慢与无知，重新了解这位棋手，或者说人类围棋未来的老师。
本期我就借人机围棋巅峰对决，分析人类与AI的区别，来说说看复盘是去看什么，万理相通嘛。
我知道很多人在打滚子的时候，运用的是牌感。所谓牌感，就是人类面对一件复杂事情时，经验和知识共通融汇将获取结论的范围尽可能缩小。如果想得出确定结论，必须逐个加以验证。但是打滚子可能受出牌时间的限制，无法进行充分验证，所以造成很多人习惯用牌感打牌，打出牌之后再验证，还可以美其名曰：实践是检验真理的唯一标准。但是人类最大的弱点是心理不够稳定，常会有很多错觉，这是跟AI最大的区别，所以当牌感来自于错觉的时候，通常这手牌我们称为随手。
比如围棋中，棋手可以迅速锁定盘面是的一个最佳点，但是必须经过长时间计算验证这点是否最佳，才能落子。
其实只要养成良好的习惯，出牌前多问自己一句为什么，多进行一下可行性分析，自然就会减少随手。对于这一点，我的方法是，出牌前把手放在我的牌上，用心感受一下。
以前我跟人是这样描述我在打牌时是怎样敏锐的规避风险，我用手一摸牌就感觉到这对K是死的，所以要换条路走。很多人觉得莫名其妙，这又不是科幻大片或是通灵实验，其实这个很简单，并非我去感觉牌，而是我在验证诸多牌感得出结论的过程。
如图中牌，当庄家打出方块三张Q，我们所能做的不是先想加分，即使这可能是很多人的第一反应，我们应该去验证我们的牌感，去思考三Q大吗，不加分我们的分能活吗，后一个问题很好回答，前一个问题就要“看”底牌和自己手里的牌，“观察”后得出结论外面三张K，“想像力”告诉我们KKK目前可能在庄或右家，分析后，如果KKK在庄家则我们分活，在右家则分白死，所以“出牌”做出实战选择不加分。（引号位是四步骤，小叶说滚子074中有阐述）
有时候，多加验证自己的牌感真的能挽救你与水火之中，而不要怨声载道唉声叹气诉苦自己没办法，那是无能不是没办法！
人类打牌靠牌感+验证，下棋靠棋感+验证，但是AI完全不是，AI靠完全以赢棋为目的的各方面数据综合值逻辑关系，运算上采用缩小范围加以验证的方式，完全不依靠棋谱。棋谱就是人类的经验和知识，棋手会重复打无数盘经典局，反复演变经典变化，以增加自己的知识和经验形成良好棋感，这也是保持良好竞技状态的重要方法。
所以复盘对于很多靠牌感打牌，容易随手的玩家来说，是绝佳的“验证”过程，这个过程是进步的唯一途径。
有句话叫做“办法总比问题多”，当我们面临同一个问题时，在复盘时应该尽可能穷尽解决方案，并非一定要记住最优的解决方案，而是应该演变每种解决方案每种策略背后带来的连锁反应，明确其中的优势和劣势，机会和威胁，这样我们在实战中，也许并不能及时找到最佳方案，但是仍然可以根据日常分析复盘的经验而推测出牌局的发展方向，从而抓住牌局中的战机。
在这次的人机巅峰对决中，人类分析家们从之前AI打赢欧洲冠军的五盘棋中，看到AI一些并不强的手段就认为AI实力不够。实际上，就AI与李世石的前两盘棋中的表现来看，AI只有在认为自己优势或必胜时才会出现“脚下拌蒜”的情况，那是因为AI在众多胜点选择了一个可能并非最强的点，这是AI的逻辑，AI是要赢，而人类是要找寻最佳。在第二局中，AI发挥的淋漓尽致，是因为AI在中盘之前一直认为处于平衡，越趋近于平衡意味着对手应对越强，AI的选点范围就越变小，选点必须越强才能保住平衡或是赢，这意味着——精确，所以我们看到淋漓尽致的对局。而第二局中，李世石其实一度认为自己处于绝对劣势之中，所以直到官子阶段，由于心理劣势和时间压力的双重负荷，被AI进一步扩大胜果。
就像这样一种情况，如果你的对手很弱，或者你的牌很好，意味着你有更多样化的选择，而你的对手越强，或者你的牌更差，意味着你的战术线路更加唯一，所以后者必须更精确。
我们认为AI的弱手，其实只是基于人类的经验，AI不像人会有进攻和防守风格上的区别，也不会有人的情绪和感知，AI只有赢棋一个目标，目前很多比赛分析都基于把AI当做人一样分析，这是最可怕的一点。
在这个缺乏规则和信仰的年代里，无数质疑李世石的声音，包括那个著名的段子，李世石输后怒砸电脑，机箱钻出柯洁。即使作为人类现役棋手头把交椅的柯洁，上则必败，仅仅因为他是人，一个并没有超越时代仍然会犯错的人，面对AI第二局梦幻般的后半程，被AI突破并取胜只是时间问题。
其实李世石是准备满满去进行的比赛，这点毋庸置疑。
第一局里，李世石开出见所未见的开局，迅速导入复杂局面，这也是人类面对AI最好的方式，但是在这次决战之后这个策略将彻底成为历史。围棋之所以今天才被AI攻破，最大的原因就是其繁杂的变化，可以用无穷无尽来形容，所以李世石的策略就是让AI迷失在开放式的复杂局面里，如果是人类面对这样的局面可以依靠棋感+验证，AI只能无休止的进行搜索定位逻辑推理，不仅仅是深度广度，还必须要有精确度。很多人会说李世石过于急躁，进攻时机并不成熟，但是换个思路来考虑，如果AI真的面对复杂局面时无力运算迷失其中，李世石完全可以迅速建立优势的啊，可惜这个策略被AI以强烈的对攻化解了。
李世石见到策略无效后的反应是，换策略！棋风一转进入细节精确运算上。对于围棋来说，人类的极限大概是7道盘的精确运算，也就是说从第一手开始，穷尽对手任何应对而取胜，9道盘可以计算大部分变化但无法做到穷尽，大概是这样一个概念。有人会说，AI在计算上不是会更精确吗，事实上围棋的局部因为和全局相连，所以所谓的局部并非7道盘穷尽就能够拆解的，而局部能力考验的是AI的逻辑深度和精确度，恰恰在第一局上AI的细节处理并不妥当。但是这个不妥当是人类的认知，对于AI来说只要能赢就行不一定要选最佳策略！
在牌局中，我也是如此认为的，所有手数并不一定要选最佳，稳定和保持优势比什么都重要。就像如果我说我不算主，不知道有没有人信，听说这是我著名的标志，但是一个不幸的事实是这个常规技术我很早很早就熟练应用，并且有极高的精确度。08年电视上就用过。我一直认为最佳方案是复盘最应该解决的事情，牌局中更应该坚持赢的方向，注重牌力、效率、节奏和配合的全局应用，至于赢的是不是最佳手数我并不在意。当然，也有人用双明来解决最佳的问题，而我用复盘。
李世石第一局输棋有可能是因为没有预料到AI的102手。在这手之前，人类对AI的一连串手数纷纷质疑，认为是AI的失误。所谓失误，就是AB两个策略，逻辑上A策略优于B，而我们选B则为失误。不幸的是，人类认为AI的失误几手，AI早已锁定了102手，这不会像人类下棋一样，在对手101手时灵光一现发现102手而反败为胜，一切早在AI的计划之中，如此而已。
所以李世石第二局改变了策略，根据第一局AI在局部争斗中小瑕疵，所以李世石开出人类研究最深厚的开局中国流布局，希望借人类的智慧在中盘争斗中保持平衡，然后依靠AI局部的瑕疵慢慢蚕食AI，可惜在13手AI就跳开定式，李世石的策略彻底破灭，勉强支撑到中盘后人类心理的弱点慢慢显现，最终被AI蚕食。
如果我们只用人类的方式去思考AlphaGo，那我们连自己是怎么输的都未必搞的明白！
好消息是，滚子上没有AI，有的只是充满弱点的人类。
依靠复盘解决自身问题，寻找最佳解决方案，提升自己的牌力、效率、节奏和配合的全局应用能力，借助复盘提升自己的计算和分析，预防老年痴呆刻不容缓！
好吧，我知道有点画风突变，大道理就说到这儿，有空继续小叶说滚子的牌局探讨。
人类将跟AlphaGo学下围棋，我们借用AlphaGo的思维学习看复盘。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。如何评价第三局比赛AlphaGo再次战胜李世石？ - 知乎<strong class="NumberBoard-itemValue" title="被浏览<strong class="NumberBoard-itemValue" title="7分享邀请回答1K135 条评论分享收藏感谢收起5844 条评论分享收藏感谢收起深度解析：李世石首局两大策略与AlphaGo的弱点
来源：搜狐体育
作者：蠢砦
　　这必将是载入史册的一天。人机围棋巅峰大战第一局，人类输了。
　　赛前的预测，棋界绝大多数认为李世石必胜，科技界则大约是两派各半。认为李世石必胜的一方并非全都是出于傲慢无知，更多人不能相信的只是――这么快。科技界也有很多人了解算法之后认为AlphaGo还不足以战胜人类。从去年10月的五盘棋谱，到谷歌公开的论文，人们认为围棋AI仍然存在弱点，存在不能在这么短的时间内解决的问题，而这些问题将会导致AI在巅峰对决中失利。
　　然而，李世石输了。
　　关于这盘棋，会有很多解读。不止在今天，甚至在数十年之后，这盘棋还可能会被拿出来研究，从棋谱上，更从人机不同的思维上。不论未来回看这盘棋的是人类还是真正有了自我意识的AI，想必都会有与当下的我们不同的感受。而我们有义务把我们的感受和思考记录下来，让后人知道当时的人究竟是如何理解这盘棋，他们有哪些错误的认识、可笑的想法，又有哪些深刻的洞察。
　　我们来看看，今天这盘棋，究竟发生了什么。这盘棋可能将是有史以来职业棋手最难以统一意见的对局，以下观点是我个人见解，只是在围棋AI时代毫无预兆迅猛而来时，一名棋手尽可能理性的分析和思考。
　　一、李世石的针对性策略
　　从棋谱来看，我认为李世石在这盘棋前后主要使用了一个试探，和两个策略。
　　1）试探：从未出现过的布局
棋谱复盘人机大战
　　李世石第7手，没有按常规布局在上边连片，而选择走在右边。李世石自己在职业比赛中从未使用过这一开局，甚至整个职业围棋界，没有人见过这一开局。
　　李世石不按常规布局，显然是对电脑的一种试探。在去年10月AlphaGo对樊麾的五盘棋中，所有开局都是常规布局，虽然那五盘的开局在今天已经不是主流，但都是曾经流行一时的布局。
　　避开流行布局，甚至避开曾经流行过的已经被淘汰的布局，选择一个从未出现过的布局。李世石在考验AlphaGo在布局阶段的应变能力。我们知道AlphaGo的深度学习基于大量已有对局的数据，那么，面对一个棋谱库里从未见过的布局，AlphaGo你将如何应对？
　　AlphaGo给出了完美的回答。
棋谱复盘人机大战
　　白8挂角正常，黑9二间高夹最为激烈。白10，这一手&&非常出色。
　　通常情况下，在右上白8遭遇二间高夹的时候，白10是“不存在”的一手，它不在任何定式之中。面对黑9，白棋有诸多定式选择，却没有白10这一手。
　　然而，我认为白10是好手。
　　白10的好处在于使黑7变成效率低下的一手，虽然在右上局部白棋稍稍亏损，但加上黑7的低效，白棋一点也不吃亏。
　　AI竟然会通盘考虑！传统的围棋AI，会根据已有棋谱来走定式，定式是经过长期检验的局部双方可以接受的定型。然而定式的弊端就在于，不同的周围环境，定式的适用性有所不同。从这盘棋来看，黑9夹击之后，白棋如果选择面对二间高夹最常用的“妖刀”定式，即走在15位，反而将使黑7的位置成为绝对的好点，黑7的效率将会大大提升。
　　实战白棋选择了一个定式里没有的、局部稍亏的、却使得黑7这个遥远棋子的效率变低的下法，非常清楚地证明了两点：
　　电脑不依靠背谱来下棋
　　电脑的考虑基于全局而非局部。
　　当然，第一点其实在对樊麾的棋谱中已经可以看出来。在对樊麾的常规开局中，AI出现了数次不同于“谱着”的下法。其中有一盘出现“大雪崩”定式，电脑选择的次序是定式和棋谱里没有的，而且是从逻辑上不如谱着的。注意，这里强调是逻辑上不如谱着，而不是在经验上。即，AI当时的次序是“绝对弱于”谱着，只可能亏没可能便宜，虽然选点是正确的，但在我们看来是“次序错误”。这体现出，AlphaGo不依赖于定式和谱着，但也暴露出AI在逻辑上的不足，反应在棋盘上就可能会出现次序错误。这一点，也是棋手普遍不看好AI能战胜李世石的一个原因。
　　但这一问题在这盘棋我们并没有看到。起码，没有非常明显地显现出来（后面会提到一个细微的类似问题）。
　　而第二点则是这盘棋AI开局给我们秀出的能力。他轻易摆脱了李世石设下的定式圈套，以全局的视野作出了定式中不存在的选择。
　　如果说第一点是我们在AlphaGo对樊麾时已经能够看到的情况，那么第二点则是这局棋在布局阶段对人类试探的完美答复。如果只依靠大量棋谱堆砌出来的局部图像识别，AI做不出这样的选择。
　　2）策略一：开放式复杂局面
　　李世石第一次试探得到了AI的完美答复，然后李世石使用了他的一个重要策略。从局后来看，正是这一策略导致了李世石局面的被动，但在赛前，我们并未想到这一点。
　　我们不知道李世石在赛前有没有接受人工智能领域专家对Alphago算法的分析，但从李世石采取的策略来看，他显然有非常强的针对性。
　　我们知道，深度学习在围棋盘上的主要作用是大量剪枝，通过价值网络和策略网络，将搜索的空间大幅减小，形成“棋感”。在这个基础上，再辅以传统的蒙特卡洛算法做搜索计算，最终确定落子的选择。围棋中存在一些封闭的计算空间，比如局部的“死活题”，对于AI而言可以通过穷举来遍历每一个选点，从而完成计算，得出落子点。但围棋中更难的部分是开放式的复杂局面，每一处的不同选择都会波及到其它地方，所谓“牵一发而动全身”。而这种局面头绪繁多，可供思考的选点很多，不同选点之后变化的深度和广度都很大，并且往往一个细微的计算失误会导致整局棋的彻底失败。对于职业棋手而言，这种局面正是最难把握的局面之一。
　　赛前有人猜测，AlphaGo的剪枝面对开放性复杂局面的效用将会降低，而搜索的深度广度和准确度要求又使得AI不能依靠蒙特卡洛算法达到精确，因此这很可能是基于深度学习和蒙特卡洛的围棋AI的一个弱点。
　　不论李世石是否了解到这些，总之他使用了一个策略：迅速导入开放式复杂局面。
棋谱复盘人机大战
　　这里不做过于具体的技术分析。李世石第23手靠，和第27手挡，将局面导向了开放式复杂局面。原本李世石有更为柔和的选择，但他选择了最为强硬的下法。我们看到，AI的白24、26、28是非常敏锐的战斗嗅觉，完全没有避战。
　　从我的经验来看，这个战斗是由黑方挑起的，而黑方挑起战斗的时机并不成熟。在势均力敌的对局中，我们往往会试图在认为有超过50%成功率的时机选择战斗，只是棋手有力战派和稳健派的分别，力战派对于战斗的判断会更为乐观一些。
　　李世石是偏力战的棋手。但在本局中，这一开战时机仍然是过早了，可以说是立足未稳时冲向了敌营。我相信在对手是人的情况下李世石通常不会如此选择，他会寻找一个更合适的时机展开战斗，而且他本身就是一个极为擅长寻找战机的大师。
　　但是他选择了不等布局结束，直接开战。
棋谱复盘人机大战
　　至此，形成了六七块棋互相纠缠的局面，头绪非常之多。这是典型的开放式复杂局面。
　　仔细观察可以看到，AI是有机会避开这种局面的。
棋谱复盘人机大战
　　白42手可以选择在1位这里贴吃，选择吃掉中间两子，弃掉上边三子形成转换，如此便会避免复杂的战斗局面，形势也并不落后。
　　但实战白棋选择把上边三子跳出，形成混战局面。这是更强的下法。
　　那么，在进入开放性复杂局面之后，AlphaGo的表现如何呢？
　　答案是，非常好。
棋谱复盘人机大战
　　下午我和俞斌老师一起做现场直播时，同步进行至此，俞老表示担心白棋上边二路立一个先行搜刮，趁黑立足未稳先赚取利益。话音未落我们就看到AlphaGo下出了这一步。
棋谱复盘人机大战
　　这步靠，本身似乎是“不成立”的，因为黑棋可以轻易地征吃白棋。这一步是业余棋手绝难想到的下法，因为白棋右上自身正处于防守状态，顺着往下贴是本能下法。然而AI下出这一步，在防守时反手一击，包含了弃子整形、试问应手等诸多人类理解的含义。
棋谱复盘人机大战
　　诚然，黑棋可以很轻易地吃掉白棋靠出来的这个棋子，但代价是黑1的俗手打吃和白4的先手便宜。职业棋手能够很容易地看出白棋送一个子整形是有所便宜的，但AI也能轻松地做出这一判断，并且在防守时有此“意识”，真的很神奇。
　　当然，对于跨断送吃这步棋究竟是否“好”，棋界并不能给出十分确定的统一答案。但是AI下出这步棋，仍然是对其能力的展现，起码认为AI不会主动弃子、不会防守反击的论断可以休矣。
棋谱复盘人机大战
　　棋局至此，其间的进程在这里不做技术细节上的评论。简而言之，面对开放式复杂局面，白棋处理得井然有序，该弃的弃，该取的取。李世石的第一策略宣告失败。
　　这证明了，基于深度学习和蒙特卡洛的围棋AI面对“开放性复杂局面”时的能力并未如设想般下降，反而应对得法，在李世石挑起不利战斗的情况下取得了局面的领先。
　　李世石或许意识到了这一策略并未奏效，于是迅速调整，进入了第二策略。
　　3）策略二：胶着的细棋局面
　　事实证明AlphaGo并不惧怕复杂的战斗格局，于是李世石选择及时收手，试图将局面导向细棋。
　　细棋局面下，要求双方在每一处细小的地域争夺上都尽量做到极致，一两处的失误虽然不会造成大片伤亡，但常常足以致负。
棋谱复盘人机大战
　　第77手，这是李世石第二策略的开始。这手棋宣告停战，进入胶着的细棋状态，比拼后半盘的功力。如果不选择停战，李世石可以考虑直接在左下挂角，引诱白中腹两子逃出，进而继续战斗。
　　但李世石认为第一策略的试探已经完毕，没有奏效，因此选择了第二策略。
　　接下来的棋局，我们转换一下视角，从AlphaGo的角度来探究。
　　二、AlphaGo的争议着法
　　关于AlphaGo在此局的表现，棋界比较一致的观点是从布局到中盘的激战白棋下得很好，分歧点主要在对AlphaGo在后半盘的表现。
　　1） 缓手？
棋谱复盘人机大战
　　第一个焦点是第80手。上一手黑棋刚在下边挂角，白棋正常的下法是在左边跟着守一步。但实战白棋选择脱先，在左上补了一手。
棋谱复盘人机大战
　　黑棋上一步没有选择在左上马上行动，是认为这样直接作战并没有把握。实战先在下边挂角，稳住实地，再作图谋。
棋谱复盘人机大战
　　面对左下挂角，局部跟着应一个是最常见的下法。但黑棋在确保了下边的地域之后，左上可能会选择现在2位迂回，如果白棋毫不退让，那么6位再战出相当严厉。如果白棋退让，黑棋可以得到左上的角地。这里具体的定型变化并不容易得出结论，存在不少分支。
　　实战白棋选择了脱先补左上，左下黑棋得到“双飞燕”作为补偿。至此，对棋局的判断出现分歧。做直播的棋手中，有一些认为此时已经是黑棋优势，白棋上一步补棋是大缓手。也有人认为白上一步虽然缓，但形势还是白棋不错。
　　上一步究竟是不是缓手？我们这里先不做结论，往下看。
　　2） 恶手？
　　下一个焦点在第86手。
棋谱复盘人机大战
　　白86断，又是棋谱里没有的下法。不过对局至此，我们对此已经并不惊讶。这步断的意图对人而言很好理解，由于黑棋右边很厚，白棋想通过弃子整形，使黑棋的厚势变得重复、效率低下。从人的角度来看，这是白棋最明显的意图。
棋谱复盘人机大战
　　实战结果，棋手普遍认为左下白棋亏损，并且是严重亏损。这是因为，黑棋围住了一大块空，白棋实地受损。
　　普遍推荐的变化是这样，白棋在确保自身安全的同时尽可能缩小黑棋的地域。有人认为，这样的进行白棋比实战“便宜一个贴目”，也就是六七目。如果是这样，实战白棋的选择亏损严重。
　　但是，这个图存在一定的风险，关于这个风险我们留到后面来说。
　　三、载入史册的一手！
　　左下定型结束，人类棋手普遍产生乐观情绪：李世石优势，AI也不过如此嘛。
　　然而，接下来的AlphaGo的一步棋成为了此局最为闪耀的明星。
棋谱复盘人机大战
　　白102，右边三路点！
　　这一手必将载入围棋的史册，与古今诸多妙手共同谱写灿烂的篇章！
　　在未来的AI棋谱中，必将留下非常多震撼人心的妙手：它们或许比这一手更加精妙，或许比这一手更加深奥，但它们都无法取代这一手在围棋历史中的位置！
　　此手完全出乎了李世石的预料，他面对这一手，进行了全局唯一一次长考，仍然遭受重创。
　　在直播时，也有职业高手在白棋下出这一步之前已经预测到这一手。但是，对于人而言这里有一件非常有趣又苦恼的事情：对局者对于对方这种着法的预计往往不如观战者。
　　这是因为，观战者可以很轻松地站在双方的立场来思考棋局，为双方寻找最强的着法；而对局者更多时候是在思考自己的着法，相较而言会容易忽略对方隐蔽的强手。李世石如果预料到这一手，或许会在之前找机会刺一下作为防备。但作为对局者很难有如此周密的行为，尤其在面对AI的时候，更难想到电脑会有如此强的手段。
　　更有趣的是，这一手包含了相当大的计算量，有不少需要计算的分支，如果是人来下，即使能想到这一步，离真正算清楚并下出来还有不小的距离。也就是说，即使人类看到这一步，也要通过大量时间的计算来验证这一步是否成立。然而，电脑下出这一步，并不比其他的着法用时更长，相反比后面一些人类看来简单甚至必然的着法用时更短。
　　我们不禁要问：AI真的都算清楚了吗？
　　AI、真、的、都、算、清、楚、了、吗？？
棋谱复盘人机大战
　　实战的结果是这样，白棋右边先手割下黑棋三子，回到左上守角。顺便提一句，这里守角的手法值得注意，大量棋谱以及多数棋手的第一感都会走在旁边一路，但只要仔细看一下就会发现，此局面下实战AlphaGo的选点更好。
　　棋局至此，我认为已经是白棋稍优的局面，但也有人认为仍是细棋。
棋谱复盘人机大战
　　实战黑棋123手以下明显亏损，如图尖顶活角优于实战。但此图究竟谁胜，还需要深入的仔细研究。我个人的意见是，白棋稍优，并且我猜测AlphaGo也认为能赢。
　　黑123以下在目数上亏损了接近一个贴目，使得棋局直接失去了悬念。最终双方盘面接近，李世石无法贴目，投子认负。
　　我们惊异于AlphaGo的表现，惊叹于李世石的败北。对于接下来的比赛，很关键的一个问题是，AlphaGo究竟有没有失误？
　　四、AlphaGo的“失误”
　　这盘棋AlphaGo有没有失误？
　　令人欣慰，从人的眼光来看，我们可以找到AlphaGo的明显失误。这种失误不是指那种基于人类经验而认为的失误（经验有可能会骗人），而是可以通过逻辑分析来确认的失误。
　　1）“失误”一：
棋谱复盘人机大战
　　白136手吃。对于职业棋手而言很容易判断，应该吃在一路，比实战便宜大约1目。
　　2）“失误”二：
棋谱复盘人机大战
　　白142手挡，对于职业棋手而言，这也是一个很容易确认的明显亏损。
棋谱复盘人机大战
　　白棋正确的下法是1位跳，这样将来留下了5、7、9吃两子救回三子的下法，从目数上分析明显优于实战（大约1-2目）。即使白棋不在5位扳，走8位先手粘掉也优于实战一点点。
　　这两处“失误”都是在局部，没有任何与外界的关联性，属于封闭式的失误，其亏损可以用逻辑推理的方式证明。相较于AI展示出来的水平，似乎这两个失误是“不应该”的。
　　基于此，又有棋手表示：“这都看不到，AI不过如此啊”。
　　前面“恶手”里讲到的左下角白棋的问题，也有人看做是第三个失误。但那个失误的性质与这两个不同，我们对那个失误的认定在很大程度上还是基于经验的，虽然也包含了逻辑推理，但并不完全。在我看来，按照笛卡尔的理论，对这那失误的认定是可怀疑的。
　　但这两个失误却不可怀疑。既然如此，我为什么要在标题里给“失误”打引号呢？
　　这引出了一个非常有趣的话题：在棋盘上，失误的定义是什么？
　　3）不同的“失误”定义
　　对于我们棋手而言，什么是棋盘上的失误？假如我们把基于经验认定的失误都排除在外，只留下基于逻辑推理认定的失误，那么失误意味着：A在逻辑上优于B，而我选择了B。
　　在这个意义上，只要我们找到了“可确认的更优下法”，就认为我们出现了失误。
　　但是，对于AI而言，失误是否意味着相同的事情？我们怎么理解AI出现了在我们看来低于其水准的失误？
　　这就涉及到AI的算法问题。假如AI有一天穷尽了围棋，那么只要它有一步不踏在最优解集合里，就是失误。但是，现在的AI还远无法穷尽围棋。
　　AlphaGo的算法运用了神经网络加蒙特卡洛，蒙特卡洛算法的一个特点是:不求最优。
　　蒙特卡洛算法给出搜索之后的胜率评估，然后AI会根据这个胜率来选择落子点。也就是说，AlphaGo本来就不追求最强最优的下法，它只是追求在它看来胜率最高的下法。
　　那么，回到前面那两个“失误”，之所以打上引号，是因为在AlphaGo看来，或许这根本不是失误！
　　虽然在我们人类看来，逻辑上明显A优于B，但AI在那时认为两者的胜率相似，从获胜的角度来说，两者没有区别！甚至A之后的犯错概率高于B，从而导致它认为B的胜率高于A!
　　如果两条路同样能通往胜利，在AI的意义上，你还能说它是失误吗？
　　或许能！
　　但是前提条件是人类利用这种“失误”击败了它！否则，在AI的意义上我们无法指责那是它的失误。
　　再回过头看前面，白棋左上的补棋和左下损目抢得先手，真的是可以确认的坏棋吗？
　　左上的补棋，证明AI认为补棋的胜率优于走左下，这一判断很可能是建立在AI对右边那手点的认识之上。甚至大家公认的左下白棋亏损，也可能是基于对右边那手点的认识，希望在左下抢一个先手，并且在胜率上认为这是没有问题的。
　　而李世石对形势的判断显然是基于没注意右边那手点。
　　五、AlphaGo的“弱点”
　　这么说，难道AlphaGo真的就不可战胜了？不一定。从这盘棋中，我们可以看出AlphaGo的弱点。问题在于，这几个弱点是否足以影响人机对决的胜负?
　　1） 逻辑缺失
　　虽然上一章我认为对AI失误的认定需要谨慎，但在另一个层面上，这还是说明了AlphaGO的弱点。
　　深度学习加蒙特卡洛，AlphaGo在剪枝和搜索这两方面的能力在这盘棋中已经得到证明，人类下棋同样依靠剪枝和搜索，并不能在这两点占得上风。
　　但是，AlphaGo的算法缺乏逻辑能力。这一点实际上在10月对阵樊麾时已经有所体现，在这一局的两处“失误”则体现更为明显。
　　蒙特卡洛算法使它并不是根据“逻辑上A优于B”来做选择，而是根据AB各自的胜率来做决策。
　　在准确性上，概率不如逻辑。
　　AI基于逻辑缺失而导致的“失误”，是否可能成为人类棋手的突破口？
　　2） 逃避劫争？
　　AI面对复杂劫争时的糟糕表现，是蒙特卡洛时期固有的顽疾。去年在北京夺冠的围棋AI，在对阵连笑时甚至不能理解循环劫，不停地找劫来回提，使局面一塌糊涂。这是因为，基于概率，循环劫也总有打赢的可能。这也是第一个弱点的延伸，如果基于逻辑，会明白这是不可能的事情。
　　使用的深度学习的AI能否避免这个问题？目前我还没有看到。不过，似乎AI有刻意逃避劫争的倾向。
棋谱复盘人机大战
　　回到有争议的左下角，棋手普遍认为白棋如图是最强的下法，
　　但是AlphaGo可能担心劫争：
棋谱复盘人机大战&
　　黑6开劫是最强的下法，在右边点一手找劫，接下来可能形成转换，白棋是否肯定便宜？粗粗一看，不能确定。
　　另一处有趣的是最后的官子:
棋谱复盘人机大战
　　此时白棋胜势已定，在做最后的定型。黑棋左下先手搜刮，白棋需要做活。
棋谱复盘人机大战
　　实战白棋选择的是1、3做活，并非最强手。
棋谱复盘人机大战
　　最强手是白1，成连环劫活，目数优于实战。
　　但是，无论是出于不考虑最强手，还是出于对劫争的逃避，实战白棋没有这样选择。
　　这么看来，起码AlphaGo还没有显示出它有应对复杂劫争的能力。
　　那么，劫争是否会是AlphaGo的一个命门呢？
　　在我目前看来，AlphaGo最可能的弱点只有这两个。
　　六、人类可能的策略
　　基于对AlphaGo弱点的分析，我认为李世石接下来可选择的策略并不是很多。
　　1，我最期待的策略是，李世石按照人类研究很深的套路开局，因为AI并不会背套路。即使不能凭此占优势，也要尽可能保持局面的均势。在这个条件下，AI或许会在一些简单的局部因逻辑缺失而有所亏损，人类牢牢把握住这些微小的利益，最终取得小胜。不过，这似乎并不是李世石常用的风格。
　　2，另一个策略是在局面选择中尽可能制造劫争，即制造对方不开劫就不利的局面。当然，AlphaGo目前没展现出复杂劫争的能力并不能证明它没有这种能力，因此这种策略是存在风险的，太过刻意是不行的，还要考虑局面的自然和均衡。
　　七、结语
　　如果我们只用人类思考围棋的方式来理解AlphaGo，或许我们将永远都不知道是怎么输的。
(责任编辑：吴啸天 US044)
&&&&&&</div
本次FIFA比赛日结束后，各大洲世界杯名额归属已明朗化…]
客服热线：86-10-
客服邮箱：}