科学视角解读人机大战 AI3-5年内将赢遍人类棋手
中新网北京3月12日电（记者王牧青）一场“人机大战”，将人工智能的话题推到公众
面前，李世石连输两阵，更让人对科技的发展瞠目结舌，甚至联想 到《星球大战》是否
真的会发生、人类会否被机器统治等问题。此时，我们不妨用科学的视角，理性而客观地
看待人工智能的现状和未来。中新网（微信 号：cns2012）记者特别采访了长期从事人工
智慧和智慧科学研究、来自中国科学院计算技术研究所的史忠植研究员，解读“阿尔法围
棋”和人工智能的问 题。
“人机大战”为什么选择围棋？ 171位数“吓死你”
“人机大战”的兴起，最早是1997年，IBM超级电脑“深蓝（Deep Blue）” 击败了
国际象棋大师加里-卡斯帕罗夫。科学界认为，围棋“人机大战”可以看成是人工智能发
展具有标志性的进展。曾经“深蓝”的胜利鼓舞了人工智能研究的士 气，吸引了投资者
对人工智能的兴趣。
至于为什么选择围棋，史忠植教授解读称：“围棋之所以很难被人工智能攻破，战胜
人类高手，就是其可能的组合数异常庞大。至于多么异常，2016 年1月，普林斯顿的研究
人员给出了最新研究结果：对于一个19x19的围棋棋盘而言，一共有361个位置，而每个位
置可以单独放置黑棋、白棋或者留空，理 论上所有的可能组合是3361种。但根据围棋规
则，不是所有位置都可合法落子，例如在围棋术语中没有气的位置就不能落子。”
“那么，排除掉这些不合法的棋局后总共还剩多少种呢？普林斯顿的研究人员给出的
19x19格围棋的精确合法棋局数：
‘
208168199381979984699478633344862770286522453884530548425639456820927419612738015378525648451698519643907259916015628128546089888314427129715319317557736620397247064840935
。’”
“171位数！”这个数字比我们地球所有的沙粒数量还要多！比人类已知宇宙的所有
星球数量还要多！对比来讲，谷歌学习的近万盘人类棋局是5位 数，谷歌自行对战的3000
万盘是8位数，而围棋所有可能的棋局盘数是171位数。如果规避还有可能的重复变化，把
大头去掉，那也是70位数的棋局变化。
2013年10月29日，史忠植在在创新驱动发展大资料时代的人工智能高峰论坛上，提出
了智慧科学（人工智能）发展的“路线图”，并在著作《心智计算》一书中有详细的阐述
。
其中提到，2020年，人工智能将实现初级类脑计算，即Elementary Brain Computing
。在这个阶段，我们将实现的目标是电脑可以完成精准的听、说、读、写；到2035年，我
们将进入高级类脑计算阶段，即 Advanced Brain like Computing，那时，电脑不但具备
“智商”，还将拥有“情商”；到2050年，智慧科学（人工智能）有望发展出神经形态电
脑，实现超脑计算，即 Super-brain Computing。到那个时候，电脑的高性能与人的高智
慧完美结合。
史忠植认为：“按照这个标准，这次围棋“人机大战”中，若谷歌围棋AI程式‘
AlphaGo’最终战胜世界冠军李世石，将说明人工智能达到了初级类脑计算的水准。”
“AlphaGo”如何工作？
史忠植介绍，“阿尔法围棋”下棋过程中主要通过四步完成工作，分别是：快速判断
、深度模仿、自学成才和全域分析。
其中，快速判断，指用于快速的观察围棋的盘面，类似于人观察盘面获得的第一反应
。深度模仿，指“AlphaGo”学习近万盘人类历史高手的棋局来进行模仿学习，用得到的
经验进行判断。这个深度模仿能够根据盘面产生类似人类棋手的走法。
自学成长，指“AlphaGo”不断与“自己”对战，下了3000万盘棋局，总结出经验作
为棋局中的评估依据。全域分析，指利用第三步学习结果对整个盘面的赢面判断，实现从
全域分析整个棋局。
人工智能经过60年的风风雨雨，取得了长足的进展，目前已在各行各业得到应用。史
忠植的《人工智能》一书中，将其归纳为8个方面：专家系统、资料采撷、自然语言处理
、智慧型机器人、模式识别、分布式人工智能、互联网智慧和博弈。
看到了“阿尔法围棋”，人们自然联想到中国的同类科技，目前能否达到甚至、超越
这一水准。史忠植介绍说：“在国家自然科学基金、973、863 和广大企业等的支援下，
在广大科研人员和应用单位的努力下，我国人工智能几乎与世界同步发展，特别在机器翻
译、语音辨识、人脸识别、农业专家系统、资料挖 掘、深水机器人等方面是非常有特色
的，也有能力创造出战胜世界顶级棋手的人工智能系统。”
人工智能会否有朝一日能战胜所有人类棋手？如果可以，大概需要多久？
李世石接连落败，柯洁甚至成为拯救人类围棋智慧“尊严”的最后稻草。史忠植认为
，经过学习和积累，在未来3-5年人工智能系统能够战胜所有的人类棋手。
为何这台人工智能如此厉害，不妨深究其内涵：“AlphaGo”的核心是两种不同的深
度神经网络：“策略网络”（policy network）和“值网络”（value network）。它们
的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制
在电脑可以完成的范围里。
其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势
的时候，就直接抛弃某些路线，不用一条道算到黑；而“策略网络”负责减少搜索的宽度
——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。
然后，将这些资讯放入一个概率函数，AI就不用给每一步以同样的重视程度，而可以
重点分析那些有戏的棋招。“AlphaGo”利用这两个工具来 分析局面，判断每种下子策略
的优劣，就像人类棋手会判断当前局面以及推断未来的局面一样。这样，“AlphaGo”分
析了比如未来20步的情况下，就能判 断在哪里下子赢的概率会高。
另据媒体报导，阿尔法围棋采用机器学习方法，主要是深度卷积神经网络和强化学习
。研发团队收集了围棋职业高手大量的棋谱，并用这些棋谱对“深度卷积神经网络”进行
了3000万步的训练，使其判断职业选手下一步走法的正确率达到了57%，之前的纪录是44%
。
（中国新闻网）
http://sports.sina.com.cn/go/2016-03-12/doc-ifxqhmvc2363252.shtml
今天看来人类已经战胜不了了...