本文内容

• 如何查看出现的两位神秘高手Master(P)易城围棋网站）和行天（P）
• 有了Master这样强大的围棋AI，长远来看围棋运动会不会遇到象棋一样的问题
• 谁是Master，出现在围棋大师上的围棋高手是谁？现在有互联网吗？人类
• 为什么顶尖围棋选手可以与人工智能平等竞争，而国际象棋选手却不能？

如何查看一城围棋网站上出现的两位神秘高手师父（P）和刑天（P）

以后网上围棋肯定会有更多的师父和刑天，赢了’如果我们看到更多这样的人就不会显得神秘了。在围棋Al的训练下，人类将进入围棋理论和水平的新境界。在AI不使用穷举法下棋的情况下，理论水平提高的人类战胜AI也不是没有可能。我们更应该关心的是：当师父和刑天出现在我们身边而不是出现在棋盘上时，我们会如何反应。

有了Master这样强大的围棋AI，从长远来看，围棋运动会遇到和国际象棋一样的问题吗？

高级计算机国际象棋程序的普及对于国际象棋来说既有好处也有坏处。总体来说是利大于弊的，但是也有很多麻烦。这些烦恼主要在于：

1。由于大家的等级都大大降低了，开局逐渐变得单调乏味，平局的概率也大大增加；

2。在网络游戏和比赛中，不可能禁止使用程序作为“枪手”，使得网络比赛失去意义；

3。也可以在手机上运行的高水平程序的流行将带来现实生活中比赛中作弊的可能性。

围棋也会遇到类似的问题，但在这些问题上它可能与国际象棋略有不同：

1。 Go 中没有平局（或者说基本上没有平局）。 AI的普及或许会让大家更加接近同一水平，但如果没有平局，只会让胜利的争夺更加激烈。围棋中正确解的“可能性空间”比国际象棋中的要大得多，不太可能出现国际象棋开局中严重的单调性现象。虽然在某个阶段会有单一化的倾向，但只要水平不断提高，总会变得多元化。的。

2。与国际象棋类似，在线游戏和竞赛也会受到影响。事实上，由于Leela等节目的改进，今年之后我们就到了这个尴尬的地步。非竞技类网络游戏无所谓。毕竟对于棋迷来说，最重要的是体验。成为机械臂总是很无聊。

3。以前职业比赛是不允许看手机的。虽然当时还没有超越人类的人工智能，但还是要避免外场专家指导内场。因此，现在我们只需要更严格地执行禁止电子设备进入竞技场的规定。

-

事实上，高水平人工智能的普及总体来说会带来更多的好处，只会给我们带来一些问题。从长远来看，不会阻碍象棋的普及和发展。

这几天出现在网络上的Go高手Master是谁？他是人吗？

这个标题找不到话题吗？还要提一下，元旦期间，谷歌Alphago以Master为笔名，在腾讯围棋等网站上挑战顶级棋手，并赢得了60场比赛。

但现在AlphaGo已经洗手不干了。现在最强大的人工智能是腾讯的决一（力龙），它每天孜孜不倦地指导人类顶尖棋手。虽然胜率（90%）比AlphaGo略低，但它下的慢棋对人类有利得多。大师的60盘棋都是快棋

为什么围棋顶尖选手可以与人工智能平等竞争，而国际象棋选手却不能

让我们来学点科普吧。人工智能的发展现在已经到了在各种桌游中无人能敌的阶段。人类顶尖围棋棋手与AlphaGo大师的线上对战比分是0:60。而Master还不是AlphaGo的最高级版本。 1997年，IBM的“深蓝”击败了世界排名第一的国际象棋棋手加里·卡斯帕罗夫。战绩3.5:2.5（2胜1负3平）。 19年后，谷歌的AlphaGo大师也击败了世界第一棋手柯洁。

那么人类顶尖棋手和AI之间的差距有多大？仅击败过AlphaGoLee的韩国著名顶级棋手李世石与韩国AI韩斗下棋退役。 AI 出两子，黑出 3 子和 3/4 子。在这种条件下，AI一开始的胜率无限接近1%。但结果是AI还是2:1获胜。

AI为何如此强大？它是如何超越人类的？事实上，人工智能的成长过程一直是一个仿生过程。所有国际象棋游戏都比拼规则内的计算能力。 1997年版本的深蓝计算速度为每秒2亿步。 1997 年的深蓝可以搜索并估计接下来的 12 步，而优秀的人类国际象棋棋手可以估计接下来的 10 步。正如中国古代军事家孙子所说：“无战而胜，则数多；无战而败，则数少。多则胜，少则少”。这不是胜利，一切都没有意义。” ！”。

那么为什么计算机花了 19 年才在围棋中击败人类呢？这仍然是一个计算问题。围棋挑战AI的难度在于棋盘空间。国际象棋的空间状态是1043个。而围棋有10170个状态空间。此类游戏具有较高的分支因子。 Go 中可能出现的场景数量比宇宙中的原子数量还多。仅仅关注棋局的宽度（变化）无法关注棋局的深度（考虑的步数）。因此，2016年之前的职业围棋棋手一致认为，计算机不可能击败人类顶尖棋手。

从当时的情况来看，电脑确实有点“没电了”。于是科学家们开始研究新的想法。当资源有限时人们会做什么？最典型的例子就是种花、种果时削尖、削果。因为植物的养分是有限的。如果不削尖和削薄水果，就不会得到好的结果。围棋棋盘上虽然有多种空间状态，但每种空间状态的数值是不同的。因此，必须对变化的计算进行修剪。问题是谁应该被修剪？

这个问题的解决方案是蒙特卡洛算法和神经元网络的深度学习。

什么是蒙特卡洛算法？例如：有一个盒子，里面有无数的苹果。想找最大的一个。但人们从外面看不到苹果的大小。每次可以随机取出一个。然后和上次比较一下。大的留下来。重复100次或1000次后，结果会怎样？剩下的不一定是最大的苹果，但一定是目前距离最大的苹果最近的苹果。

与蒙特卡罗算法相对应的是拉斯维加斯算法。这是另一个例子：同样，一个盒子里有无数把钥匙。试图找到可以打开锁的钥匙。或者你可以每次随机拿出一把来尝试。如果打不开，就扔掉。重复100次或1000次后，结果会怎样？有可能你会遇到，但不保证一定会遇到。

当人们下棋时，他们会根据过去的经验做出选择。人工智能还利用过去的经验来找到最接近正确答案的值，并为每个选择点分配一个值。人们看到的是每一招的胜率。

AI如何为每个选择点赋值？这与神经网络和深度学习密不可分。人类思考的物质基础是人类的神经网络。 AI神经网络系统是仿生学的成果。有了这个物质基础，就有了机器学习。深度学习是机器学习的一部分。深度学习是学习样本数据的内在规律和表征水平。在这个学习过程中获得的信息对于数据的解释有很大的帮助。其最终目标是让机器拥有像人类一样的分析学习能力。深度学习是一种复杂的机器学习算法，分为监督学习和无监督学习。

老师留作业，学生做习题。事实上，它是一种监督学习。通过做题掌握解题规则。所以考试的时候，只要是以前做过的题型，我基本上都能做。

现实生活中经常会出现这样的问题：缺乏足够的先验知识，导致人工标注类别比较困难或者人工标注类别的成本太高。当然，我们希望计算机为我们做这件事，或者至少提供一些帮助。例如，在没有计算机的情况下，人们通过长期观察和大量数据的思考找到了克山病的病因。但发现这种模式的过程花了几十年的时间。人工智能的无监督学习是模拟人类的学习过程。它可以加快人们对未知事物的认识。

深蓝和阿尔法狗最初是用人类国际象棋记录喂养的。例如，击败李世石的AlphaGo Lee被输入了大约16万条人类国际象棋记录和数以万计的人类总结的模式（公式）。但最后开源的AlphaGo Zero从零开始，通过“左打右打”，通过一亿多场比赛认识到了围棋的真谛。不仅自学成才的AlphaGo Zero远胜于AlphaGo Lee，就连横扫千军的AlphaGo Master也不是AlphaGo Zero的对手。这就是职业棋手所说的，AlphaGo Lee的棋还是可以被视为高明的（因为它有人类的影子），而AlphaGo Zero的棋则完全看不懂。许多过去的共识被纠正。数以万计的配方被废弃。

2005年左右《围棋天地》有一个专栏采访一线棋手：如果有围棋大神，你和他的差距有多大。我记得当时的共识是让两个儿子走。现在顶尖棋手和AI之间的差距已经是两块了。那么AI是围棋之神吗？当然不是。只是接近最优解，而不是最优解。换句话说，人工智能只是相对真理，也是绝对真理的一部分。它并没有穷尽真相。最好的例子就是《米的飞刀》。这个公式是人类在流行的AI公式的普遍情况下发明的一个公式。 AI一开始并不理解，但是吃了亏之后，在一段时间内成为了AI的惯常做法。

人工智能的发展远未到达终点。从AlphaGo Lee到AlphaGo Zero，人们都有一种习惯，就是当情况好转时就放弃。前面有巨大的优势，但是当它计算出无论怎么打都能赢的时候，它就会屈服，最后只赢了一两只眼睛。这作为人类棋手的陪练是不称职的。所以人类需要为其添加个性。中国AI星阵又增添了“不妥协”的个性。

曾经有人预测人工智能会导致围棋的衰落。我不这么认为。在古代，东西方绘画都有追求形象的倾向。但当相机出现时，无论画作多么相似，都跟不上相机的脚步。但绘画仍然向前发展，并没有衰退。只是我现在追求的是意境和感觉。在商业因素的影响下，围棋从两天制演变为快棋的包干制。一个人的能力在哪里，棋的质量就不能不受到影响。在一个相信“世界上唯一不能被打破的武术是快”的时代，我们遇到了无人能敌的AI。这种“快”还有意义吗？