围棋人机大战一周年急速短评

飞旧金山的 CA985 起飞前，微信公号“量子位”约我谈谈对围棋人机大战一周年的看法。时间紧，就匆匆梳理了思路，择要点敲了寥寥几行字。刚下飞机，“量子位”的《围棋人机大战一周年：被 AlphaGo 改变的世界》就已发出。这里把文章中我的回答摘出来，算是一个《急速短评》。

量子位：一年后再看 AlphaGo 有何改变？有什么记忆犹新的片段？

王咏刚：AlphaGo 出世一年，其实进入大家视野的是三个版本：5:0 击败樊麾的内测版本，4:1 击败李世石的版本，以 Master 网名 60:0 快棋挑落中日韩高手的版本。三个版本演进脉络明显，每次迭代都有重大升级。

最震撼的是计算机在人类传统认为极其玄妙的、电脑无法掌握的“大局观”上突飞猛进，远远将人类选手甩在身后。电脑计算“大局观”的方式，和人类培养“大局观”的思路，有根本的差别。人类没可能在这方面赶上电脑。

和樊麾对局的棋谱基本上还看不出 AlphaGo 的大局观有多强，和李世石对局就下出了聂卫平赞不绝口的五路肩冲，到了 Master 的 60 局，大局观体现在两个地方：

1）从始至终对局势的把握，比如第 60 局古力用 AlphaGo 的思路对付 AlphaGo，把中央撑得很满，但 AlphaGo 不紧不慢，总是恰到好处地保持胜势。

2）已经深刻影响人类对布局的思考，大飞守角之类的变化迅速被人类棋手模仿，这和当年深蓝问世后，国际象棋的布局革命是一样的。

量子位：过去一年，有什么具体产品或研究，是基于 AlphaGo 的么？

王咏刚：AlphaGo 用的是 AI 领域应用非常普遍的算法：深度学习、蒙特卡洛算法、增强学习等。

从概念上可以说，机器视觉相关的深度学习技术，包含环境-决策-反馈的智能系统，里面都有 AlphaGo 的影子。当然，直接的代码实现层面，肯定没有复制、粘贴这样直接借用的关系，因为 AlphaGo 的深度学习模型毕竟是围绕围棋的特征建立的。

DeepMind 去年发布的读唇术 LipNet，与英国国家医疗服务体系 NHS 合作推出的医疗辅助应用 Streams，与眼科医院合作帮助眼部疾病诊断等等，可以说都是与 AlphaGo 同源的技术。

量子位：AlphaGo 是否已经攻克围棋？未来可提升的空间还有哪些？

王咏刚：“攻克围棋”，如果说战胜人类选手的话，AlphaGo 已经实现了，而且现在“绝艺”，DeepZen 之类的程序对人类胜率也很高了。

未来最多三年必将发生的是，手机上的本地 APP 就可以战胜人类职业高手，现在热闹的网上围棋对弈平台都会死掉（因为对手可以轻易用手机作弊），人类围棋将回归现场竞赛，围棋培训讲师将更重视普及教育，因为中高级的提高训练完全可以用机器代练。

不过，如果说“攻克围棋”是像计算机可以穷举西洋跳棋的所有变化那样，让电脑成为围棋“上帝”，这个应该还不大可能。现在AI大部分的招数，还在人类高手可以理解的范畴内。AI也有一些可疑的“弱点”，比如官子水平到底如何等等。

以后 AI 和 AI 之间的竞赛，应该会不断促进 AI 提高（但这种没有太多商业利益的事情，有没有持续投入是个问题）。人类应该望尘莫及，但可以不断从 AI 中学习新的思想。

按：匆匆短评，既不深入，也不精确。错漏难免。回头也许真要抽时间，从技术角度好好梳理一下 AI 下棋这件事。