阿尔法围棋（AlphaGo）是一款围棋人工智能程序，由位于英国伦敦的谷歌（Google）旗下DeepMind公司的戴维西尔弗、艾佳黄和戴密斯哈萨比斯与他们的团队开发，这个程序利用价值网络去计算局面，用策略网络去选择下子。2015年10月阿尔法围棋以5:0完胜欧洲围棋冠

阿尔法围棋（AlphaGo）是一款围棋人工智能程序，由位于英国伦敦的谷歌（Google）旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾；2016年3月对战世界围棋冠军、职业九段选手李世石，并以4:1的总比分获胜。

阿尔法狗的设计者：

大卫·席尔瓦 （David Silver），剑桥大学计算机科学学士，硕士，加拿大阿尔伯塔大学计算机科学博士。现为伦敦大学学院讲师及Google DeepMind研究员。

黄士杰（Aja Huang），台湾交通大学计算机科学学士，台湾师范大学计算机科学硕士和博士，加拿大阿尔伯塔大学计算机科学博士后。现为Google DeepMind研究员。

阿尔法不下错棋、不出昏招（机器短路出故障除外）更没有心理起伏，输了不沮丧赢了不开心，没有体力问题，没有年龄问题，水平只上升不下降，请问：和这样的机器下棋有什么意思？

下第二盘棋时，李世石紧张得出汗，或许，他真的以为他是在代表人类。其实，真正代表人类的恰恰是阿尔法。它的高水平，意味着人类已把自己的帮手推到了怎样高的水平，这是人类智力的胜利。大家该高兴才对，而李世石只代表他个人。至于有人惶恐，认为将来人工智能将威胁人类，我不知道，这念头是不是好莱坞电影看多了的缘故。再高的智能也是人工的，除了拨掉电源，人类有太多的方法只让它为自己服务而不害自己，因此，有什么可怕的！我相信，人工智能水平再高，也出不来莫扎特贝多芬，慌什么？ 原文：

阿尔法狗的原理：

AlphaGo的连续胜利让人更加确信，深度学习确实是当下最有希望实现人工智能的技术。深度学习的概念源于人工神经网络的研究，其动机在于建立、模拟人脑进行分析学习的神经网络，让机器能够像人一样思考。

从本质上来说，深度学习是一项“大数据工程”，需要通过建立有效的学习模型，让机器从数以百万计的图像、声音和文本数据中，自行总结出某种特定事物的特征，从而实现自主学习。因此，实现机器像人一样思考的一个关键前提是，需要有计算速度可以媲美人脑的高性能计算集群，来快速完成海量数据的“学习”。据说，AlphaGo的“单机版”性能至少是当年“深蓝”的1000倍。

版权所有：

关于此次人机大战给我们的启示，360云公司CTO何万青认为，“日本围棋大师藤泽秀行曾说，‘棋道一百，我只知五’，意思是人类顶尖棋手离完美理解围棋真谛相差甚远。AlphaGo运用评估网络和策略网络学会判断最佳落子，这次，或许能帮助棋手提高对围棋真谛的理解。对于普罗大众来说，机器的进步，也将不断提升人类无能的标准线（机器做得越多越显示出人类在该方面的无能）。”

何万青还提到：“AlphaGo取胜的一个重要原因是它可以维持一个稳定的状态，而人却会情绪波动。但是，机器擅长的是在规则完备的情况下，按人类要求执行任务，所以AlphaGo更容易学会围棋而不是麻将。”云基地执行董事杨立认为，人某些时候会发挥“不靠谱”，所以难以维持稳定，但这些“不靠谱”也诞生了艺术、创造性等，但是有意思的一点是，世界发展的突破点也正是靠这些不靠谱的因素来推动的。

那么问题来了，为什么AlphaGo不跟人打麻将？何万青解释：“围棋这个项目叫做完备信息的比赛，但是如果跟人打麻将就不行，因为人可以使诈，你不会得到所有的信息。”

何万青在观棋的过程中发现了一个有意思的现象：“这次AlphaGo走出了几步棋谱上或者一般知识上说的‘臭棋’，看似不可扭转的败局，都在后面接上几步成为了好局。”

“这就是基准测试涉及到的一个问题，叫做‘围棋真理’。”何万青接着解释道，“因为围棋可下的点和深度能走多远乘在一起，它的数目是远远超过宇宙中原子的数目的，所以不可以用穷尽的办法下棋。我们可不可以在19乘19上面找到最好的走法？我记得日本有个出名九段叫藤泽秀行，他说人类探索出可下的最好的棋也只达到了围棋真理约5%。” 这就可以解释为什么AlphaGo走出人类认为的“臭棋”以后仍取得胜利，“那么深度学习算法，就要靠机器的能力了。剩下的95%，我们是可以靠机器协助尽快找出来的。”何万青说。

摘自：