⑴ 为什么人工智能击败围棋冠军这事如此重要

二十年前，深蓝大战国际象棋大师卡斯帕罗夫的时候。同样是轰动世界，因为此类事件它代表的是计算机对人类在思考能力上的挑战。因为我们都知道计算机只是一台精密些的机器而已，它之所以能完成很多人类难以完成的工作，只是因为更快的计算速度而已。所以如果是一些简单的棋类的话，计算机完全可以试出所有可能的组合，从而打败人类。但是围棋不一样，围棋横纵各有19行共361个点，每个点上有三种状态，黑子，白子或无子，那么总共有多少种组合呢，3的361次方，换算一下就是10的271次方。数很大，你可能没有概念，那么我告诉你宇宙中原子的总个数是10的80次方。
正是围棋的组合太多，所以才有人说千年来没有下过一盘重样的棋。因此计算机是不可能用穷举法来和人类下棋的。这也是为什么20年前的计算机在国际象棋上早已战胜了人类。为什么过了20年才向人类在围棋上发起挑战。当年的深蓝是一台超级计算机，每秒钟可以计算2亿步，在当时是一个很惊人的运算速度。如果用同类型的算法进行的话，多出几十个数量级的运算任务估计要让对手等到宇宙末日才能下完了。
所以现在的谷歌阿尔法狗是用了一套自主学习的算法即人工智能来挑战人类。他的编程人员没有一个是职业棋手，都只是会下围棋而已，但是通过阿尔法狗的自主学习，由它自己跟自己下，每天数百万局的数据采集，让它的成长为世界顶尖棋手的水平。
他所代表的人工智能，对人类在思考能力上的地位形成了极大的冲击。算是人工智能的又一个标志性事件。人工智能时代越来越迫近了，人类又该怎样来面对人工智能呢，这都是一个值得思考的问题。
纯手打，具体疑问还可以追问

⑵ 围棋人机大战，记得IBM深蓝吗

1997 年 5 月 11 日，在人与计算机之间挑战赛的历史上可以说是历史性的一天。计算机在正常时限的比赛中首次击败了等级分排名世界第一的棋手。加里·卡斯帕罗夫以 2.5:3.5 （1胜2负3平）输给IBM的计算机程序 “深蓝”。机器的胜利标志着国际象棋历史的新时代。

⑶ 什么样的人工智能击败了职业围棋手

由谷歌英国研究团队开发的计算机系统在围棋比赛中击败了职业棋手。作为一种古老的东方棋类游戏，围棋强调策略和直觉。过去数十年，围棋一直是人工智能专家未能攻克的堡垒。然而，人工智能正在这一领域取得重要突破。
此前，计算机已在其他多种比赛，例如国际象棋、奥赛罗棋和智力竞赛《危险边缘》中胜过了人类对手。然而，围棋是一种具有2500多年历史的古老技艺，其复杂程度远超国际象棋，因此人类高手此前几乎不费吹灰之力就能胜过即使最强的计算机系统。本月早些时候，谷歌以外的人工智能专家已提出这样的问题，即人工智能在围棋领域的突破能否迅速实现。而直到去年，大部分人仍认为，计算机击败职业棋手还需要10年时间。
然而，谷歌已经做到了这一点。法国研究者雷米·库洛姆（Remi Coulom）此前曾开发了全球最强大的人工智能围棋程序。他表示：“这一天的到来比我想象中更快。”
谷歌于2014年收购了自称为“人工智能领域阿波罗项目”的DeepMind。去年10月，DeepMind的研究团队在伦敦办公室里主持了人工智能与人类选手的较量。DeepMind的这一系统名为AlphaGo，而它的对手是欧洲围棋冠军樊麾。在《自然》杂志编辑和英国围棋协会裁判的监督下，AlphaGo在五番棋比赛中取得了5:0的压倒性胜利。《自然》杂志编辑坦古伊·乔阿德（Tanguy Chouard）博士在本周二的媒体电话会议上表示：“无论作为研究者还是编辑，这都是我职业生涯中最令人兴奋的时刻之一。
自然》杂志发表的一篇论文介绍了DeepMind的系统。这一系统利用了多种技术，其中也包括越来越重要的一种人工智能技术，即深度学习。利用海量的人类高手棋谱（总步数约达3000万），DeepMind的研究团队训练AlphaGo自主学习围棋。然而这仅仅只是第一步。从理论上来说，这样的训练最多只能培养出与最优秀人类选手同等棋力的人工智能。而为了击败最优秀的人类选手，研究团队使这一系统自己与自己对弈。这带来了新的数据，而这些数据可被用于训练新的人工智能系统，最终胜过顶尖高手。
DeepMind负责人德米斯·哈萨比斯（Demis Hassabis）表示：“最重要的一点在于，AlphaGo不仅仅是专家系统，遵循人为设定的规则。实际上，这使用了通用的机器学习技术，能自行探索如何在围棋比赛中取胜。”
人工智能的这次胜利并不新鲜。谷歌、Facebook和微软等互联网服务早已利用深度学习技术去识别照片和语音，或是理解自然语言。DeepMind的技术结合了深度学习、增强学习，以及其他方法。关于现实世界机器人如何学习日常任务，并对周围环境做出响应，这指明了未来的方向。哈萨比斯表示：“这非常适合机器人。”
他同时认为，这些方法能加速科学研究，通过在工作中引入人工智能系统，科学家将可以取得更多成果。“这一系统能处理规模更大的数据集，分析得出结构化信息并提供给人类专家，从而提高效率。系统甚至能向人类专家提供方式方法的建议，协助带来突破。”
不过目前，围棋仍是他的关注重点。在关起门来击败一名职业选手之后，哈萨比斯及其团队将目标瞄准了全球顶尖的围棋选手。3月中旬，AlphaGo将在韩国公开挑战李世石。李世石拥有的国际比赛冠军头衔数排名第二，而过去10年中，李世石有着最高的胜率。哈萨比斯认为，李世石就是“围棋界的费德勒”。
比国际象棋更难
2014年初，库洛姆的围棋软件Crazystone在日本的巡回赛中挑战了依田纪基九段，并取得了胜利。不过，这一胜利的成色不足：Crazystone获得了四子的让先。当时，库洛姆预言，在没有让先的情况下，人工智能击败顶尖围棋高手还需要10年时间。
这一挑战的难度在于围棋本身。此前，在合理时间内，任何超级计算机都没有足够的处理能力，去预判每种可能的着法会带来什么样的后续结果。1997年，IBM“深蓝”击败了国际象棋大师卡斯帕罗夫，当时这台超级计算机采用了“暴力计算”的方式。从本质上来看，“深蓝”分析了每一步走法可能出现的各种结果。然而，这样做在围棋比赛中行不通。在国际象棋比赛中，一个回合可能的走法平均为35种。而围棋比赛采用了19x19的棋盘，平均每回合走法有250种。哈萨比斯指出，围棋棋盘上的棋型类型要比宇宙中的原子总数还要多。
利用名为“蒙特卡洛树搜索”的方法，类似Crazystone的系统能完成更多步的预判。而结合其他一些技术，计算机可以完成对多种可能性的必要分析。这样的计算机能击败一些不错的围棋选手，但距离顶尖高手还有很大差距。对真正的高手来说，直觉是很重要的一部分。这些棋手会根据棋盘上棋型来选择如何行动，而不是精确分析每一种着法可能会带来的结果。哈萨比斯本人也是围棋选手，他表示：“良好的棋型看起来就很漂亮。这似乎遵循某种美学。这也是这一游戏数千年来历久不衰的原因。”
不过，在进入2015年之后，一些人工智能专家，包括爱丁堡大学、Facebook和DeepMind的研究人员，开始探索利用深度学习技术去解决围棋的难题。他们设想，深度学习技术能模拟围棋比赛中必要的人类直觉。哈萨比斯表示：“围棋有着许多暗示，模式匹配很重要。深度学习可以做得很好。”
自我增强
深度学习的基础是神经网络。这种由软硬件构成的网络能模拟人脑中的神经元，其运转并非依靠“暴力计算”和人工制定的规则。神经网络会分析大量数据，以从事某项任务的“学习”。例如，如果向神经网络输入足够多的袋熊照片，那么它就能识别出袋熊。如果向神经网络输入足够多的单词发音，那么它就能识别你的语音。如果向神经网络输入足够多的围棋棋谱，那么它就能学会如何下围棋。
在DeepMind、爱丁堡大学和Facebook，研究人员希望，通过“观察”棋盘棋型，神经网络能掌握下围棋的方法。正如Facebook近期在一篇论文中所说，这一技术的运行情况良好。通过深度学习和蒙特卡洛树方法的结合，Facebook的系统已经击败了一些人类选手。
不过，DeepMind在此基础上更进一步。在学习了3000万步人类选手的围棋下法之后，这一神经网络预测人类选手下一步走法的准确率达到57%，远高于之前的44%。随后，哈萨比斯及其团队对这一神经网络进行了小幅调整，使其与自己对弈，这种做法被称作增强学习。在这一过程中，神经网络可以了解，什么样的走法能带来最好的结果。

DeepMind研究员大卫·希维尔（David Silver）表示：“通过在神经网络之间进行数百万局的对弈，AlphaGo学会自己发现新策略，并逐步改进。”
希维尔表示，这使得AlphaGo能胜过其他围棋软件，包括Crazystone。随后，研究人员将结果输入至另一个神经网络。在首先判断对手的下一步行动之后，这一神经网络能利用同样的技巧去预判每一步的结果。这与“深蓝”等较老的系统类似，而不同之处在于AlphaGo能在过程中进行学习，并分析更多数据，不再使用暴力计算的方法去判断所有可能的结果。通过这种方式，AlphaGo不仅能胜过当前的人工智能系统，还能击败人类高手。
专用芯片
与大部分先进的神经网络类似，DeepMind的系统运行在基于GPU（图形处理芯片）的计算机上。GPU最初的设计目的是游戏和其他图像应用的图形渲染，但近年来研究表明，这类芯片也非常适合深度学习技术。哈萨比斯表示，DeepMind的系统在配备多个GPU芯片的单台计算机上有着相当好的表现，但为了挑战樊麾，研究人员搭建了更庞大的计算机网络，其中包括170块GPU卡和1200个标准CPU处理器。这一庞大的计算机网络对AlphaGo进行了训练，并参与了比赛。
哈萨比斯表示，在与李世石的比赛中，AlphaGo将采用同样的硬件配置。目前，他们正在持续改进这一人工智能系统。为了准备与李世石的比赛，他们还需要互联网连接。哈萨比斯表示：“我们正在安装自己的光缆。”
库洛姆和其他一些专家指出，与李世石的比赛将更困难。不过，库洛姆已经下注DeepMind。过去10年中，他一直希望开发出能胜过顶尖围棋高手的系统，他认为，这一系统现在就在这里。他表示：“我正在购买一些GPU。”
未来之路
AlphaGo的重要性不言而喻。这一技术不仅可以应用于机器人和科学研究，也适合其他许多任务，例如类似Siri的移动语音助手以及金融投资决策。深度学习创业公司Skymind创始人克里斯·尼克尔森（Chris Nicholson）表示：“你可以将其用于任何具有对抗性的问题，例如需要用到策略的各种比赛，以及战争和商业交易。”
对一些人来说，这种情况令人担忧，尤其考虑到DeepMind的系统已经有能力自学围棋。AlphaGo的学习素材并不来自人类，而是可以通过自行生成数据来自我指导。近几个月，特斯拉创始人伊隆·马斯克（Elon Musk）等知名人士曾表示，这样的人工智能系统最终将超越人类智力，突破人类的控制。
不过，DeepMind的系统受到了哈萨比斯及其团队的严格控制。AlphaGo被用于最复杂的棋类游戏，但这仍只是一款游戏。实际上，AlphaGo距离真正的人类智慧还有遥远的距离，远远没有达到超级智能的水平。
华盛顿大学专注于人工智能的法学教授、科技政策实验室创始人瑞安·卡洛（Ryan Calo）表示：“这仍是一种高度结构化的情况，并非真正人类水平的理解力。”不过，AlphaGo指明了未来的方向。如果DeepMind的人工智能系统能理解围棋，那么就能理解更多信息。卡洛表示：“宇宙只不过是一场更大的围棋游戏。”

⑷ Google 人工智能首次完胜人类围棋冠军 为什么很厉害

Google DeepMind 团队在最新一期《Nature》上发表论文称，其名为 “阿尔法围棋”（）的人工智能，在没有任何让子的情况下以 5:0 完胜欧洲冠军、职业围棋二段樊麾。

在计算机的发展史，在国际象棋比赛中，计算机战胜人类是重要历史事件，过去了这么多年，人工智能战胜围棋冠军又怎么说明谷歌AI很牛呢？
围棋，一直被认为是人类仍然在机器面前能保持优势的游戏之一。过去20多年来，科技家们一直在试着教会电脑下棋，在1997年，IBM的深蓝曾经打败了国际象棋的世界冠军Garry Kasparov，这成为了人工智能的一座里程碑事件。但是，围棋比国际象棋还是要复杂得多，国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。
在下国际象棋的时候，计算机可以分析出每一个可能的步骤，从而进行最优选择，但是，围棋可能的步骤是国际象棋的10倍之多。这也正是围棋人工智能的难点所在。
在过去很长时间里，最好的计算机连厉害点的业余围棋棋手都下不过。所以，去年，Facebook就开始打造围棋人工智能，并且在过去6个月里让它可以用最快0.1秒的速度来落子。负责这项目的人，就坐在里扎克伯格20英尺远的地方。但是，Google还是快一步。
这场比赛实际上发生在去年十月，但是知道今天，它才在《自然》杂志中披露出来。
David Silver是这项研究的第一作者，在他看来，阿尔法Go的关键不在于简单粗暴的计算出可能步骤，而是近似于人类的“想象力”。这背后是名为一项名为“深度学习”的大杀器，它让计算机不再是简单地使用计算能力来统计所有数据，而是像人类一样，训练，然后学习。Silver说，计算机“下围棋需要的极复杂的直觉机制，这种机制以前我们认为只可能存在于人类大脑中。”
阿尔法Go用了多种“神经网络”并行，并且相互作用。其中，一个叫做“值网络”（value network），来衡量白字和黑子在棋盘上的位置，一个叫做“策略网络”（“policy network” ），会不断地学习此前人类和自己的落子，来选择接下来怎么下。
不仅仅比人类、比起其他机器人同类，阿尔法Go也更加强大。它和其他人工智能下了500场围棋，只输了1场，甚至在给对手让子的情况下，它也照赢不误。而Silver说，它比其他人工智能更先进的地方，就在于可以自我学习。而且，这种机制不仅仅可以用在围棋学习中，阿尔法Go还可以用来解决很多现实问题，比如处理气候模型等。
据消息称，Google的“阿尔法Go”V和现在的围棋世界冠军李世石 （Lee Sedol），将在今年三月正式进行比赛。在围棋这个古老的、几乎代表了人类智力巅峰的游戏上，机器人和人类究竟谁更强大，答案很快就会揭晓。

⑸ 从深蓝到“阿法狗”，人工智能进步了多少

自AlphaGo以5:0战胜樊麾，又登上《自然》封面后，越来越多的人开始了解的人工智能机器AlphaGo。姚晨等明星对于“人机大战”的关注更是使其家喻户晓。近日“阿法狗”又4:1战胜职业围棋选手李世石，跻身世界围棋排名第四位，攻下了人类最后的骄傲——围棋。
1997年是人类第一次败给人工智能，深蓝以2胜1负3平战胜国际象棋第一名卡斯帕罗夫。
深蓝所运用的战术是“蛮算”。它运用并行计算系统，有32个微处理器，可同时执行多个指令，以提高计算速度来解决大型复杂的计算问题。97年时深蓝已经可以预测到12步之后，而卡斯帕罗夫只能预测到10步之后。凭借快速而又复杂的运算，深蓝赢得了国际象棋世界第一的位置。
深蓝说来并不算非常智能，但IBM公司的另一个超级电脑，深蓝的同门师弟沃森则算是比较智能了。
沃森致力于深度自然语言处理技术的研究，建立与人类回答问题水平相当的计算系统。沃森也像深蓝一样输入存储了很多数据，但沃森具有逻辑推理的程序，可以推理出它认为最正确的答案。
与师兄相同，沃森也曾击败人类冠军。沃森参加了智力问答节目《危险边缘》对战两位人类冠军且轻松取胜。不仅是由于沃森存储了大量的数据，它可以在3秒内搜索上百万条信息并用人类的语言来输出处理结果，而且可以分析题目的含义，讽刺语气等。还能根据自己的情况，擅长领域，对手实力等情况分析是否要选择抢答。
但现有的人工智能多是对于人类直观思维的模拟研究，沃森就很难理解语言中的微妙含义，对于输入的俚语等内容常分析错误导致滥用，坚持“中文屋”的哲学家塞尔认为沃森与其他电脑一样，只能处理文字符号，并不能真正理解他们的含义。
深蓝是做大规模的计算，是人类数学能力的体现，沃森是语言处理做到理解输出人类语言的程度。家喻户晓的阿法狗则是机器学习。
围棋AI一直发展不顺利，较强的业余选手都无法打败，国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有361种落子，一盘棋可以长达150回合。这使得围棋无法运用复杂的计算来获胜。
阿法狗则选择了模拟人类大师下棋。阿法狗有两个“大脑”，通过“价值网络”来评估局势，通过“策略网络”来选择落子。“价值网络”主要是通过计算来评估预测赢棋的可能性，“策略网络”则包括对于大师棋局的学习，模拟。
深蓝与阿法狗的不同正在于此，深蓝只是计算评估，阿法狗却可以通过对现有棋局的输入来判断各种情况下最适合的落子位置，再加以上万次的自我对弈来强化学习，这也是许多人评价阿法狗和李世石的棋局中偶尔出现的具有前辈大师风范的落子出现的原因。
阿法狗的学习能力之强也让许多人惊讶不已。在阿法狗刚刚战胜樊麾时，当前世界排名第一的天才围棋少年柯洁便感叹在不清楚哪一方是AI的情况下根本看不出来与人类下棋风格有任何区别。当时柯洁认为阿法狗已经达到了高于业余略低于职业水平的阶段，但今年阿法狗对战职业九段选手李世石时却以4:1完胜。仅仅几个月却提高了这么多，是普通人几年甚至几十年也做不到的。
阿法狗“大脑”所使用的神经网络也是对于人类的一个模拟，模拟人类的直觉思维，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。和人的神经系统相似，小个体聚集起来却拥有复杂的功能。
阿法狗也有不擅长的，例如在与李世石对战的五局之中，第三局才使用了一次“打劫”，十棋七劫，大师级别的棋局里没有出现“打劫”的情况是非常少见的，阿法狗却连续两局避免打劫，李世石没用自己管用的“打劫”可能是因为打劫是需要计算之后的情况的，自认为算不过电脑而放弃。阿法狗不用却是AI并不完美的原因。打劫主要依靠人的逻辑判断，对于人类来说是一件简单易理解的事情，对于AI来说逻辑是相当复杂的，需要在每一次都考虑打劫问题而使运算量翻很多倍，于是阿法狗尽量避免考虑打劫问题。
阿法狗的成功也让许多人担心会出现奴役人类的“天网”一样的强人工智能，而从深蓝到“阿法狗”，人工智能进步了多少？反对继续发展AI。但目前的AI都是弱人工智能，且都需要人工干预，并不能像人脑一样独立的输入，处理，输出数据。而且神经网络也是在模拟人类的直观思维，抽象思维和直觉方面暂无研究，还有人类最复杂的情感也无从下手，对于自己大脑都只是一知半解的我们还无法涉足强人工智能领域，至于拥有自我保护意识，反抗人类等情感的AI，应当是不会出现的吧。当一个AI完全独立，不需要人工干预还可以干预人类生活时，它便需要考虑耗能问题了。我们总是长胖容易减肥难，胰岛素分泌的同时胰高血糖素立刻停止分泌，方便多储存能量，胰高血糖素分泌时，胰岛素也同时分泌，来以防消耗的糖类过多，这些都是身体希望多储存能量以供消耗。当AI需要考虑耗能问题时，估计就不会想要费很大力气去压迫消灭发展进化很多年同样很智能的人类了。反正如果我是需要考虑耗能的强人工智能，我一定节省能量不去做这种“中二”的事。

⑹ 围棋“深蓝”会产生吗

阿尔法狗（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，

⑺ 列举两个现在已经出现的人工智能例子

深蓝——国际象棋
阿尔法狗——围棋

⑻ 谷歌的围棋智能和微软小冰哪个技术上比较厉害

在计算机的发展史，在国际象棋比赛中，计算机战胜人类是重要历史事件，过去了这么多年，人工智能战胜围棋冠军又怎么说明谷歌AI很牛呢？围棋，一直被认为是人类仍然在机器面前能保持优势的游戏之一。过去20多年来，科技家们一直在试着教会电脑下棋，在1997年，IBM的深蓝曾经打败了国际象棋的世界冠军GarryKasparov，这成为了人工智能的一座里程碑事件。但是，围棋比国际象棋还是要复杂得多，国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。在下国际象棋的时候，计算机可以分析出每一个可能的步骤，从而进行最优选择，但是，围棋可能的步骤是国际象棋的10倍之多。这也正是围棋人工智能的难点所在。在过去很长时间里，最好的计算机连厉害点的业余围棋棋手都下不过。所以，去年，Facebook就开始打造围棋人工智能，并且在过去6个月里让它可以用最快0.1秒的速度来落子。负责这项目的人，就坐在里扎克伯格20英尺远的地方。但是，Google还是快一步。这场比赛实际上发生在去年十月，但是知道今天，它才在《自然》杂志中披露出来。DavidSilver是这项研究的第一作者，在他看来，阿尔法Go的关键不在于简单粗暴的计算出可能步骤，而是近似于人类的“想象力”。这背后是名为一项名为“深度学习”的大杀器，它让计算机不再是简单地使用计算能力来统计所有数据，而是像人类一样，训练，然后学习。Silver说，计算机“下围棋需要的极复杂的直觉机制，这种机制以前我们认为只可能存在于人类大脑中。”阿尔法Go用了多种“神经网络”并行，并且相互作用。其中，一个叫做“值网络”（valuenetwork），来衡量白字和黑子在棋盘上的位置，一个叫做“策略网络”（“policynetwork”），会不断地学习此前人类和自己的落子，来选择接下来怎么下。不仅仅比人类、比起其他机器人同类，阿尔法Go也更加强大。它和其他人工智能下了500场围棋，只输了1场，甚至在给对手让子的情况下，它也照赢不误。而Silver说，它比其他人工智能更先进的地方，就在于可以自我学习。而且，这种机制不仅仅可以用在围棋学习中，阿尔法Go还可以用来解决很多现实问题，比如处理气候模型等。

⑼ 为什么IBM在开发了深蓝以后就没开发其他人工智能了呢 如果像英特尔这样的的公司如果倒下会怎样呢

现在人工来智能的发展没你想象源的那么快，无论是深蓝还是之前大热的阿尔法狗，都只不过在卖弄计算能力。。

比如深蓝，它可以一秒钟预测十万步国际象棋，可以正确推断出对手接下来的十二步棋和对付的套路，而作为它的对手国际象棋大师，只能预测接下来的七到八步棋，所以深蓝赢了。。。
再说阿尔法狗，这玩意能一秒运算十亿步棋，主要是围棋。。。而它对手，一来第一次对阵这种计算高手，二来自身压力较大。。。出现失误较多。。。所以输了。。阿尔法狗的优势在于从不出错。。。而会下围棋的人都知道，两人棋力相当，下互先局，胜败基本是五十五十。。而阿尔法狗下的也是互先，打出四胜一败。。。只能算互先局中有优势。。真正要力压人类，需要在让先的对局中全胜或者打平。。围棋的对局分为互先（旗鼓相当），先让先（差一档），让先（差两档），先让先（送X子。。。这钟属于完全压制）阿尔法狗只是在旗鼓相当的情况下有优势而已。。

总结来说，人工智能，还有很长的路要走，要看到黑客帝国真人版或者未来战士真人版这种等级的AI，估计儿子的儿子都不一定能看到