围棋是一种源自中国、有着悠久历史的棋类游戏，也一直被看做是人类最后的智力竞技高地。据估算，围棋的可能下法数量超越了可观测宇宙范围内的原子总数。今天，韩国九段顶尖中国围棋选手李世石将在韩国首尔应战谷歌Deep Mind团队开发的人工智能系统Alpha Go的挑战。双方都公开表示，深信自己将赢得最终的胜利。最终输赢还难说，对于“表示不是很懂你们这些AI迷/围棋迷”的围观群众而言，该以什么姿势看懂这场高大上的对决？

说起来，这已经不是人工智能和人类第一次比赛下棋了。早在1997年，一台叫做“深蓝”的超级计算机在国际象棋上下赢了国际象棋冠军卡斯帕罗夫。那么，经过这么多年的发展，人工智能得到了怎样的发展呢？

”深蓝“是一台超级计算机，虽然跟人工智能程序Alpha Go好像不是同一回事，但是其实人工智能程序也需要以计算机作为载体才能工作，就像大脑也需要有身体才行。因此，把它们放在一起比较并不奇怪。

”深蓝“计算机的性能大约为11.38 GFLOPS(浮点运算)，能够在每秒钟里计算113.8亿次带小数的加减乘除。如果你无法感受它的强大的话，我们来做个对比，二战期间帮助美国设计制造原子弹的第一台通用计算机ENIAC，它的性能只有300 FLOP。

而随着超级计算机技术的不断发展，即使是今天最普通的集成显卡的性能也超过了700 GFLOPS。”深蓝“已经从逐渐跟不上脚步到被甩开了一大截。值得一提的是，世界上最快的超级计算机是我们国家的的天河2号，其性能达到了33.86 PFLOPS，是”深蓝“计算机的30万倍。

那么，跟”深蓝“计算机相比，谷歌Alpha Go的性能又是多少呢?此前谷歌曾经在《自然》杂志上发表过关于这个人工智能系统的文章，其中称，Alpha Go人工智能的计算机装有48个CPU和8个GPU。

我们似乎无法将两者放在一起直接比较，因为Alpha Go是在云计算平台上运行的，我们可以通过竞争对手的计算机数据来进行大概的比较，比如阿里云。

2015年12月，阿里云对外开放高性能计算服务。这些计算机的单机浮点运算能力是11 TFLOPS。如果谷歌的计算机性能与阿里云接近的话，那么Alpha Go所驱动的硬件的性能至少是深蓝的1000倍。

另外，为了达到更高的运算能力，谷歌还把Alpha Go接入到了一个有1202个CPU组成的网络中。这使得这个人工智能系统的计算能力在原来的基础上增加了24倍。经过推算，Alpha Go的性能大约是深蓝计算机的2.5万倍左右。按这个节奏计算，假如人类一年能玩1000局，AI一天就可能玩100万局。所以Alpha Go只要经过了足够的训练，还是有可能击败人类选手。毕竟，人类在长时间的下棋比赛后，由于生理和心理限制可能会疲累，进而犯错，但机器不会。

那么问题来了，你认为谷歌Alpha Go会在今天的比赛中战胜李世石吗？对于“表示不是很懂你们这些AI迷/围棋迷”的围观群众而言，该以什么姿势看懂这场高大上的对决？小编整理了几条要点，一起来get√吧~~

说起围棋和人工智能，我们可能多少都了解一些，不过二者是怎么联系到一块的呢？

那是因为机器战胜人类，一个关键就是围棋。拥有2000多年历史的围棋高度反映了人类的智慧，围棋棋盘纵横19道，361个交叉点，涉及到的可能出现的局面数量最大可达3^361，大致的体量是10^170，而已经观测到的宇宙中，原子的数量才10^80，国际象棋最大只有2^155种局面，这是什么概念？看似简单的纵横19道，361个交叉点，形成了浩瀚的宇宙。所以有人说，围棋是体现人类智慧的最好游戏，之前还有人预测，人工智能（AI）需要再花十几年才能战胜人类，所以若抛去商业元素，这场比赛的意义可能在于见证历史，足以说明当前人工智能的技术研究已经达到新高度。

难点1：围棋对弈的基础是死活的确认，确定棋盘上一块棋的死活是最基本的，但要搞清楚一块棋是死是活是非常困难的，而且，这 种似死似活的状态又是在不断变化的。围棋中的死活是一个组合问题，对未封闭的棋块实行死活搜索将面临着组合爆炸问题。好在 围棋中的死活大都发生在局部，而且多数情况下棋块外部已被封锁，搜索空间相对较小，便于实现博弈搜索，所以说，研究局部死 活搜索是AI围棋发展的一个难点。

难点2：围棋的中盘战斗是整个对弈过程中最关键、最复杂、最精彩、最激动人心的时刻。之所以说中盘战惊险刺激,是因为这一阶 段双方棋子接触，头绪众多，常常出现敌我阵势犬牙交错、短兵相接的复杂战斗，此时谁能抢先占据攻守要津，谁就能掌握战局的 主动权。棋形体现着人类形象思维独有的特性，棋手对棋形的感觉完全依赖于自身的经验，而这种感觉恰恰是胜负的关键，也是棋 手水平高低的标志。人类棋手不愿意浪费自己的棋子去无谓地攻击对方活的棋形或无谓地试图挽救自己死的棋形，要赋予AI这种对 棋形的感觉，则是人工智能面临的重要课题。

难点3：此外，还需要研究特殊的算法来解决快速识别问题，著名的电脑围棋程序设计者布恩说过: “有了快速的模式识别方法,就 不难教程序利用手筋来吃棋。”所以说，模式识别算法是围棋博弈程序的重要组成部分，高效的模式识别算法反映着博弈程序的水 平，当电脑的模式识别技术发展到能与人脑匹敌时，电脑围棋的棋力离专业九段就不远了。

简单来说，一方面，围棋规则非常复杂，每一步的调整，都会产生更多的可能，这对机器的计算能力要求很高。另一方面，即使机器中存储了足够多的已有围棋大战数据，由于围棋规则的复杂程度和棋手的无法预测的落子，对机器的应变能力或深度学习能力有更高的要求。

上面说的那么难，难道AI就没机会取胜了？NO NO NO~

今年1月，Google AI在围棋上5比0战胜了欧洲冠军樊麾，这说明AI是有机会击败人类的。为了击败人类，研究者们拿出了大杀器——这就是人工智能领域新一代的机器学习（machine learning）形式——深度学习(deep learning)。换句话说，就是让计算机像人脑一样去学习和思考。和传统的机器学习不同，深度学习是把计算机科学和人类的神经学结合起来，让计算机自主学习。比如，不是由人告诉计算机这是一只猫，然后让它来进行识别和印证。而是给计算机提供大量的图片数据，让它自己学习和分析，然后自主形成“猫”的概念，就像人类大脑的视觉皮层那样反应。有了具备深度学习能力的人工智能系统，以后驾车出行时，汽车就能主动提醒你周围的路况，还能应用于语音和脸部识别、医疗诊断等领域。

不过谷歌董事长施密特表示，即使机器真的赢了，人类仍是赢家。即使AlphaGo机器最终赢了李世石，对于人工智能是否会“碾压”人类，依然存疑，我们不必过于焦虑，人工智能可能还有很长的路要走。

历史上的人机大战

1.深蓝战胜卡斯帕罗夫

1997年，美国IBM公司的“深蓝”超级计算机深蓝以二胜一负三平的战绩战胜了当时世界排名第一的国际象棋大师卡斯帕罗夫，成为赢家。

2.浪潮天梭挑战人类象棋大师

2006年的浪潮天梭超级计算机，挑战人类象棋大师一役，在最终的巅峰对决中，许银川与浪潮天梭两战皆和。浪潮天梭向世人证明了自己超强的运算能力。

3.沃森全才学霸挑战人类

2011年，“深蓝”的同门师弟“warson”（沃森 ）在美国老牌智力问答节目《危险边缘》中挑战两位人类冠军，并获得成功。

4.Alpha Go以5:0的战绩完胜欧洲冠军樊麾

2016年1月，美国谷歌公司旗下的人工智能(AI)开发商“DeepMind”(位于英国)研发的围棋电脑软件“AlphaGo”(阿尔法围棋)打败了职业棋手樊麾，开创全球先河。