如何評價圍棋帳號 Master 的 60 連勝？

12-29

阿法狗之後，圍棋界再起腥風血雨！
一個不知道來源的名為Master的賬號，在野狐圍棋平台上大殺四方，幾度戰勝全球排名最靠前的人類選手，目前它已49連勝。
就在剛才，中國棋士柯潔最終中盤認輸，Master50連勝，預示著AI在圍棋領域徹底征服人類

20170106更新：

首先，這麼多知友的贊和感謝，讓第一次答題的我有點小激動！

其次是個事實，4日晚AlphaGo認領了Master，果然是一個狗的升級版。

最最重要的，感謝評論區里大家的意見，讓我有了補充答案的願望。在原來回答的後面，補充了一些我對現在很多人提到的「快棋賽影響棋手發揮」的看法以及其他一點想法。歡迎各位指正。

————原答案————

個人小時候學過一點圍棋，對現在卷積神經網路、蒙特卡羅樹和增強學習也有點粗淺認識，過來試答一下。

目前Master背後是什麼還不知道，其行棋風格來看和AlphaGo是類似的，可能是純機器也可能有人在旁邊偶爾糾偏，至少可以肯定其主力是人工智慧，而且也極有可能是基於深度神經網路的人工智慧。因此後文主要基於AlphaGo的機理來談。

自16年AlphaGo 4:1 李世石之後，很多人都認為人工智慧在圍棋項目上的突破式進步對人類圍棋是件好事，寄希望於人能通過學習人工智慧來提高棋力，剛看了聶老做客騰訊直播，同樣談到這個問題。但如果有了解一點AlphaGo原理的人，很容易想到其實這對人來說有多困難。

首先，對機器來說，贏棋是目的，而下棋只是達到目的的手段。至於贏多少是不在考慮範圍內的。因此我們會發現，越是均勢甚至劣勢，阿法狗越能下出神來之筆。反而是收官和優勢的時候下的感覺一般，說明機器覺得往哪走贏的幾率都很大所以會表現出一種胡亂走的樣子。遇到這種情況對手基本已經離勝利很遠了……

阿法狗是怎麼下棋的呢？這個問題很多人在各種地方應該也都有談過。簡單講，阿法狗不會下棋，它只會看圖。而圍棋可以看成是有三種顏色（黑色、白色和空）的19*19個像素點的圖片。每次阿法狗下棋，分解一下就是：1看當前的圖；2隨便走幾步；3對每種隨便走之後的棋局進行評估，看是贏還是輸；4統計一下往哪走最後的勝率更高，往勝率最高的地方下棋。

先說2，2的背後是蒙特卡洛樹搜索演算法。簡單說就是，我就隨便走棋，每次也不多走，比方說走個5步吧，然後用3看看這樣走對我有利還是不利，之後再換5步著走走。每次走幾步對機器來說是很快的，1秒鐘的時間機器就可以嘗試大量的走法。重要的是，這樣演算法可以根據設備數量和時間長短自由調節走的步數，給的計算資源越多，給的時間越多，機器的行棋準確率都會增加。而且這個演算法有個特點，如果給的計算資源和時間夠多，它會傾向於往兩種地方走棋：1）之前沒試過的地方；2）之前試過而且用3判斷發現這樣走贏的概率較高的地方。其中2）和人類棋手所謂的計算是類似的，不過計算能力要遠超過人，而1）使得機器能嘗試人類想不到的棋。

再說3，3的背後是卷積神經網路演算法，以及大量的對弈棋譜和結果數據。演算法首先要訓練，之後才能用。訓練過程類似與人在學棋時的打譜練習，只不過機器訓練的時候更簡單，但數據量更大。簡單指的是，機器只在乎當前的棋局（圖片）最後是誰贏的。AlphaGo在前期已經收集了所有可能收集到的棋譜，還是不夠就靠自己和自己下棋，創造棋譜。當然開始的時候下的棋水平肯定很低，但就像一個勤奮的笨小孩，每秒鐘都在大量的下棋，記錄輸贏。數據足夠之後，統統扔到卷積神經網路里。給卷積神經網路喂足夠多的數據進行訓練之後，再拿到新的棋局（圖片）讓網路判斷誰能贏的時候，準確性就會大得多。這和人學棋是一樣的。提高棋力不是老師講講「這種情況要怎麼走棋，記住就好」這麼簡單。打譜、復盤、實踐在學棋中十分重要。每次下棋基本不會出現和之前一樣的棋局，但打譜多了，會有一種叫「棋感」的東西告訴你，現在的局面是好是差。3訓練的就是機器的棋感。但這點上機器比人的優勢大太多了。它的學習可以靠堆計算資源，達到理論上無限的學習能力。關鍵是，雖然人家開始笨，但人家學得快啊。同時這也是為什麼機器要時不時的和人類棋手過招，因為老是自己和自己下棋，有可能會自己學偏了。

最後說說1和4，我認為這是機器和人最大的不同之處。人類下棋（其實做什麼事都一樣）講究的是邏輯性和連貫性。你前面下了一手靠，就說明你打算在局部開戰了，因此後面幾手棋很可能會圍繞這一塊發生戰鬥。但機器通過1和4結合，完全切斷這一手與之前的聯繫，每一手都是基於當下的情況做出判斷，找出一個能讓自己贏棋可能性最大的點落子。因此我們會發現阿法狗（Master也一樣）時常會有走一步棋就走別的的情況。這就是下棋的人經常會講的「大局觀」。我們通常會幻想著機器可能在大局觀上不如人類，但事實卻是，機器在大局觀方面比人類棋手做的優秀太多了。人家無時無刻不在考慮大局，反而是人類棋手經常陷入到局部戰鬥無法自拔……

好吧，有點講跑題了……總結一下，這一波以AlphaGo設計體系為代表的圍棋機器人，和人類棋手一樣，有計算能力，有棋感，還有大局觀，而且這三方面都可以做到（事實上現在就已經做到了）比人類棋手強很多。這不算是什麼新奇特了，畢竟機器超過人是早晚的事情。

人有沒有可能通過學習機器的走法而提高棋力呢？我覺得可能吧，不過不期待有什麼太好的效果。畢竟機器走出來的一些怪招是它經過比人類下棋打譜多得多的訓練總結出來的招法，在某些情況下一定是好招。BUT……這些招法在什麼情況下應該走，什麼時候不適用？這些背後也是一堆數據，而人是不可能學的過來的。就像羅胖2016跨年演講中舉過的一個例子：人工智慧醫生通過閱讀幾千萬頁的資料，最後告訴你「應該吃片葯對你好」，你說你找一人類醫生問問該不該吃？他幾輩子都看不過來這麼多資料……怎麼評價這個建議是不是該接受？

所以歸根到底，人類只是敗給了一個叫時間的玩意兒……一副肉身就能活100年，一副肉腦袋的運算速度又只有這麼點兒……

————20170106補充————

關於下慢棋的問題:

首先要強調，既然圍棋無法做到窮舉，那麼人和機器本質上都是在搜索儘可能優的解。注意蒙特卡洛樹和蒙特卡洛隨機是有區別的，搜索並不是完全隨機，隨著給的時間增加，隨機選的點有兩個傾向。如果仔細想人是怎麼做計算的，會發現蒙特卡洛樹其實和人的思路很像。人下棋時說的計算，也是對自己感覺好的幾個選點做重點計算。神之一手大部分也是棋手在比賽過程中試了一個平時不太容易想到的點，投入比平時多的計算力，發現比直觀上好的選點效果更好而已。這本質上也是擴大搜索範圍的隨機選點而已。

基於對選點的理解，如果我們承認下面3點，1圍棋目前做不到窮舉，2機器在單位時間內計算力比人強，3這一代圍棋機器人和人類棋手思維類似，我們就會知道，快棋人類沒機會，慢棋是一樣沒機會的，甚至會更沒機會。因為給機器的計算時間多了，和人類計算的差距會拉開更大。

關於大家發現人機大戰五番棋第四盤中阿法狗偷雞的問題：

這就是機器的特點，或者可以說是PVE時候機器的弱點。因為它不具備人類下棋時的心理博弈的能力。當機器發現怎麼下都很難贏（大劣勢）的時候，機器會賭對手出現弱智失誤。機器看來，對手一旦出現重大失誤，自己有可能通過一手棋力挽狂瀾。但人類是了解的，一些剛入門的圍棋愛好者都看的出來的棋不可能騙過對手。因此人類棋手會試圖通過攪亂局面，亂中尋找機會。從這一層面來看，機器對圍棋的"理解"還很有限。還是前面提到過的，阿法狗不會下棋，它會的是看圖。

於是從上面兩個問題擴展開來，還有幾個點簡單討論一下：

第一，從阿法狗贏李世石的第一盤棋開始，可以說人類面對機器對手已經沒有什麼機會了。即使我們發現機器在面對大劣勢時會表現很差，但那又怎樣呢，現在的人機對戰，應該說無論是快棋慢棋，純人類幾乎沒有可能再讓機器面對大劣勢的局面。這樣說，幾乎可以肯定李世石會是最後一個在正式比賽戰勝過機器的人類棋手。

第二，不知道Master是否已經在大劣勢局面有所提高，個人覺得要提高alphago框架的人工智慧在大劣勢下的能力會很難。（這主要取決於前面說的4）。但反過來想，是不是意味著人類在面對大優局面時候會比機器表現更好（假設把五番棋第四局裡大優時的李世石換成機器）呢？從對局結果角度看，我覺得應該沒什麼區別，因為機器對手在大劣勢的表現比較爛，可能業餘選手上去問題都不大，更別說機器的獲勝能力了。但從精彩程度角度看，個人可能會看好人類一點。因為人類棋手在下棋時最先考慮的怎麼爭取優勢，優勢之後還會盡量擴大優勢，至少要保持優勢。而從演算法層面看，目前的機器只具備爭勝的能力，嚴格來說並不具備主動擴大優勢的能力。贏1目半和贏20目對它來說沒區別。

最後，現在有些人士會看好未來的人+機器的「自由式圍棋」。這裡趕個時髦，不自量力地談一談「自由式圍棋」。現在來看，第一，機器的水平已經遠超過人，第二，機器下棋思路不清晰，準確的說是人不太能理解，趣味性差。因此，如果仿照自由式國際象棋，可以想到，比賽的絕大部分是由雙方的機器完成的。我想這應該不會是任何一個棋手和圍棋愛好者看到的。這裡不負責任地提一個「自由式圍棋」的思路：比賽主力仍然是棋手，但每局可以向機器進行有限次數的求助。這樣不太會降低圍棋比賽整體的競技性和觀賞性，同時在劣勢局人類棋手沒什麼好辦法的時候，不妨找一個機器參謀提些建議，或許會出現更多妙手，甚至神之一手。

啥叫AI在圍棋界徹底征服人類啊？這種話很容易讓人誤解。AI不是一個個體，一大堆CPU，花點錢還能再增加，而且擁有人類無法比擬的存儲記憶功能，人怎麼比？如果要公平地比試AI和人的＂智力＂水平，應該不限時，而且允許多人討論。

AlphaGo到現在才出現，只能說明人太牛了。柯潔一輩子學的、想的，可能遠不如機器一天的運算量。人是怎樣用很少的步驟完成複雜的學習、思考、創造的呢？我敢說AlphaGo的所謂機器學習演算法比人腦天生的演算法差十萬八千里，所以它仍是靠運算速度取勝。AlphaGo的突破在於人類終於找到了一個不完全白痴的演算法，雖＂智力＂不高，但能靠機械地＂用功＂找補上，以前連這都沒有。（當然所謂的智力還只是特定領域的。）

真要有人工智慧，要能弄個證明數學裡各種定理的AI就好了，哪怕也是靠運算速度也行。現在估計連個證中學奧數題的AI都沒有，也就是說中學生經過一兩年訓練之後的水平都達不到。人類的智力活動究竟是怎麼回事，這是AlphaGo給我的啟發。

在另外一問題里的答案如下，簡單來說，如果理解是指圍棋理論，那麼人類還可以拿著自己定性式的棋理說自己強一點，但實效和本質上來看，圍棋作為一個數學問題，機器已經在快棋上遠勝。

另外寫了一個怎麼hack master而勝之的文

http://weibo.com/ttarticle/p/show?id=2309404060806009518740

分界句子

如果說去年李世石對弈AlphaGo見證千年的人類圍棋在新的神經網路演算法面前的搖搖欲墜。現在進行時的master對職業水平甚至頂級棋手的40多連勝（快棋），那就很清楚的告訴人類，我們的水平在它面前已經相當落後。

這波連勝有個令人類驚詫的特點，就是面對人類的精英棋手，master大部分都以中盤取勝。取勝的幅度有時極大。而且它下棋似乎不加思考，出手很快。這個其實並不奇怪，假設master就是人工智慧在下，那麼程序設置里就已經決定了它每步所需的時間，演算法尋找的深度和廣度都預先設好了。也就是在這個前提下人類精英的頂級快棋能力還是被顛覆性的擊敗了。

有了這幾十盤棋作為樣本，可以試圖做一點簡單的分析。首先可以回顧一下機器下棋的特點，它們沒有情感，沒有恐懼也沒有興奮，它們只是在矩陣計算里找到演算法給出的最佳的點。我並不覺得它們會去『保守』或者『激進』。這些解讀只是人類在看棋時給出的，自我代入的解釋。演算法里應該不會存在。另外一點也很重要，這次人工智慧圍棋革命並沒有圍棋理論作基礎。什麼意思呢？做個物理模型計算的類比，如果我們要設計一款飛機的外形，我們是有非常系統而確切的流體力學理論做基礎的，在設計軟體時，有些地方還會做必要的近似，但我們知道那裡近似了，如果算出來的結果和實驗比較有細微差別，我們也可以有比較合理的解釋為什麼。但圍棋人工智慧軟體現在沒有理論，軟體可以給出一個價值判斷，但這個價值判斷我們人類無法去』理解『，同時它的價值判斷並不就是真理，只是在它設計框架下的估計。

先拋結論，人工智慧的戰鬥力很強，尤其局部戰鬥，強大的計算能力在這幾十盤棋譜里很清楚的顯示了。人工智慧的布局跳出了人類的框架。而人工智慧的官子好像並不出色。關於人工智慧計算能力的強大，應該是容易被大家接受的。局部的戰鬥，時間有限的情況下，人類計算很難跟上。令人驚訝但又並不完全出人意料的是，它的布局新手頻出，顛覆了人類的很多所謂定式和傳統模樣。令人驚訝是因為在機器學習時，布局定式在人類棋手的棋譜里是很常見也比較固定的。而現在master頻繁的下出預想不到的布局，有些出乎意料。這說明，機器學習時的左右互搏開拓了布局的空間，並且機器的估值函數和訓練經驗很強的支持這些新的下法。說不出乎意料並不是作者一定要來一個轉折，而是從邏輯上來講，布局的新解應該是早就來到的。原因正是標題所說的，人類所欠的圍棋債。

我從學棋一開始，就對布局很疑惑，並且從來沒有找到令人信服的答案。疑惑的點很簡單，就是各類被奉為圭臬的布局常用下法從來就沒有被證明是必須如此的。其實，最先的幾十手（也就是布局階段）的可能性極多而且很難估算，這點對機器和人類都一樣。對人類尤其如此，只是在人類下的小的可憐的對局數前提下，』好像『這麼下，對局者都可以接受。這個思考模式的反面是，如果不這麼下，誰會得益，棋書里一般是給出一個比較模糊和籠統的答案，說如此某一方怎樣怎樣，但事實是，對局時，旁觀的職業頂級高手對於局勢的判斷經常性的有極大差別。同樣一盤棋，有些高手會判斷甲領先，另外一些固執的認為乙領先。而對局雙方自己，在復盤時，如果他們很誠實，也經常會錯判形勢。這一切都清楚的表明，布局階段的判斷，基本是基於棋手經驗而來的直覺，或者是棋手基於局勢自己考慮的有限可能性下的半理性判斷。那麼問題的實質就很清楚了，哪怕是我們最精英的棋手，在布局階段浩瀚的可能性面前，判斷局勢是如履薄冰的，是沒有堅實的根基的。恐怕也因為這個，許多最頂級的棋手都表示自己對圍棋的理解是很膚淺的。而也正是因為這個原因，一代代的棋手都選擇定式來下，因為一旦跳出框架，誰都沒有確切的下一步計劃！變化當然有，但變化經常很有限，並且變化的結果自己或者大家研究也不徹底。再加上心理上的壓力，除非特別的情形，一般棋手不去貿然大幅改變布局下法。人工智慧突破了這個陳規，結果是顛覆性的。

這就是人類的欠下的巨大圍棋債務。我們沒有理論，我們所談的棋理其實是基於有限經驗的定性總結。這一切都在人工智慧大面積探索新的可能性面前土崩瓦解，各種新布局帶來的衝擊是很大的，人工智慧畢竟還有左右互搏的經驗做支持，人類的支撐就很少了。這樣的心理和經驗雙重不利，人類精英慘敗一點不奇怪。

關於布局的圍棋解說詞，也能側面印證這一點。用詞基本都是籠統而帶有』味道『類的。沒有特別明確清晰的解說。這和局部的死活完全相反。現在人工智慧所做的就是捅破這層朦朧的面紗，掀開一個真實的現狀：被我們奉為經典的下法是在取樣極其有限條件下的經典，並不是真理。這和人類科學上的進步有很好的類比。

我們所了解和理解的圍棋估計和古人對於天文學的表象性解釋差不多。我們看到了一些星空的固定和星空的變化，我們看到了星空的一些圖像，我們開始做自己的解讀，發明各種解釋，去試圖理解這一切觀察。可是肉眼能看到的宇宙（或者說星空）是如此有限，有限到簡直渺小和可笑的地步，正如一個現代天文學家會對這些古天象學表示翹嘴笑一樣，現在的人工智慧用機器學習和左右互搏以及量化局勢判斷這個天文望遠鏡可以睥睨人類精英。但也打開了宇宙真實的面目，它的暴力它的雜亂它的豐富它的可能性！

也正如天文學的發展，人工智慧這個工具帶給人類極其豐富的觀測，從這些觀測里，人類可以和開普勒以及牛頓一樣，總結出規律性的東西，從而帶給圍棋一個飛躍。就是真正接近真理的圍棋理論。也只有如此，人類才可能可以再次超越機器，然而這樣的超越也不會持久，在計算機科學家的演算法和強大的機器計算能力下，就算人類有了這個突破，遲早還是要敗下陣來。

但人工智慧的觀測以及我們關於圍棋理論的突破，可以帶給我們自己更寬廣的視野，也會給下棋的人更多愉悅感。

誰能給圍棋理論帶來突破和天文學的開普勒和牛頓一樣將名垂青史，少年們，努力吧

————————

忘了說，現在人類要贏，必須堅持下完，貌似人工智慧官子一般。

關於master是不是google的，我傾向不是。原因如下，alpha已經名滿天下，如果他們要進一步擴大知名度和影響力，直接大方的宣布要車輪人類精英只會給他們加分。相反，另一家公司的軟體他們一開始信心不是特別有保障，不想高調進入視野然後遇上負面戰果，所以保持神秘，而且它對於時間的限制和alpha go特點完全不一樣。它就是沖著爆發性知名度而來。所以我個人比較有信心的認為這個不是google的alpha升級版。

————————

上面關於master不是alpha升級的判斷不對，現在證明就是。

https://www.zhihu.com/question/54258291/answer/138992558?utm_source=com.google.android.apps.docsutm_medium=social

來看下圍棋第一人柯潔如何看待這60盤

今晚1月13 最強大腦

謝邀，這兩天沒時間上對弈網站觀戰，閑暇時看了野狐上Master執白一目半勝朴廷桓的那局棋譜，看完感覺Master這局下的堂堂正正，也沒有什麼天外飛仙的怪招，完全看不出是電腦在下，而有當年李昌鎬的穩健棋風，大局觀很強，只是Master更靈活些，並不過多糾纏在局部纏鬥，也不拘泥局部小得失，當棄則棄，隨時轉身或脫先。反觀朴廷桓無論是主動挑起戰鬥還是破空，都占不到便宜。本局值得一提的是Master的90 92 94這幾手，放棄下方成空，在中腹行棋，既破壞了黑上方的潛力，又控制了中腹，有明顯的Alphago的棋風。

整盤棋下來，朴廷桓基本沒有什麼發力點，雖然終局差距不大，就1目半，但應該說黑棋通盤沒有什麼勝機，而Master要取勝倒有100種招法。即便我作為業餘愛好者，也能感覺二者的差距絕不是1目半，確實要差一個等級。

個人認為50勝零負的差距，已經超越2子了，下棋的都知道，即便差2子的棋分，如果平下，上手也很難50局全勝。個人認為按現在的圍棋規則分先下，應該無法測出Master的深淺，只能採用讓子方式，或者分先電腦執白倒貼目，然後不斷調高貼目數量，也許這樣才能真正激發電腦的恐怖能力。。。。。。。

Master更懂圍棋，因為人是和人斗，不是和圍棋斗

老鄉別害怕，Master是自己人

這兩天Master橫掃圍棋界，眾多頂級職業高手紛紛敗於大師手下，而且毫無還手之力，而在互聯網上引起圍棋界、人工智慧界無數高手與吃瓜群眾好奇困惑的 ID 終於自揭身份——聊天室里從Master的ID發出來一句話：「我是 AlphaGo 的黃博士。」

不出意外的話，黃博士真名是黃士傑，就是去年年初在與李世石人機大戰中代替 AlphaGo 落子的「人肉手臂」。

Master的60連勝引起了巨大的恐慌！

試想這樣一個場景：黃士傑和李世石對面而坐，AlphaGo給黃士傑下指令：起東五南九置子，然後黃士傑就拿出一個棋子替AlphaGo執子走棋，是不是有種黃士傑成為了AlphaGo傀儡的感覺，不出意料的，網上已經開始驚呼人工智慧將要奴役人類的悲觀論調！

包括古力、聶衛平、柯潔在內的一眾高手紛紛落敗，好像是在AI面前人類的顏面盡失，其實不然，說到底，不就是人類設計的一套AI程序利用人類賦予的學習能力，學會了圍棋遊戲，只是它比人類更加擅長這一遊戲罷了。

其實這並不可怕，這不是人類歷史上第一次出現了，畢竟，製造和使用工具是人類區別於其他動物的最本質的區別，人們跑的慢了的時候，就發現了馬，當馬不能涉水的時候人們發明了船，當馬不能上天的時候人們發明了飛機，當馬跑的慢的時候人們又發明了汽車，人們什麼時候因為自己沒有騎馬的人跑得快而感覺顏面盡失了？人們會因為自己沒有飛機飛的快而覺得顏面盡失嗎？

博爾特會因為速度比飛機慢而感覺顏面盡失嗎？

很顯然並不會，那麼這次的對弈，很明顯Master不論是在能耗還是在計算量上都明顯和人類不在一個級別上，即使失敗了也只是輸給了工具而已。

很多朋友的擔憂是放在如果有朝一日AI覺醒了怎麼辦，因為Master在他個別場次鎖定勝局後，幾乎是在讓棋，似乎是在逗人類棋手玩，就像博爾特衝刺時因領先太多，有意放慢步伐，左顧右盼，一副「放一點水才更有意思」的衝天傲氣。隨便下下都能贏你，這樣的打擊是不是對人類棋手更為沉重？

首先我們要弄清楚，本質上Master只是一個工具，輔助人類的工具而已，幻想《黑客帝國》為時尚早，只是他的演算法和棋局計算能力比人類厲害很多而已。

老鄉別害怕，Master是自己人！

本質上這不是一個AI奴役人類的故事，而是一個業餘圍棋手在明知自己技藝難敵眾職業高手的時候，用自己的智慧設計了一套程序，並籍此打敗了自己此前幾乎完全沒有機會戰勝的職業高手的勵志故事。

永遠不要忘記，打敗眾多職業高手的AI是人來設計的，正如協助人類工作的計算機也是人設計的一樣，是我們的工具。

就像我們一個高中生和一位數學大師比賽解稍微複雜一些的方程，在數學大師一步步計算的時候，高中生轉身將方程式輸入計算機……

你能說數學大師敗了嗎？只是工具更方便而已，如此來看，Master不就是圍棋領域的一個大計算器嗎？

經常有電視節目上追捧一些記憶力強悍的人，能背誦圓周率，背誦幾萬位，很牛嗎？現在你隨便找台計算機都能輕鬆算到幾十萬位，而最厲害的計算機已經能夠輕鬆算到2萬億位之後，什麼概念？

所以現在AI還沒有發展就擔憂如果人工智慧有了自我意識怎麼辦，這完全是在杞人憂天，汽車發展的時候會擔心將來發生很多車禍怎麼辦而停止嗎？原子彈被研究出來的時候會擔心將來會有核戰爭而被停止嗎？

用人類製造出來的東西來否定人類自身，這顯然並不合理，因為Master所代表的人工智慧只是人類的工具而已，是為了我們更好的生活而存在的，所以我們很長一段時間內是不用太過憂慮的。

應該憂慮的是職業棋手們。

為什麼眾多職業棋手感覺顏面盡失而焦慮？

我覺得這焦慮里應該有一絲擔憂，因為我們向來認為圍棋是古老的人類智力的遊戲，機器依靠著搜索、枚舉等演算法是無法參透其中的奧妙的，所以圍棋被認為是人類智力遊戲的「最後一個堡壘」。

不過很遺憾，從今天起，不再是了。

因為Master的衝擊，職業圍棋的未來堪憂，前有車後有轍，1996年卡斯帕羅夫輸給深藍以後，國際象棋的關注度便逐年下滑，為什麼？因為只要有AI的存在，在圍棋領域，就沒有人能夠贏它了，在圍棋領域也不會再有人類「獨孤求敗」的存在，如果一項競技，永遠不可能取勝，你還有關注的興趣嗎？

所以，在還沒有享受到人工智慧所帶來的好處的時候，暫時不用杞人憂天。比馬車跑得更快的汽車發明出來之後馬車行業就沒落了，但生活更好了；日心說被提出來之後地心說就破滅了，但科學發展了。

我們現階段更多的應該考慮的是：職業圍棋行業以後將會如何發展？未來人工智慧比高等翻譯做的還好了，翻譯行業該何去何從？未來人工智慧在你的行業比你做的還好了，你該何去何從？

最可怕的事情從來都不是毀滅你，而是毫不費力的取代你但你卻毫無反抗之力。

老鄉別害怕，Master是我們自己人，一個可能比你優秀的自己人。

歡迎關注公眾號：景辰（iJingChen）

可能李世石贏的那一局是人類對人工智慧贏的最後一局。

腦力有一種畫面感。。。就像一個拿著AK47的歹徒闖入了華山論劍的現場。。。

圍棋從此從PVP轉為PVE

Master(阿法狗2.0)對職業高手的連勝記錄證明，當代圍棋理論中很多看似精華的成見實為糟粕，而不少看似離經叛道的著法才是正途，圍棋之道，天外有天。Master行棋自由自在，在棋盤中翱翔，滿是六合圍棋的神韻，吳清源大師的在天之靈，應當是很欣慰的吧。隨心自在，做人亦當如是！

藤澤秀行說，人生要活得瀟洒、豪爽和俠義，不要太在意名利。勝負心太重，人生就不夠精彩。下棋也是一樣，評目的論動機，求道為上，修行其次，勝負再次，余等為下。所以，不要背定式，不要下別人的棋，也不要走別人的路，不斷試錯，自己嘗試，走自己的路。

求道不止，吳清源大師畢生正是如此追求。吳清源早年與木谷實共同掀起新布局革命，近代圍棋由此發端，按說足以憑此青史留名，卻在晚年又倡導「二十一世紀的圍棋，六合之道」，世人當初都認為老先生年紀大了胡言亂語，棋界也一直不以為然。

然而阿法狗橫空出世，人工智慧用機器學習演算法算出的棋道，竟與吳大師的智慧和洞察不謀而合，阿老師的著法，流露著吳大師的氣息。真正的大師往往是在逝世後才被世人認識到他真正的價值，那是因為時代落後的太久。梵高的星空，吳清源的六合圍棋。

另：有人說快棋是欺負人。快棋其實是為了放大當前圍棋理論的缺陷，是阿法狗團隊有意為之。

棋界蕭遠山

華山之巔，降龍十八掌，蛤蟆功，一陽指，九陰真經……各路高手比招式，比內力，比眼界。一把半自動步槍擱在桌上，不言不語。

ai永遠不可能戰勝人腦。

因為，根據sb悖論。

人工智慧的發展目標就是無限向極端出色和完美的一面發展，可是世間萬物都有其兩面性，就好比正反陰陽，有聰明理智也就有sb和腦殘，這是鐵律，所以總結起來，人工智慧只體現出其優秀的一面，所以人工智慧在發展的過程中必然面臨永遠不要和白痴爭辯。他會把你的智商拉到同一水平，然後用豐富的腦殘經驗打敗你。

人工智慧無法識別這種負面的感覺和方法，因為它從誕生的一刻起就是朝著完美的一面發展，但如果它想去獲得這種負面認知，就需要徹底否定原有關於人類智慧創造正面的一切。

這就是sb悖論，也是我為什麼看到人類造出人工智慧，一邊再不停吹噓，一邊又在瑟瑟發抖，而感到無比的可笑。

呵呵，說到最後啊

你們真的以為這種「東西」可以取代真正的造物主所賦予你們的嗎？

你們那點小心思，造物主早就看出來了，想利用所謂的人工智慧，來擺脫造物主的鐵律和牢籠？

真是痴心妄想啊

這種篡奪毫無意義，因為，

呵呵，

因為，你們永遠也無法保持一顆絕對冷酷和公平的心啊

之前寫在了另一個提問裡面了，現在看來這裡才是更合適的位置吧。

寫下這篇答案的時候，已經是聶衛平敗的時候了。可是這些大師一遍一遍的挑戰master，勝負真的那麼重要嗎？我們一遍一遍的去看XX又輸了，XX還是不如master厲害，這些其實都不是應該關注的重點吧。

我們應該感謝這些當今的大師們，他們一遍一遍的去和master挑戰，讓我們大開眼界，給我們這麼激動人心的對弈，而從專業的角度來考慮，來測試出這個機器的棋力，它的布局，他的水平，讓AI能夠真正提高我們人類的圍棋水平。

至少，我們應該給予職業棋手以尊重吧，平心而論，他們的水平絕對高於我們普通人。而負於master也不是因為他們不夠努力不夠聰明，而是我們人類的圍棋發展水平僅僅到此而已。

講講故事吧，祖父曾蟬聯自治區國際象棋冠軍，雖然作為一個業餘選手，但是對於圍棋等有一些研究，段位賽並沒有認真的參與過，據回憶應該是3段。很多次在赴賽途中與當時的世界冠軍對弈，像聶老這一代冠軍，(還收藏著有七八個世界冠軍棋手聯名簽名的邀請函，我現在只記得有聶衛平)，在火車上各位赴賽選手用自己不參賽的棋來下，權當打發火車時間了吧。而他參加國際象棋比賽則自然用圍棋與聶衛平一起下過棋，據他的回憶，應該也是下了兩盤牌，還贏了一盤貌似。但是每次講起來的時候都會說他們的水平真的難以望其項背，雖然我一直覺得祖父水平很高，在我們那邊也稍有名氣，但是他這麼說那聶老這一代人國手的水平真的是很高的呀。

也有答主提到過真正的好下法也是要經過多次實踐才能夠成為經典的。職業選手都是有一定的專業性的，一遍一遍的挑戰計算機真正的意義才在於對弈的過程中留下來的棋譜和下法嘛。

最後最後，您要是覺得寫得好呢，給個贊吧，知乎小白也有一個向上的心呀，哈哈

非常期待雙方來一次不限時的比賽

2017年年初AI又成功引起一輪熱潮，相對於之前AlphaGo的高調，現在的master卻是低調至極，無人知曉其真面目。但是不可否認的是，它又是AI的一次成功試驗品，截止目前，master保持53勝一平的記錄，平局還是因為選手掉線被判平局，多達17位的圍棋世界冠軍被斬落馬下，其中包括目前排名第一的柯潔，甚至被譽為「棋聖」的聶衛平，兩天戰勝多位超一流選手，其水平令人咋舌。

很多人都在問master到底是什麼，首先它肯定不是人，短短七天內取得這樣「輝煌」戰績，這已經超過人類腦力勞動的極限，master不知疲倦地挑戰多位高手，其背後一定是超強的計算處理能力。那它會是AlphaGo的升級版嗎。這到未必。回頭看看AlphaGo的比賽歷程，最引人注目莫過於與李世石的較量，最終AlphaGo以4：1獲得勝利，可是AlphaGo贏得並不輕鬆，甚至丟掉一盤，隨著棋局越來越複雜，AlphaGo的落子速度越來越慢，對於AlphaGo，需要更多時間進行剪枝函數與限界函數的判斷，使用包括回溯等演算法要求從中找出最優解，選擇獲勝概率最大的地方落子。我們看到棋盤上只落了一個子，但是AlphaGo卻把所有獲勝的可能情況都模擬了一遍，從中找出最大獲勝可能。這都需要大量時間進行計算。相反的是，master卻以出乎異常的速度落子，無論是30秒一子還是50秒一子，均能「笑看春風」，對於這樣出色的能力，已不再和Alpha在一個等級上。對於谷歌這樣頂級的人工智慧團隊，AlphaGo在演算法方面已經是相當出色了，即使演算法不斷優化，引起性能數量級的提升可能性較小。另外一個重要的原因是，AlphaGo不僅有科學研究方面的價值，更重要的是帶給谷歌是現實的利益。在AlphaGo接連戰勝圍棋高手的同時，帶來的是谷歌的股票大幅上漲。對於master這樣出色的Al，谷歌完全可以大搞「噱頭」，這次AI的表現足以影響到圍棋領域的存在，對於一個商業公司是不會放棄這樣的既贏名聲又賺利潤的大好機會。面對所傳言的所謂谷歌簽訂保密協議，在利潤面前協議只是一張紙。

那master可能是什麼？成功的AI產品需要好的演算法與超強處理能力。從master超快的處理性能來看，不排除背後是一個超算團隊，個人觀點master本體可能是一個超級計算機。正是因為這一點master受到體積的局限性才使得master只能在線上而不能像AlphaGo那樣高調的出現在世人面前。超級計算機無論在處理性能上，還是計算模擬性能上均代表著最高的水平，加上良好的演算法，這樣的組合能夠產生與master一樣的「爆炸」效果。但是不排除AlphaGo進行演算法與處理性能的深度優化的可能性。AlphaGo通過與自己的博弈加上深度習，提高能力，這需要一個過程，而且未必能保證最後的訓練結果是最好的。

無論是master是升級AlphaGo，還是超級計算機，目前傳遞給人卻是一種悲觀的態度。更多的人看到的是master對人類的戰勝，卻沒有看到master帶給圍棋的是一種超越人類思考局限的想法。如果這種戰勝就令人恐慌的話，那這種恐慌應該從幾十年前就有。早在計算機發展之初，計算機的處理計算能力就已經超過人類，只不過現行的趨勢是，這種超過不斷的向各種領域蔓延。目前代表最高水平的AI仍然屬於弱人工智慧領域。人類自身的了解的局限性，是突破強人工智慧的一道障礙，如何令AI有情感仍然困擾科學家。目前能夠研究的只有人類本身，通過對人類大腦的逆向工程，就像扒洋蔥似的一層層破解人類的大腦的工作原理，量化人類的情感，是目前為數不多的手段。如果出現了真正像「西部世界」一樣的AI實體，社會是什麼樣？我們究竟會變怎麼樣？人工智慧在計算機發明之初就註定了一定是未來的趨勢，這是無法避免的時代，只要人類有更高的需求，AI就一定會出現。AI在圍棋界大放異彩，背後是為了獲得更優良的處理判斷能力，AI既然由人類設計與創造，最終的目的仍然是服務於人類。AI發展的背後是生產力的促進與解放，社會的進步需要AI注入的活力。

個人拙見，望指教，請諒解

我考了99，學霸考了100。我說我們就差1分，學霸說我考100分因為滿分只有100分

人工智慧贏了，它自己又不會開心，看把一些人傷心的。人類過去好像沒和飛機比過賽跑，好像我們還在開運動會，感動自己。下圍棋關人工智慧什麼事，不鳥它就行。啥時候它學會開心了再來和人類比，這才是人的屬性。