為什麼人工智慧領域把圍棋視作擊敗人類的「最後一道壁壘」，圍棋特別在哪？

01-22

1. 搜索空間巨大

第一點大多數人都談到了，但很多人還忽略了第二點：

2. 評價函數高度非線性

第二點意味著對於搜索樹的簡單非深層展開，對於局面的判定很有可能與深層展開有很大的差異，又由於第一點，我們無法完整展開搜索樹，所以顯得格外困難。

不懂人工智慧的領域把圍棋視為擊敗人類的最後一道堡壘。人工智慧領域不考慮擊敗人類的問題。

倒有可能是人工智慧在科幻文學中擊敗基因技術的最後一道堡壘。。

謝邀。

圍棋的規則和變化比其它已知棋類都多。

比如打劫，利用長生劫牽制對手就是深謀遠慮才能有的做法。

比如找劫材，對方會不會棄子？

比如兩塊大小差不多的棋，哪塊該優先處理？

厚勢的價值如何計算？

……

這些光想想就頭疼了，別說機器計算了。

圍棋，本身就是不斷平衡與調和的一個過程。

而平衡，調和與感覺，恰是冰冷的數字所無法做到的。

謝邀。

棋盤大。

很顯然，最後一道門檻，應該是人工智慧能夠自己設計出比自己更優化的人工智慧。

稍微懂計算機程序的人，都知道我這句話代表什麼意思。如果更進一步，從設計出更優化的程序，到設計製造出更優化的硬體，那麼……

也許那時候唯一制約它的，只有物理的邊界，普朗克尺度吧。

奇點來了，比我們想像的更快，但是要發展到我說的最後一道門檻，這個最後的爆炸點還有多遠，不得而知……

謝邀。我估計我的回答比較簡單，要沉下去，但還是希望能不浪費大家時間看完。

1. 很多人已經提到了，圍棋的複雜度是N^172，這個目前是封閉環境下遊戲的最高複雜性了。

2. 我們以後想讓人工智慧處理問題時，可以用以下方法論解決問題 1.對問題建模 2.將問題的模型轉換為圍棋模型 3.沿用圍棋AI的演算法，比如這次的雙神經網路。

3. 這次圍棋可以算是人工智慧的奇點（參考書目《奇點臨近》），以前人工智慧雖然進步速度很快，但人類看不見。現在進步速度很快，人類剛看見時瞬間就超過人類了。你可以理解為一台方程式賽車，剛出現在你眼前的地平線上，就瞬間跑到你腦後了。

所有人都知道，李世石早晚會輸。人工智慧的進化速度將遠超人類的想像。不久的將來，人類就會給自己造出一個「神」一般的人工智慧，一個人類最終無法駕馭的「神」。在利用人工智慧享受短暫的共產主義盛宴之後，物競天擇的物種更迭便不可避免。各國政府再不限制人工智慧的研究，奇點之後，在不會失誤的人工智慧面前，人類就像中盤之後的李世石，再無翻盤的可能。

謝邀。

參照維基百科上「遊戲複雜度」詞條，可以通過兩種方式衡量棋類遊戲的複雜性，一是狀態空間複雜度，二是博弈樹複雜度。

　　狀態空間複雜度：圍棋是 10 的 172 次方，中國象棋、國際象棋分別是 10 的 48 次方、46 次方。

　　博弈樹複雜度：圍棋是 10 的 300 次方，中國象棋、國際象棋分別是 10 的 150 次方、10 的 123 次方。

但是，只能說想要窮舉完所有的情況十分十分十分的複雜。但其實窮舉對於計算機來說並不是難事，最多只是時間問題。就像AlphaGo，這個程序利用「價值網路」去計算局面，用「策略網路」去選擇下子。最後即使贏了，也只是演算法的勝利，而非真正的智能。人工智慧真正要突破的是「智能」。

真正的智能應該是，它在下棋的過程中發現：「卧槽，我好像下不過他，等這局下完我要去找他請教請教。誒，會不會是因為我智商不夠不適合下圍棋，才會輸給他，要不要改行去學學下象棋。。。其實我想要當個畫家。。。」

小時候下棋，只要看一些妖刀騙招，基本可以讓小夥伴們思考很久。然後落入自己的圈套。那會兒的感覺就是，這個變化，你知道而別人不知道，就可以贏。

以棋會友，以棋載道，真沒什麼感覺。倒是一些招術，令人耳目一新，醍醐灌頂一般——雖少而印象很深。

後來下棋，發現冥冥中存在一個「棋力」的東西，棋力相差懸殊，不出十手就能感覺出來。棋力相差不大，才能悄悄的享受。這個變化，你知道而別人不知道，也沒有多大優勢。

再後來下棋。一個學長是研究道家文化的，很喜歡下棋。同他下棋的時候，明明感覺他的棋力很弱，但是有些招式，很有「味道」，讓你回味無窮。或許這就是所謂的「言外之意」。

這個變化，你知道而別人不知道，區別不是很大。雙方棋力誰高誰低，也沒有影響。雙方都是按著自己的思路，在下棋，在對弈，在享受「手談」的樂趣。

思路，很有意思。

圍棋到底難在哪裡？對人來說，易學難精。對機器來說是難以計算。

很多人在學會下圍棋之後，都曾說過，除了圍棋，其他的棋類沒什麼意思。一手棋可以演變千萬，如同浩瀚之星海一般，變化複雜，冥冥之中又蘊含很多規律。

機器學習不是很了解，就不枉議了。在經典模型中, 人們追求的是模型的精確解, 所有結論都是在``模型是正確的『』前提下做的. 但所有的模型都是對世界的猜想。機器學習的演算法模型, 由於沒有對數據作出任何假定, 很難得到諸如p值那樣的顯著性結果, 更沒有諸如相合性之類的概念, 但是評估的方式是交叉驗證。

所以，能夠解決計算問題，機器可以下贏人類是有可能的。

但是，僅僅是下贏。有一些味道，一些深意，一些感覺，一些抽象，在機器眼中，僅僅是一些符號。

我不太相信人類連自己的情感都研究不慎清楚的時候，卻可以發明出一個擁有情感的機器。

對於alpha，我覺得是一件好事兒。韓愈說：「君子性非異也，善假於物也。」當人類的知識或智慧達到某一程度的時候，確實需要藉助一些外物來刺激一下，以達到新的高度。

何不懷著開放的態度，來迎接一個新智慧時代呢？

謝邀。一直在看今天李世石和Alpha Go的直播，柯潔對Alpha Go的有幾步棋表示很不屑，認為其沒有大局觀。我想這大概就是圍棋和其他棋類的不同，圍棋沒有走法限制，謀篇布局完全在於對弈的棋手雙方，因此變化也不僅僅是棋盤的大小決定的那麼簡單。

詳解AlphaGo工作原理

戴密斯·哈薩比斯也在發言中詳細解讀了AlphaGo的工作、比賽原理。

戴密斯·哈薩比斯表示，在國際象棋中，計算機可以靠計算速度戰勝人類，但圍棋更複雜，也被認為是無法戰勝人類的領域，所以AlphaGO要和李世石進行挑戰。

戴密斯·哈薩比斯稱，AlphaGO以無數的棋譜數據為基礎進行深度學習，不斷完善，又通過自我模擬比賽提高實力，比賽前又針對性地進行了很多測試，這幾個月里AlphaGO的圍棋水平得到了顯著的提高。

按照戴密斯·哈薩比斯的說法，AlphaGO的優勢在於它有兩個神經網路：

第一個神經網路：觀察棋盤布局，找到最佳的下一步，原理是預測每一個合法下一步的勝算概率。

第二大神經網路：預測每一個棋手贏棋的可能，分析未來局面的「好」與「壞」，去決定怎麼改變。

有個電視連續劇叫《漢武大帝》，漢文帝說小時候的漢武帝名字裡面有個豬，說豬是龍，我們又講我們是龍的傳人。是不是豬為了自己享受而造了人？豬和人類的心臟又驚人的相似。如果我們造出了人工智慧，AI對待我們，就像我們對待豬一樣？我這完全沒有證據，我只是想像。

為什麼會覺得，福彩的中獎號碼，那才是最後一道堡壘呢

就一個喜歡看圍棋，僅僅了解規則的普通棋迷而已。承蒙邀答，不勝鴨梨～很久以前我是下象棋、五子棋的，自從感覺周圍人都贏不了我之後就對棋類失去了興趣。某天無聊中點開了《棋魂》後便有種強烈的相見恨晚的感覺，突然覺得作為琴棋書畫四藝之一是有它存在的道理。縱橫十九道，只需要一本棋譜，下棋者的樣貌性格便會浮現在讀者的腦海中。行棋一步，或是急功近利或是韜光養晦一目了然，打劫應劫是棋手間智慧與膽識的較量，手筋急所是棋手謀略的較量。所謂「神之一手」更是讓觀棋者無不嘆服。圍棋無論輸贏，較量的是人的智慧、膽識、謀略、臨場的心態調整，所謂霸著、強者只能爭一時小利，最終能笑傲棋局的卻是那些擁有大智慧大謀略的人。至於炒作的沸沸揚揚的阿爾法狗，就目前這人工智慧，讓他再下上幾億盤也下不出這麼光彩奪目的一手。個人感言，不喜勿理，純手機手工，不妥之處，萬望見諒，博君一笑。

去年被阿爾法狗和大師的高超棋藝震到後，就對機器人下棋這個梗，進行了些調查。

人工智慧靠下棋先聲奪人，其實有很大程度的必然性。1956年達特茅斯會議第一次公開談論人工智慧時，當時參會的專家，比如塞弗里奇、紐厄爾等就探討了「計算機下棋」這一觀點。半個多世紀後，人工智慧真正發展起來，依然擺脫不了一定的歷史延續性。

其次，「棋類競技」前期有較大的數據存量，適合利用演算法、數據集進行訓練。谷歌收購了20多家人工智慧公司，其中DeepMind在深度神經學習又很有優勢。利用圍棋把幾大國際高手全部PK完畢，加上媒體一造勢，很容易帶來強烈的社會影響。

事實上，經過圍棋人機大戰後，其他競技類項目如橋牌、象棋、國際象棋、汽車駕駛甚至小說、文案創作等，也掀起了轟轟烈烈的人工智慧應用熱潮。不過，因為不是第一個吃螃蟹的人，大眾已經不感冒了。

再說說「最後一道壁壘」。單憑圍棋大戰，就認為人工智慧擊敗人類，這話說得實在有些浮誇。看看其他領域人工智慧的應用，其實還膚淺得很，賣個萌，跳械舞或者人臉識別，語音識別，不夠精確，複雜度並不高。

堡壘表示：他不會下圍棋。

我覺得在這裡的「人工智慧」的「智能」，其實是有點比拼智商的意思。自古以來，人和人pk誰智商高啊，比較常見的和平的手段就是下盤棋。圍棋么，是當今世界留流行的棋類遊戲里最複雜，最需要智商的了。所以電腦下圍棋下贏了人，就基本能代表「在通過棋類遊戲比拼智商這件事上，電腦完全贏了人，沒事那麼其他棋類需要挑戰一下了」。至於「人工智慧」本身，則是一個大的多的領域了，那還有不計其數的壁壘需要功課。比如現在的人工智慧，是不是能夠告訴我生命、宇宙以及任何事情的終極答案了呢？我覺得還早。

謝邀，主要圍棋現階段無法暴力計算破解，這是主要原因。

謝邀。圍棋只能算作是抽象運動里的最後一個堡壘吧。。原因無非就是從第一子起就包含著龐大的變數。這要算是整體有限數據裡面的最大量了。當然人工智慧現在也只能是不斷的優化完美補全這個最大量，等人工智慧能從有限的最大量突破為無限量的時候那才是真正意義上的升華

是現有棋類的最後一道壁壘，不是人類的最後一道壘。。。

但要說阿發狗真的有超過人類的智能，我是暫不相信的，

比如，將圍棋擴大到25道或31道，一兩年內，阿發狗能與人類頂尖棋手比賽並戰勝他嗎？？

之所以選擇各種棋類，本來就是因為棋類屬於回合制遊戲，比即時遊戲規則簡單，而且有大量的棋譜（比賽記錄），便於開發人員設計對策（或設計搜尋對策的方法），不要去YY和附會太多的「意義」。

其實也不能這麼說吧。比圍棋複雜的東西還很多。這隻能說明機器學習的一個巨大進步。完整意義上的人工智慧還是任重道遠。目前對於人腦、可計算性這方面還是有很多沒解決的問題。我們我們所使用的計算機是否可以和人腦的計算能力等價，這些都沒有定論。