職業棋手受AI影響 樊麾談AlphaGo的創新(多譜)

　　關於人機大戰，參加團隊相談棋的國手如是說——周睿羊九段：或多或少受到AlphaGo老師影響，感覺下棋變得更自由一些，沒有什麼招法是完全不能下的。時越九段：AlphaGo展現的實力遠遠出乎我們預料，帶給我們很多新東西。現在大家都更多地在嘗試以前沒有下過的招法。藉助AlphaGo，與中國傳統文化瑰寶圍棋相結合，非常有看點。羋昱廷九段：希望更多人來關注圍棋，喜歡圍棋。

　　DeepMind人工智慧可以從複雜大數據中披荊斬棘另闢蹊徑，在智能節能等方面卓有成效。當然也包括AlphaGo，最強大之處不是某一步棋或次序，而是每盤棋均有獨特視角，靈活而開放的戰略，不拘泥於既有定式，有助於尋找最有效捷徑，展現出AlphaGo反傳統的有力招法。雖然圍棋是爭奪領土的遊戲，戰鬥大多發生於幾塊棋之間，但AlphaGo擅長調整平衡，發揮「勢」的作用，在人類不易精確定價「勢」的情況下，利用價值網路可以瞬間精確微妙評估全局子力，將局部的「勢」放到全局去考量。

　　圖一，白棋佔有三個角，黑棋AlphaGo實空不多但具有外勢潛力，左上角飛刺是職業棋手所不願進行的虛與實之交換，但AlphaGo通過敏銳判斷和權衡評估使得這手刺成為可能。

　　圖二，勢力需要發揮出效果，當外勢無法發揮AlphaGo可靈活捨棄。二路爬本是大忌，但本局AlphaGo二路連走6子，執意分隔白棋，從上下兩方慢慢侵消白勢。

　　圖三，AlphaGo創新潮流，開局早早就點角。

　　圖四，此定式在教科書上被認為是開局忌走的，因給了白棋厚勢。

　　圖五，AlphaGo則是在局部巧妙省略二路扳粘的交換。

　　圖六，開局點角不扳粘，獲取實地同時僅給對手一點外勢，這也震撼了職業棋手，並被運用到正式比賽中（雖然韓鍾振執黑負於金成龍，朴永訓則在點角後戰勝了於之瑩）。

　　圖七，最初基於人類棋譜的訓練，使得AlphaGo諳熟流行定式，同時也可以微調古老定式，如村正妖刀。

　　圖八，妖刀定式基本型

　　圖九，AlphaGo選擇犧牲外勢獲取角部實地。

　　圖十，大部分職業棋手認為白棋給了黑厚勢，但AlphaGo隨後招法證明黑外勢並非看上去那麼有用，如果不能有效不強，甚至還有可能受攻。金志錫就把這招用在比賽中並獲勝。AlphaGo的革新衝擊職業棋界，希望能有更多機會在烏鎮去探索未來的圍棋，追求棋道真理！