今天上午，柯潔對戰(zhàn)阿爾法狗的第二局比賽展開角逐。在這場三番棋比賽第二局進行到下午1點37分時，柯潔主動投子認輸，臺下觀眾一臉懵逼(截止發(fā)稿前仍處于震驚中)，AlphaGo提前一個多小時在中盤戰(zhàn)勝柯潔!

比賽結(jié)果

柯潔對戰(zhàn)阿爾法狗第二局中盤認輸!Alphago為什么如此厲害?

在這次比賽中，圍棋國手古力、張璇(曾獲得過中國冠軍)擔當開局時段的解說員。古力認為，在特別難判斷的盤面上，AlphaGo比我們要思考地更加準確，也就是說從一步看未來幾十步的“本事”。

從開局來看，柯潔想把時間多用在對布局的策略方面，而且在前十手時打的一直非常不錯，盤面很穩(wěn)，甚至預料到AlphaGo多步棋的下子位置。與此同時，AlphaGo的表現(xiàn)跟人類無異，每一步下的都很平常，甚至很多步都被古力預測到。

但是我們需要清楚，在前天進行的第一場比賽時，前10手柯潔的勝率其實是非常高的，但越往后，AlphaGo的勝率就逐漸慢慢提高了。

一開始比賽的賽時沒有被拉開，對弈雙方的時間差也一直維持在十幾分鐘左右。但隨著戰(zhàn)局的推進，柯潔扯頭發(fā)的次數(shù)越來越多(頭發(fā)越來越亂)，面部的表情也越來越焦慮。

最終，讓所有人都沒有想到的是，開局2個多小時后，局面出現(xiàn)反轉(zhuǎn)，柯潔漸漸處于劣勢，而且力不從心。最終突然在下午1點37分主動投子認輸，AlohaGo在中盤執(zhí)黑子贏得勝利!隨后進行了復盤。

在整個比賽過程中，古力曾著重分析了AlphaGo的厲害之處：

在預測大局的方面非常厲害，也就是在所謂的“虛著”方面更勝一籌。

通俗來講，就是在棋子比較密布的某一區(qū)塊上面，我們誰能猜到AlphaGo的落子結(jié)果;但在盤面比較虛的地方，例如棋子稀疏的下方，我們根本無法猜到。而AlphaGo就是在這種情況下，不知不覺地積累優(yōu)勢。

其實，早在AlphaGo與柯潔未開賽前，我們曾經(jīng)提出一個腦洞大開的問題：AlphaGo會不會故意輸給柯潔?

這個命題可以設定為存在兩種情況：

第一個猜測被DeepMind創(chuàng)始人Demis以一個玩笑否認了：

這個建議太好了，看來我們以后也應該為AlphaGo安裝一些傳感器與攝像頭。你要知道，AlphaGo一定是會有弱點的。而柯潔據(jù)說也通過分析AlphaGo掌握了一些它的套路，兩位選手是勢均力敵的。

而第二個猜測，的確是DeepMind持續(xù)提升AlphaGo能力的一個方向，但目前來說，AlphaGo還做不到。

在在昨天的人工智能閉門大會上，DeepMind首席科學家Davis Silver已經(jīng)非常清晰地解釋了這個新一代AlphaGo的過人之處：

第2代“深度強化學習系統(tǒng)”AlphaGo Fan(共4代)共有12層卷積神經(jīng)網(wǎng)絡，而第4代AlphaGo(也就是與柯潔比賽的這一代)通過進行“自我學習”(監(jiān)督學習與強化學習)已經(jīng)訓練出了40層神經(jīng)網(wǎng)絡(由策略網(wǎng)絡與神經(jīng)網(wǎng)絡組成)。

在整個學習過程中，系統(tǒng)要對棋局進行圖像掃描，分成無數(shù)個小塊依次進行處理，最終構(gòu)成整個全局觀。具體來說，它可以近乎準確地判斷棋盤上現(xiàn)有的棋子能給周圍區(qū)域帶來多大的影響力。

這個“全局觀”，就是AlphaGo與人類最不一樣的地方，也是古力在解說時特意強調(diào)的AlphaGo具備的一個能力：

策略網(wǎng)絡，就是讓AlphaGo先自己跟自己比，下個幾萬場，目的就是要“走對子”，選擇最好的一步走，判斷哪個策略最有效。

而在這個步驟結(jié)束后，繼而形成價值網(wǎng)絡，用來負責估算勝率。“策略網(wǎng)絡”能夠?qū)λ新渥游恢眠M行概率分布，然后再將這些估算出的信息投入到蒙特卡羅搜索樹中，推算出勝率最高的一些算法。

換句話說，就是每走出一步，價值網(wǎng)絡就是通過這樣的函數(shù)來預測未來的輸贏，而不是靜態(tài)地去考慮這步棋。

兩者一前一后，就形成了AlphaGo的殺手锏——“在最后結(jié)果為‘贏’的前提下，去選擇每一步最可行的路徑”。

這也能解釋為何AlphaGo在去年與李世石三番棋的第二局比賽中，狗的第37子被稱為“牽一發(fā)而動全身”的一步棋。在賽后復盤后，人類棋手才發(fā)現(xiàn)這步棋完全決定了后面50步棋的下法。

照這樣來看，層數(shù)越來越多的神經(jīng)網(wǎng)絡決定了AlphaGo學習的深度正在越來越大，這就相當于AlphaGo不管是在思考每一步策略，還是在判斷勝率的精準度上都有了很大的提高。

如果要故意輸給柯潔，不僅需要AlphaGo的自我學習能力，還需要獲得柯潔這位棋手足夠多的數(shù)據(jù)，因為獲得固定的勝率需要他去“揣摩”柯潔的直覺。

從理論上來說，如果AlphaGo能通過自我學習來掌握柯潔足夠多的數(shù)據(jù)，是有可能控制勝率的(幾率會更高)。

但是這個決定三番棋勝局的關(guān)鍵第二場比賽，柯潔的主動投子認輸，讓我們再次見識到了AlphaGo的厲害之處。