研究者讓“Alpha 圍棋”與其他圍棋 AI 機器人，在總共495場比賽中只輸了一場，勝率為99.8%。它甚至試圖讓四兒子與CrazyStone、Zen和Pachi三個高級人工智能機器人對戰(zhàn)，勝率分別為77%、86%和99%。根據(jù)國際頂級期刊《自然》的封面文章，谷歌研究人員開發(fā)的人工智能圍棋 (AlphaGo)以5:0毫無讓步地擊敗了歐洲機器人。

這是第一次計算機程序可以在完整的圍棋比賽中擊敗職業(yè)選手而不屈服。下一個挑戰(zhàn)李世石阿爾法圍棋程序的是世界圍棋冠軍李世石。人工智能與人類的比賽于2016年3月9日在首爾舉行，獎金為谷歌提供的100萬美元。2016年3月15日，“人機大戰(zhàn)”最后一局，“AlphaGo”在不利的情況下，在收官階段中期戰(zhàn)勝李世石，總比分定格在1:4，五局棋以“AlphaGo”的勝利而告終。

給AI輸入上千本棋譜，它就會有自如應(yīng)對的能力。人工智能也有學(xué)習(xí)的能力。一招用過一次之后，它會學(xué)習(xí)再用一次，會有相關(guān)的反應(yīng)。歸根結(jié)底，AI的勝利也是人的勝利。phaGo之父DemisHassabis最近在母校英國劍橋大學(xué)發(fā)表了題為“超越人類認知極限”的演講，回答了很多關(guān)于人工智能和阿爾法狗的問題。三千年來，象棋的哪個領(lǐng)域被人類低估了？

今年年初拿下幾個國際大師的神秘棋手Master是不是阿爾法狗？為什么圍棋是人工智能之謎？DeepMind創(chuàng)始人、AlphaGo之父杰米·哈薩比斯(Jamie hass abis)4歲開始下棋，8歲在棋盤上的成功促使他開始思考兩個至今困擾他的問題:一、人類大腦是如何學(xué)會完成復(fù)雜任務(wù)的？第二，計算機能做到這一點嗎？17歲時，哈薩比斯負責(zé)開發(fā)經(jīng)典模擬游戲《主題公園》，該游戲于1994年發(fā)布。

由于圍棋的變化比象棋多，計算機無法找出圍棋的所有變化，但可以找出象棋的所有變化(類似象棋)，所以圍棋的機器可以用更智能的算法來做。機器人基于算法。當(dāng)你進行下一步的時候，他已經(jīng)在他的“大腦”(CPU)中計算出了所有剩余空位的運動。如果算法先進，他可能十秒鐘就模擬了幾千億次。他在模擬自己的同時也在模擬你的動作。也許在你邁出第一步的時候，他就已經(jīng)計算好了下面的100步。

這些算法通過對大量游戲數(shù)據(jù)的學(xué)習(xí)和分析，逐漸掌握游戲的策略和規(guī)律，從而擁有超越人類的游戲能力。與人類不同，機器學(xué)習(xí)算法不會受到情緒、直覺、懷疑等因素的影響。他們只會根據(jù)學(xué)到的規(guī)則和策略做出最好的決定。在下棋的過程中，機器人會考慮所有可能的走法及其后果，根據(jù)已有的經(jīng)驗和學(xué)習(xí)結(jié)果做出最佳決策。這些舉措有時看似出人意料，但實際上它們都是基于經(jīng)驗和規(guī)律的最優(yōu)策略。