敗于人工智能的柯潔
前言：AlphaGo在和人類最強棋手柯潔面前獲得了3連勝。圍棋AI就這樣比預期提前10年完勝了人類棋手，AlphaGo無疑對圍棋界造成了巨大的影響。人類先前積累的定式在AlphaGo面前已經成為了過去式，并且AlphaGo的進攻也顛覆了圍棋的常識。人類棋手該如何面對AI。大橋拓文六段將分析動搖圍棋界的AI。
將棋界的藤井聰太四段在出道后獲得了29連勝，創(chuàng)造了新紀錄。這個新聞跨過了將棋界，這個熱潮成為了一個最新的社會現象?？v觀日本的圍棋·將棋界，1996年羽生善治達成了前無古人的獨占七冠，當時在社會上成為了巨大的新聞。當然一個中學生棋士在正式比賽獲得了29連勝是一個偉大的記錄，使得棋界的新聞成為一個社會現象，對被AI壓制的棋手們來說，是一個振奮人心的消息。
AI侵入圍棋界是2016年的事情，美國谷歌公司旗下的DeepMind開發(fā)的AlphaGo橫空出世。在去年春天，擊敗了韓國頂尖棋手李世石九段之后，在韓國國內據說發(fā)生了“AI抑郁癥”的現象。
今年5月，升級版的AlphaGo再次出現在人們的視野中，最終以3-0的比分將目前的世界最強棋手，中國的柯潔九段擊敗。雖然此時棋手們已經做好了心理準備，但是AlphaGo的進步依舊讓人非常震驚。
從李世石到柯潔的一年間，人們對AlphaGo的意義也發(fā)生了巨大的變化。圍棋AI從勝負層面，變成了“為了更好地理解圍棋的工具”，棋手們漸漸開始學習AlphaGo的棋。
實際上，柯潔在人機大戰(zhàn)之后，已經獲得了20連勝，并且AlphaGo的下法在全世界范圍內都被研究。據說將棋界的藤井聰太四段也在靈活運用AI的下法。
我們和超過人類棋手水平的AI進行練習，如果舉棒球的例子，就好比在擊球練習場打時速200公里的球（人類投手最高紀錄是169km/h）。雖然這種練習方式可能會使自己的動作變形，不得不說是一個“雙刃劍”，但是一旦成功，效果會非常驚人。
谷歌公司旗下的DeepMind將圍棋作為了AI的試驗場。圍棋是一項深奧的游戲，可以說見不到底。但是必定會分出勝負。從這樣一個游戲中見證AI的進步，然后由此可以面對AI，對我來說是沒有比這個更開心的了。
擁有直覺的AlphaGo
圍棋是在19乘19共361格的棋盤上進行的游戲，其變化數量要比宇宙上任何一個原子數都要大。即便是計算機也會對如此龐大的數量震懾，這就是以前圍棋很難被電腦攻破的原因。
不過，有人會認為“電腦可以枚舉所有的變化，所以很強”。但是AlphaGo的計算并沒有想象中的快。比如美國IBM公司開發(fā)的深藍，在1秒鐘可以計算2億手，但是AlphaGo在1秒鐘只能算1萬步。
即便如此，AlphaGo為什么還是這么強？
AlphaGo能夠在所有圍棋AI中脫穎而出，深度學習的引入是最大的因素。而圍棋AI從深度學習中學到的東西，就是我們人類的“直覺”和“感覺”。
為了能解釋直覺和感覺是何物，我就拿實地和厚勢，引入兩個圍棋的概念進行說明。在對局過程中，就出現下圖那樣的棋型。
上圖解釋：被白棋包圍的■是白棋的地盤，因為有10個■所以里面是10目，雖然黑棋沒有明顯的地盤，但是如果可以很好的利用外圍，可能會做出比白棋更大的地盤在這個圖，■指的是白棋確定的地盤，而■有10個，所以被認為“這里有10目棋，白棋的實地較大”。相反黑棋在目前階段還沒有確定的地盤。
但是，黑棋這堵墻今后可以在右邊，下邊以及中央的戰(zhàn)斗中得到利用，黑棋很有可能做出比白棋更大的地盤。因為黑棋這堵墻今后可以被利用，所以可以評價黑棋“這個厚勢不錯”，相反如果這堵墻沒有被完美利用，就會被評價“這個厚勢沒有下出應有的棋”。
也就是說，厚勢可以說是投資，需要有一定的洞察力，可以去正確評價并且利用厚勢。而判斷這個厚勢今后可以起到什么樣的效果，這才是圍棋最有意思的地方。
在針對成年人的圍棋入門講座里，經常把實地比喻成現金，厚勢比喻成對未來的投資，他們就很容易理解這兩個名詞了。在很久以前德川家康就把圍棋作為自己的愛好，最近幾年也有不少經營者也喜歡下圍棋，或許從圍棋中可以學到風險管理吧。
我們棋手在掌握實地和厚勢的平衡中進行對局。然后厚勢的未來趨勢則根據我們人類從前積累的經驗進行直接判斷。對棋手來說判斷厚勢對哪方有利，就像找到下一手棋那樣困難。
2016年橫空出世的AlphaGo根據自己給自己積累的經驗，學會了人類的直覺和感覺并且提高其準確度，才得以戰(zhàn)勝頂尖棋手。在當時AlphaGo的棋，對我們人類來說還是可以理解的。
但是，2017年春天，升級后的AlphaGo公布了左右互搏的50盤棋，對圍棋界的影響甚大。AlphaGo剛開始還在學習人類的棋譜，后來經過自我對戰(zhàn)積累了幾千萬盤之后，根據自己的經驗進行學習。當然讓他記住所有的定式估計起不到效果，但是一點一點地汲取信息才是神經網絡的作用。
