AI与人类的对决围棋 到底谁更胜一筹

1. AI与人类的对决围棋 到底谁更胜一筹

AI(阿尔法狗AlphaGo)对战，阿尔法狗(AlphaGo)更胜一筹。柯洁对AlphaGo三战全负。
2017年5月23日，柯洁执黑迎战谷歌AlphaGo，最终柯洁在收官阶段不敌AlphaGo，第一局以失败告终。
2017年5月25日，人机大战三番棋第二局战罢，柯洁虽然发挥神勇，但因为中盘战斗劫材不利，中盘败北。AlphaGo2-0领先，已经赢得了三番棋的胜利。根据规则，第三局仍如期在27日举行。
2017年5月27日，乌镇围棋峰会最后一天，也是万众瞩目的柯洁AlphaGo最后一场，面对AlphaGo，柯洁使出全身解数仍无济于事最终投子认负，本次人机大战最终以柯洁三连败告终。与人类的对决围棋 到底谁更胜一筹

2. AI围棋手打败了人类围棋手到底是AI的胜利还是人类的胜利？

我认为AI战胜了人类围棋手，其实还是人类的胜利。因为AI就是人类发明的呀。
可能有一些人对于aI战胜了人类会觉得不高兴，觉得我们人类怎么能输给机器呢？但是我认为机器它是没有思想感情的，所以它可以不停的工作，没有累的感觉，但是人不是，人类作为有血有肉的生物，他们长时间使用自己大脑的话是会疲惫是会累的。所以即使围棋手再厉害，但是当他跟一个机器不停的对战之后，总会有疲惫的时候，当疲惫了就容易犯错，而在对战中可是落子无悔的。所以很可能一子错，满盘皆输。
人类围棋手失败是可以理解的。再者其实人类和AI对战并不仅是为了看谁打败谁，更重要的是体现aI智能的方面，借助这样一个噱头能够让人们知道AI它功能的强大性，更有助于人们之后利用AI，去做更多有利于人类的事情。虽然当时输给了AI，但是现在很多围棋手都会借助AI来练习自己的围棋技术。通过和AI对战，人类围棋手的围棋水平也在飞速提高。AI不是人类的敌人，而是人类的助手。
最最最重要的一点，AI是人类发明的。人类发明他最开始的想法就是为了让人类的生活更加方便快捷，更加的科技化。我们其实应该自豪，我们人类能够发明这样强大的aI，之后还会不断的更新换代，让aI越来越来越强大，也能为人类做更多的事儿。
所以AI的胜利其实就是人类的胜利，不要看重当下的输赢，而是看更加长远的未来，AI的强大侧面说明了现在人类科技的强大。而科技是为人类服务的。这又何尝不是人类的胜利呢？

3. AI让围棋失去了很多魅力，人工智能对围棋游戏的影响有多大？

人工智能对围棋影响是两面性的，围棋本身就是一种娱乐方式，并不一定是说人工智能完胜人类之后就会让这种娱乐消失。我们可以通过人工智能学习到更精的棋艺，而且在未来人工智能可以代替人类的地方还有很多，它本身就是人类创造出来的，是为了能够更好的帮助人类服务的。
自从2016年，李世石挑战阿尔法狗1：3败北以来，围棋AI可以说颠覆了许多围棋领域的固有思维和模式。总的来说，利大于弊。

1、人工智能的产生，有利于人类探索围棋的终极奥秘。比方说，过去有很多人诟病近代围棋国手只是业余高手水平，但通过AI的验证，拨云见日，重现先辈的大智慧和深邃的算路。
2、人工智能的产生，更有利于围棋的普及，想学围棋，随便找一个AI陪练成为业余高手的难度大大降低了。
3、人工智能的产生，颠覆了传统的围棋教学模式，AI全面介入教学过程，过去的围棋教练成了辅助的教学指导人员，答疑解惑的要求相对降低了。
4、人工智能的产生，因为AI可以轻松碾压职业棋手，所以围棋正式比赛，要严格预防作弊了，增加了一定的比赛成本。
5、人工智能的产生，某种程度上影响了人类到网上下棋的意愿，因为谁都不愿意与“遛狗”的对手比赛。
6、人工智能助推围棋全球化。不仅是职业棋手，在业余围棋领域人工智能的应用也在普及，李星今年编写的教材中就增加了人工智能方面的内容。在青少年学棋阶段，人工智能的应用也更加广泛。
7、从“打狗”到“用狗”。那次“人机大战”之后，“打狗”成为了围棋界的热词，然而随着“阿尔法狗”升级后开始“碾压”人类棋手，人类棋手的思路也逐渐从“打狗”转为了“用狗”。如同聂卫平所言，人工智能是围棋上帝派来给人类引路的。人工智能出现以前，人类曾以为在围棋领域的高度至少达到了50%，但人工智能出现后才发现人类还处于围棋领域的初级阶段。

4. 围棋AI为什么这么强 强在哪里

主要强在两点：
1、强大的暴力计算力，也就是数学计算力。这一点计算机在一两百年前就超过了人类，现在更加不用说。这一能力可以使计算机在局部计算时对人有优势，可以实行局部穷举法。这样在对杀中，尤其是快棋，会比人类有明显优势。
2、超高的学习效率。这一点是阿发go的亮点，也是谷歌想展示的东西。我没记错的话，阿发go学习，一天可以下成千上万盘棋。一周下的盘数可能就超过柯杰一生。即使每盘棋的思考总结能力比人类弱不少，但是效率实在超出太多了。
我觉得，柯杰要是能下阿发go一半甚至1/10的盘数，并且保持这么年轻的状态，肯定能赢阿发go。可惜按照人的寿命和生理需要，这是不可能的。

5. 什么样的人工智能击败了职业围棋手

由谷歌英国研究团队开发的计算机系统在围棋比赛中击败了职业棋手。作为一种古老的东方棋类游戏，围棋强调策略和直觉。过去数十年，围棋一直是人工智能专家未能攻克的堡垒。然而，人工智能正在这一领域取得重要突破。
此前，计算机已在其他多种比赛，例如国际象棋、奥赛罗棋和智力竞赛《危险边缘》中胜过了人类对手。然而，围棋是一种具有2500多年历史的古老技艺，其复杂程度远超国际象棋，因此人类高手此前几乎不费吹灰之力就能胜过即使最强的计算机系统。本月早些时候，谷歌以外的人工智能专家已提出这样的问题，即人工智能在围棋领域的突破能否迅速实现。而直到去年，大部分人仍认为，计算机击败职业棋手还需要10年时间。
然而，谷歌已经做到了这一点。法国研究者雷米·库洛姆（Remi Coulom）此前曾开发了全球最强大的人工智能围棋程序。他表示：“这一天的到来比我想象中更快。”
谷歌于2014年收购了自称为“人工智能领域阿波罗项目”的DeepMind。去年10月，DeepMind的研究团队在伦敦办公室里主持了人工智能与人类选手的较量。DeepMind的这一系统名为AlphaGo，而它的对手是欧洲围棋冠军樊麾。在《自然》杂志编辑和英国围棋协会裁判的监督下，AlphaGo在五番棋比赛中取得了5:0的压倒性胜利。《自然》杂志编辑坦古伊·乔阿德（Tanguy Chouard）博士在本周二的媒体电话会议上表示：“无论作为研究者还是编辑，这都是我职业生涯中最令人兴奋的时刻之一。
自然》杂志发表的一篇论文介绍了DeepMind的系统。这一系统利用了多种技术，其中也包括越来越重要的一种人工智能技术，即深度学习。利用海量的人类高手棋谱（总步数约达3000万），DeepMind的研究团队训练AlphaGo自主学习围棋。然而这仅仅只是第一步。从理论上来说，这样的训练最多只能培养出与最优秀人类选手同等棋力的人工智能。而为了击败最优秀的人类选手，研究团队使这一系统自己与自己对弈。这带来了新的数据，而这些数据可被用于训练新的人工智能系统，最终胜过顶尖高手。
DeepMind负责人德米斯·哈萨比斯（Demis Hassabis）表示：“最重要的一点在于，AlphaGo不仅仅是专家系统，遵循人为设定的规则。实际上，这使用了通用的机器学习技术，能自行探索如何在围棋比赛中取胜。”
人工智能的这次胜利并不新鲜。谷歌、Facebook和微软等互联网服务早已利用深度学习技术去识别照片和语音，或是理解自然语言。DeepMind的技术结合了深度学习、增强学习，以及其他方法。关于现实世界机器人如何学习日常任务，并对周围环境做出响应，这指明了未来的方向。哈萨比斯表示：“这非常适合机器人。”
他同时认为，这些方法能加速科学研究，通过在工作中引入人工智能系统，科学家将可以取得更多成果。“这一系统能处理规模更大的数据集，分析得出结构化信息并提供给人类专家，从而提高效率。系统甚至能向人类专家提供方式方法的建议，协助带来突破。”
不过目前，围棋仍是他的关注重点。在关起门来击败一名职业选手之后，哈萨比斯及其团队将目标瞄准了全球顶尖的围棋选手。3月中旬，AlphaGo将在韩国公开挑战李世石。李世石拥有的国际比赛冠军头衔数排名第二，而过去10年中，李世石有着最高的胜率。哈萨比斯认为，李世石就是“围棋界的费德勒”。
比国际象棋更难
2014年初，库洛姆的围棋软件Crazystone在日本的巡回赛中挑战了依田纪基九段，并取得了胜利。不过，这一胜利的成色不足：Crazystone获得了四子的让先。当时，库洛姆预言，在没有让先的情况下，人工智能击败顶尖围棋高手还需要10年时间。
这一挑战的难度在于围棋本身。此前，在合理时间内，任何超级计算机都没有足够的处理能力，去预判每种可能的着法会带来什么样的后续结果。1997年，IBM“深蓝”击败了国际象棋大师卡斯帕罗夫，当时这台超级计算机采用了“暴力计算”的方式。从本质上来看，“深蓝”分析了每一步走法可能出现的各种结果。然而，这样做在围棋比赛中行不通。在国际象棋比赛中，一个回合可能的走法平均为35种。而围棋比赛采用了19x19的棋盘，平均每回合走法有250种。哈萨比斯指出，围棋棋盘上的棋型类型要比宇宙中的原子总数还要多。
利用名为“蒙特卡洛树搜索”的方法，类似Crazystone的系统能完成更多步的预判。而结合其他一些技术，计算机可以完成对多种可能性的必要分析。这样的计算机能击败一些不错的围棋选手，但距离顶尖高手还有很大差距。对真正的高手来说，直觉是很重要的一部分。这些棋手会根据棋盘上棋型来选择如何行动，而不是精确分析每一种着法可能会带来的结果。哈萨比斯本人也是围棋选手，他表示：“良好的棋型看起来就很漂亮。这似乎遵循某种美学。这也是这一游戏数千年来历久不衰的原因。”
不过，在进入2015年之后，一些人工智能专家，包括爱丁堡大学、Facebook和DeepMind的研究人员，开始探索利用深度学习技术去解决围棋的难题。他们设想，深度学习技术能模拟围棋比赛中必要的人类直觉。哈萨比斯表示：“围棋有着许多暗示，模式匹配很重要。深度学习可以做得很好。”
自我增强
深度学习的基础是神经网络。这种由软硬件构成的网络能模拟人脑中的神经元，其运转并非依靠“暴力计算”和人工制定的规则。神经网络会分析大量数据，以从事某项任务的“学习”。例如，如果向神经网络输入足够多的袋熊照片，那么它就能识别出袋熊。如果向神经网络输入足够多的单词发音，那么它就能识别你的语音。如果向神经网络输入足够多的围棋棋谱，那么它就能学会如何下围棋。
在DeepMind、爱丁堡大学和Facebook，研究人员希望，通过“观察”棋盘棋型，神经网络能掌握下围棋的方法。正如Facebook近期在一篇论文中所说，这一技术的运行情况良好。通过深度学习和蒙特卡洛树方法的结合，Facebook的系统已经击败了一些人类选手。
不过，DeepMind在此基础上更进一步。在学习了3000万步人类选手的围棋下法之后，这一神经网络预测人类选手下一步走法的准确率达到57%，远高于之前的44%。随后，哈萨比斯及其团队对这一神经网络进行了小幅调整，使其与自己对弈，这种做法被称作增强学习。在这一过程中，神经网络可以了解，什么样的走法能带来最好的结果。



DeepMind研究员大卫·希维尔（David Silver）表示：“通过在神经网络之间进行数百万局的对弈，AlphaGo学会自己发现新策略，并逐步改进。”
希维尔表示，这使得AlphaGo能胜过其他围棋软件，包括Crazystone。随后，研究人员将结果输入至另一个神经网络。在首先判断对手的下一步行动之后，这一神经网络能利用同样的技巧去预判每一步的结果。这与“深蓝”等较老的系统类似，而不同之处在于AlphaGo能在过程中进行学习，并分析更多数据，不再使用暴力计算的方法去判断所有可能的结果。通过这种方式，AlphaGo不仅能胜过当前的人工智能系统，还能击败人类高手。
专用芯片
与大部分先进的神经网络类似，DeepMind的系统运行在基于GPU（图形处理芯片）的计算机上。GPU最初的设计目的是游戏和其他图像应用的图形渲染，但近年来研究表明，这类芯片也非常适合深度学习技术。哈萨比斯表示，DeepMind的系统在配备多个GPU芯片的单台计算机上有着相当好的表现，但为了挑战樊麾，研究人员搭建了更庞大的计算机网络，其中包括170块GPU卡和1200个标准CPU处理器。这一庞大的计算机网络对AlphaGo进行了训练，并参与了比赛。
哈萨比斯表示，在与李世石的比赛中，AlphaGo将采用同样的硬件配置。目前，他们正在持续改进这一人工智能系统。为了准备与李世石的比赛，他们还需要互联网连接。哈萨比斯表示：“我们正在安装自己的光缆。”
库洛姆和其他一些专家指出，与李世石的比赛将更困难。不过，库洛姆已经下注DeepMind。过去10年中，他一直希望开发出能胜过顶尖围棋高手的系统，他认为，这一系统现在就在这里。他表示：“我正在购买一些GPU。”
未来之路
AlphaGo的重要性不言而喻。这一技术不仅可以应用于机器人和科学研究，也适合其他许多任务，例如类似Siri的移动语音助手以及金融投资决策。深度学习创业公司Skymind创始人克里斯·尼克尔森（Chris Nicholson）表示：“你可以将其用于任何具有对抗性的问题，例如需要用到策略的各种比赛，以及战争和商业交易。”
对一些人来说，这种情况令人担忧，尤其考虑到DeepMind的系统已经有能力自学围棋。AlphaGo的学习素材并不来自人类，而是可以通过自行生成数据来自我指导。近几个月，特斯拉创始人伊隆·马斯克（Elon Musk）等知名人士曾表示，这样的人工智能系统最终将超越人类智力，突破人类的控制。
不过，DeepMind的系统受到了哈萨比斯及其团队的严格控制。AlphaGo被用于最复杂的棋类游戏，但这仍只是一款游戏。实际上，AlphaGo距离真正的人类智慧还有遥远的距离，远远没有达到超级智能的水平。
华盛顿大学专注于人工智能的法学教授、科技政策实验室创始人瑞安·卡洛（Ryan Calo）表示：“这仍是一种高度结构化的情况，并非真正人类水平的理解力。”不过，AlphaGo指明了未来的方向。如果DeepMind的人工智能系统能理解围棋，那么就能理解更多信息。卡洛表示：“宇宙只不过是一场更大的围棋游戏。”

6. AI打败围棋冠军，人工智能真的会“思考”吗

并不是。
那么AlphaGo是为什么能赢？从机器人家一篇深度文章‘’为什么柯洁一局都赢不了‘’中我们知道，AlphaGo 下围棋的策略，与按人类预设剧本下棋的深蓝不同，其下棋算法没有经过人工调试，全部是靠一种计算模型，可以在海量数据中找出规律。AlphaGo 使用了两种人工神经网络，一个是预测网络（policy network），一个是评估网络（value network）。预测网络用来预测对手下一步可能怎么走，评估网络则用来评估给定棋局下己方的获胜概率。
所以机器讲究的是算法，并不是会‘思考’。这也印证了前两天机器人参加数学高考的事实而不是语文，我想如果是语文，估计成绩就没那么好了，那就叫机器‘’烧脑‘’了。

7. 人工智能AI是不是已经毁了围棋这一古老的游戏？

人工智能AI是不是已经毁了围棋这一古老的游戏？AI显然比人类高手的水平高，但并没有毁掉围棋，因为AI 是冷冰冰没有情感的，所以相反人类围棋还有AI所不具备的一些可观赏因素。



比如对局心理和情绪，围棋上有诸如气合，胜负手，骗着之类的，利用时间逼对方紧张，但AI是不会有的，他们只是机械式的运算，AI由于运算力强大，所以如果获得优势，那几乎是可以稳定保持到终局的，不会有人类对局的那种跌宕起伏的逆转。
打个比方，我们看足球是为了什么？看点有进球，防守，逆转，配合等等，但AI就象是不会失误的超级强队，一旦领先你几乎不可能逆转，这种比赛观赏性就大降了。

自从2016年，李世石挑战阿尔法狗1：3败北以来，围棋AI可以说颠覆了许多围棋领域的固有思维和模式。总的来说，利大于弊。
（1）人工智能的产生，有利于人类探索围棋的终极奥秘。比方说，过去有很多人诟病近代围棋国手只是业余高手水平，但通过AI的验证，拨云见日，重现先辈的大智慧和深邃的算路。
（2）人工智能的产生，更有利于围棋的普及，想学围棋，随便找一个AI陪练成为业余高手的难度大大降低了。
（3）人工智能的产生，颠覆了传统的围棋教学模式，AI全面介入教学过程，过去的围棋教练成了辅助的教学指导人员，答疑解惑的要求相对降低了。

（4）人工智能的产生，因为AI可以轻松碾压职业棋手，所以围棋正式比赛，要严格预防作弊了，增加了一定的比赛成本。
（5）人工智能的产生，某种程度上影响了人类到网上下棋的意愿，因为谁都不愿意与“遛狗”的对手比赛。

8. 中国象棋被ai算尽了吗?

中国象棋i被ai算尽了。
象棋里面有很多变化，人工智却能把棋局猜透，它能把每一种布局的穷尽变化制造出公式化的东西给你，定式动辄四、五十步。
象棋人工智能属于软件类的，其水平在目前为止还没有任何一个人能比得上的，包括全国的顶尖棋手及特级大师也不是人工智能的对手，全国的顶尖棋手及特级大师与人工智能对战最多只能有和棋的可能性，但想战胜人工智能机乎不可能的，任何一个人都不法做到。

AI前提下的象棋发展：
AI的出现，让我们看清一个问题，象棋并不是以一种艺术的形式存在，而只是以一种技术的形式来传承。
假如下象棋是以一种艺术的形式存在，那么下象棋的过程会有棋手的特定痕迹，与棋手双方的当时认知以及喜怒哀乐息息相关，是当时的决策，而不是可以随便照搬照套的，不可以直接学习和运用的。未来AI会给象棋总结出了所有的标准答案，象棋会被破解，那时候棋手水平的高低主要在于掌握，而不在于对棋艺的钻研。
人类的最高精神享受并不在科学技术，而是在艺术、哲学或者宗教，所以象棋的未来发展必定朝着艺术方向发展。