围棋这一古老的棋盘艺术一直以来都在亚洲国家风靡，尤其受到学者、文人墨客的青睐。人工智能（AI） 这一高科技热点也一直以来不断地吸引公众的眼球。谷歌旗下AI 公司 DeepMind 的AlphaGo程序也想挑战一下这些＂ 疯狂的黑白石子＂，并称自主研发的AI 已经掌握了围棋的玩法，现在是一展身手的时候了。

在欧洲围棋大赛上AlphaGo 以5 ：0 的战绩击败了欧洲围棋冠军Fan Hui，随后又打败韩国九段顶尖围棋高手李世石。

与IBM 研发的国际象棋高手深蓝（Deep Blue）不同，深蓝是经过研发人员缜密的编程设计而赢得了比赛，但AlphaGo 并没有经历预先编程这一步骤。谷歌的AlphaGo 代表了一种新的AI 技术方向——让机器真正地能够去“深度学习”。它不是按照以前预编程的模式下棋，相反，它学会使用一种通用的算法，并能够诠释棋谱的套路。而围棋的游戏规则相对复杂。在19×19 的棋盘格局中，最后终局是谁占的地盘多谁就赢了，而这往往依靠下棋人的经验积累。围棋的变局比较多， 围棋的排列组合变化是10 的170 次幂， 比宇宙原子总数还多。所以不能单靠计算来揣测最佳战略玩法。围棋比国际象棋难的地方在于：确认输赢的落子会比较难，每一棋子在棋盘上都有平等的价值，并且对整个棋局产生微妙的影响。围棋挑战是AI 科技所面临的一项“阿波罗计划”。

那么AlphaGo 为什么能赢得和世界围棋大师的比赛，其过人和与众不同之处在哪里呢？ AI 充满魅力的神秘面纱也再一次向公众展示。AlphaGo 的奥秘是 其运用通过神经网络系统，模拟人脑的机制进行深度学习。通过示例和经验加强模拟神经元层之间的连接。首先，它从专家的游戏玩法中研究了3000 万种棋谱，使AlphaGo 建立判断能力以能够区分哪一位是下棋高手。其次，从大数据中搜集游戏玩法的抽象信息并考虑如何落子的最佳战略，就像一些程序从像素中能够精准分类图像一样。最后，在50 台电脑上跟自己进行对抗比赛，改进每次迭代，这种自我强化认知的方法，使其全局判断能力大大增强。

“深度学习“一直以来都是AI 面临的挑战和短板，AlphaGo 的这种深度学习的过程是人类科技的一个重要突破点。 此项技术也可以应用到涉及长期规划，通过复杂模式识别做出决策能力的AI 其他领域，例如医学领域通过识别医学图像对患者做出诊疗判断和治疗计划。 ( 作者：卜燕)

参考文献： Nature 2016;529:445-446