柯洁还是那个柯洁，而“狗”已经不是那条“狗”了！

柯洁与AlphaGo首场对弈结束，柯洁执黑，以四分之一子落败。时隔一年多，AlphaGo再次以真身出现在专业...

柯洁与AlphaGo首场对弈结束，柯洁执黑，以四分之一子落败。

时隔一年多，AlphaGo再次以真身出现在专业比赛上，与世界排名第一的柯洁，在中国规则下进行比赛。

AlphaGo出棋之果断、速度，是观赛中最直接的感受。根据规则，双方各有3小时时间，不过， AlphaGo平均出子仅用30秒，最终用时不足一半，而向来以进攻性强、出棋速度快著称的柯洁，在比赛中明显思考的时间更长，在面无表情的AlphaGo“代言人”面前，显得更加紧张。

其实，这场人机对战的结局，并不具太大的悬念，专业的国手，比如棋圣聂卫平和古力，都在赛前预测了0:3的失利局面。就连曾经扬言“阿尔法狗战胜不了我”的柯洁，也在比赛前夜表示，“现在的AI进步之快远超我们的想象，我相信未来是属于人工智能的。”

自我学习的AlphaGo与学习AlphaGo的柯洁

在AlphaGo之前，每一个职业棋手都坚信，至少十年之内，计算机都是不可能战胜任何职业棋手的。

围棋每一步的下法平均200种，一个棋盘上可能出现的局面数量大约是361阶乘除以4，有人以玄幻的方式表示，围棋的走法比宇宙中原子的数量还要多。在人工智能之前，在人类现有的计算量之下，通过无穷尽地计算筛选出最佳的走法，并不现实。

AlphaGo对战李世石

从15年10月，首次击败职业选手欧洲围棋冠军樊麾二段，16年3月战胜韩国棋手李世石，到今年年初连胜60场的Master承认自己就是AlphaGo，再到现在的乌镇围棋峰会，AlphaGo却彻底颠覆了人们对于机器在围棋领域的想象。

AlphaGo最初训练方法即深度的神经网络、强化学习、监督学习和蒙特卡洛树搜索算法。从最初的收集信息，也就是大量的人类棋局，将它们综合学习，变成自己的经验，学习判断棋局的战略、学习下棋的战术，像人类一样，它不再需要对每一步都进行无止境的计算。最后，利用蒙特卡洛树，不断进行仿真运算，推断出结果。这样的每天左右互搏的训练过程，很快将AlphaGo从一个业余棋手，打造成一个顶尖的专业棋手。

在击败李世石之后，Deepmind创始人、AlphaGo之父Demis Hassabis和团队一起，开始对AlphaGo进行了全面的升级，年初获得60胜的Master就是AlphaGo“2.0”的试水，这一次的超快棋的比赛，让之前还并不完全看好它的专业棋手们刮目相看。

Demis Hassabis 乌镇

升级后的AlphaGo不仅是一个顶尖棋手，更重要的，它已经不再是人类围棋的一个学生，而是跳脱出了专业棋手的思维，也造就了聂卫平座说的“远胜于人类的大局观”。

比赛之前，柯洁在近期的比赛中，刻意地学习了许多AlphaGo的步法，最著名的当然是Master60局中的“点三三”，这种长久以来被专业棋手认为过早给对方外势的下法，被AlphaGo多次运用在Master的超快棋局中。

不过，即使今天柯洁在布局中复制了这一走法，最终还是没有保住左上角。人类有限的时间与经历在机器面前，显然是不够用了。更何况，AlphaGo在掌握了人类的下法之后，达到了超脱之势，开创出了几乎是完全属于自己的棋路，自成一宗。

所以，即使柯洁并不是之前的柯洁，他依旧赶不上分分钟都在自我超越的AlphaGo。

除了输赢，我们还有竞技的乐趣；

除了比赛，AlphaGo还有更多的任务

有人担心，AlphaGo证明了人工智能在围棋领域战胜了人类，那么人类的围棋竞技历史，将要面临终结吗？当然不是，作为一项运动、作为一种竞技游戏，围棋带给每个人的快感，是无法被取代的。

我们会在观棋的过程中，看着柯洁一会儿抿嘴，一会儿抓头的各种动作；我们与棋手共同思考每一手棋的下法，从讲解中得到不同的启发；作为智力开发课程，它依旧受到家长们的追捧。

我们也许无法在竞技中战胜AI，但却依旧能从中找到快乐，情感与经历，才是对个人最重要的东西。当然，某一天，在我们当然无法随便找个国手来陪自己下棋的时候，我们也许就有机会与AlphaGo对弈一局，享受一下被高手碾压的酸爽。

而对于AlphaGo来说，赢下一个棋手、玩《星际争霸》、打德州扑克，从来不是开发者最终的目的。在Demis Hassabis的计划中，AlphaGo系统的未来，是要将它的变体带到其他行业之中，据Hassabis所说，目前，AlphaGo的一种变体，正在为医疗行业服务，他们已经和英国国家医疗服务体系合作，最近，正在试图解决蛋白质折叠的问题。

最后，柯洁与AlphaGo的围棋大战还远没有结束，在完成了今天的首场比赛之后，双方将在25日、27日的10:30在进行2、3轮对决。此外，AlphaGo还将在配对赛和团队赛中，与多位国手对弈。