（漫畫：高東輝）

　　去年10月，一個非傳統賽事新聞在體壇引發了不小的震動：谷歌研發的“阿爾法圍棋”（Alpha Go）以5︰0戰勝歐洲圍棋冠軍樊麾二段。消息傳出后，有人驚呼：這是人類歷史上電腦圍棋第一次在公平的比賽中戰勝職業選手。圍棋世界冠軍、九段職業選手姜維杰這麼形容他的感受：“阿爾法圍棋”在圍棋界投下了一顆原子彈。沒想到的是，此事隨后在科技、經濟、文化甚至軍事領域也掀起了不小的波瀾。

　　這還沒完——2月22日，韓國棋院和谷歌在首爾和倫敦同時舉行了通過視頻連接的兩地記者發布會，宣布了一個重磅的決定：韓國天王李世石九段將於3月初約戰人工智能“阿爾法圍棋”，進行一場圍棋界頂級的“人機大戰”。

　　電腦挑戰人腦的最佳平台

　　縱觀當今社會，電腦無處不在。而電腦挑戰人腦，一直是一個熱門話題。但是，電腦和人腦能直接博弈的平台，或者說能最具象最直接分出高下的擂台似乎隻有棋壇了。

　　1996年，IBM研發的電腦“深藍”與國際象棋頂級大師卡斯帕洛夫交戰，結果一敗涂地。一年之后，一台經過改進的體重超過一噸的計算機“更深的藍”卷土重來，再次與卡斯帕洛夫交手，結果是大師鎩羽而歸。這是在棋壇的歷史上，電腦第一次完勝人腦。

　　電腦能戰勝國際象棋大師，但對付圍棋職業高手則要難得多。當人們把代表著東方智慧的圍棋與代表著西方棋類的國際象棋相比較時，常常會驚嘆於圍棋的復雜程度。國際象棋平均每回合有35種選擇，圍棋每個回合則有250種可能，250種可能中每一種又有250種可能。以此類推，其運算結果是一個天文數字。運算也許對擁有“大數據”“雲計算”的電腦來說不算什麼，可下圍棋僅僅靠運算是贏不了比賽的。

　　不管是東方人還是西方人，有一個基本共識：圍棋是人類發明的最復雜也是最美的游戲。不是說圍棋每一個著法都比國際象棋多，而是兩者下法的理念有所不同。簡單地說，國際象棋（中國象棋）的目的就是殺王，子是越下越少﹔圍棋的目的是“圈地”，子越下越多，地多者勝。這實際上就給電腦出了一個難題，用專業的術語來說，國際象棋的著法較易通過函數評估，而圍棋的著法相對抽象，電腦不好計算。此外，圍棋還有手筋、劫爭、棄子等戰術戰略層面的技法。

　　所以，國際象棋史上第二位世界棋王伊曼紐爾·拉斯克在評論國際象棋和圍棋時，說了這麼一句話：“國際象棋是一種僅僅局限於這個世界的游戲，圍棋則有些不像是從地球上誕生的。如果有那麼一天，我們發現有一種天外文明和我們玩同一種游戲，那一定是圍棋，決不會有任何疑問。”

　　也很可能正是這種原因，圍棋一直被認為是人類智力對抗電腦的“最后堡壘”。

　　智能與智慧的差距隻在學習

　　在“阿爾法圍棋”戰勝職業二段之前，也有不少電腦圍棋“高手”贏過一些業余選手，但與職業選手交戰則是不堪一擊。從當今世界的科技發展水平和速度來看，電腦戰勝圍棋職業選手也就是一個時間問題。而這一天真的到來時，在多個領域引起震動又不足為奇。然而，大家被震動的原因是什麼，或者說人們到底關注的是什麼？

　　至少有兩個關注點：電腦憑什麼能贏？誰是背后的推手？

　　人類有情緒會犯錯，電腦沒有情緒不會犯錯。可過去電腦為何不是職業圍棋選手的對手呢？公認的原因是電腦隻會計算而不會像人一樣算計。也正因為如此，光有智商，而沒有情商、創造力和想象力，是下不好圍棋的，人工智能也是無法戰勝人類智慧的。

　　具體到“阿爾法圍棋”與樊麾下的這盤棋，之前的電腦為何在職業選手面前不堪一擊呢？一個重要的原因是電腦不擅於學習。

　　據說，谷歌團隊在研發“阿爾法圍棋”時，運用了一種叫做“深度卷積神經網絡”的技術。一家專業的網站在介紹這項技術時說，這項技術在人工智能領域非常熱門，並廣泛運用於圖像和語言的智能識別。從廣義的層面來說，“深度卷積神經網絡”是“深度學習”的一個分支。機器學習，指的是一類從數據中自動分析獲得規律，並利用規律對未知數據進行預測的算法，是人工智能的熱門領域。谷歌“阿爾法圍棋”研發團隊收集了圍棋職業高手大量的棋譜，並用這些棋譜對“深度卷積神經網絡”進行了3000萬步的訓練，使其判斷職業選手下一步走法的正確率達到了57%，之前的紀錄是44%。

　　“阿爾法圍棋”能戰勝職業棋手的關鍵一著，是它學會了復制人類的技法，通俗地說它變得聰明會學習了，並具備了舉一反三的能力。

　　“‘阿爾法圍棋’的棋風很像人，如果是在網絡上對局，恐怕猜不到對手是個計算機程序。”樊麾賽后說。

　　樂觀的人說，計算機圍棋戰勝人類的那一天，就是整個人類文明跨入新紀元的一天。也有悲觀的說法，電腦本來是人類的助手，一旦會學習就有可能變成人類的對手，說不定會像科幻電影那樣，電腦最后把人類都給打敗了，人機的地位很可能會發生乾坤倒轉。

分享讓更多人看到