我，人工智能谁说我只会下棋

antares+王丽婧

楔子

那是我看过的机器人当中，最美的一个。

当天色从火红的金黄逐渐变成深海的靛蓝，它展开巨大的翅膀，悄然无息地从天而降。我一开始以为只是乌鸦，但是不祥的轮廓突然变大，倏地变成了身负滑翔翼的人影。对于以为终于甩掉追兵的我来说，那就像是死神毫无预警造访似的，令人不寒而栗。

它在大楼间优雅地滑翔，到了距离地面五公尺左右的高度和翅膀分离，勾勒出漂亮的抛物线后落下。身穿玫瑰粉和淡黄色套装的流线型机体在半空中旋转了一圈，一头红发如火焰般随风飞舞。我伫立原地，霎时忘了恐惧，被那美丽的动作深深吸引住。那家伙在我眼前着陆于一辆停在路上、锈迹斑驳的旧巴士车顶，砰的一声，发出响彻废墟的撞击声响，巴士的车顶瞬间凹陷。它筋骨柔软地弯曲全身，吸收冲击力道，被舍弃的翅膀因循惯性，摇摇晃晃地继续滑翔，坠落在我身后。

几世纪前，当人类文明昌盛时，这个城市人称“新宿”。如今无人的建筑林立，一副随时都会颓圮的模样，玻璃窗几乎悉数破裂，残破不堪的看板上文字已难辨识；两旁耸立着阴暗大楼，墙面上爬满了藤蔓；令人联想到峡谷的街道，也丧失道路的功能已久；杂草从柏油路的裂缝中探出头来，欣欣向荣地呈网眼状，腐蚀和崩塌的看板残骸四处散乱。

我在这样荒凉的地方，和那家伙相遇了。

——[日]山本宏《艾比斯之梦》

无论是小说中美丽动人的艾比斯，还是《澳门风云》里操着方言的傻强，或是《超能陆战队》里暖心的“萌神”大白，又或是《变形金刚》里帅气炫酷的大黄蜂，还是《终结者》中老派又有人情味的终结者T-800……机器人的身影似乎开始越来越多地出现在我们的视野当中。其实，早在20世纪60年代，智能机器人就已经在人类世界悄然现身，他们从小说里、荧幕上渐渐走进现实生活中，为人类在军事、医学、娱乐等诸多方面服务。

而人类对机器人的幻想与尝试，则要追溯到3000多年以前——

西周时期，中国的能工巧匠偃师用动物皮、木头、树脂制出了能歌善舞的伶人，这是中国最早记载的木头机器人雏形；

公元前2世纪，亚历山大时代的古希腊人发明了最原始的机器人──自动机。它是以水、空气和蒸汽压力为动力的会动的雕像，它可以自己开门，还可以借助蒸汽唱歌；

1662年，日本竹田近江利用钟表技术发明了自动机器玩偶，并在大阪的道顿堀演出。

......

这些机器虽然并不能被称为智能，但在那些年代，这些能自动进行作业的非人类物件却显得极其新奇。真正的人工智能又需要达到怎样的标准，或是通过怎样的测试才能被称为智能呢？

1950年，英国数学家图灵在《Computing Machinery and Intelligence》（计算机与智能）中提出的“Turing Testing”（图灵测试），就明确指出了智能的标准，测试很简单：分别让人与机器人位于两个房间，彼此不能看到对方，通过对话，作为人的一方无法分辨对方是人还是机器，那么这台机器就达到了人工智能的水平。为此，图灵还拟定了一些示范性问题来帮助对话的有效进行。

像这种具有一定范围的问题，通过编制特殊的程序来实现似乎并不困难，但如果提问者不按照常规出牌，那么编制回答的程序就会变得十分困难。

当机器知道观察者在反复提出同样的问题，并做出人类的反应时，这台机器就初步具备了人工智能。

在近三十年里，机器人所代表的人工智能获得了迅速的发展，与空间技术、能源技术并称为世界三大尖端技术。我们的生活开始逐渐离不开人工智能的应用，人工智能技术已经对语音识别、图像识别、搜索引擎等多个领域产生了推动。人类似乎也在这种自动化、精确化的便捷中得到解放，并自然地安于这种智能服务。

也许，连《机动战士高达》《超时空要塞》，以及《新世纪福音战士》里那些背负人类希望操纵着机器人拯救世界的主角们都没有想到，有一天，机器人竟向人类世界发起了挑战。

人工智能进化之路

“深蓝”（Deep Blue）是IBM公司推出的国际象棋程序。在1997年，“深蓝”战胜了当年国际象棋等级分排名世界第一的卡斯帕罗夫。“深蓝”的开发者请到了职业国际象棋选手协助，在“深蓝”里内置了许多国际象棋的逻辑，然后通过暴力搜索和剪枝来做。IBM公司官方网站上明确表示，“深蓝”并不是人工智能，它的强大来源于强劲的计算力。虽然老前辈“深蓝”战胜了卡斯帕罗夫，但在赛后，IBM却宣布“深蓝”退役。这位“棋界前辈”过早的退役，无疑给惊起波澜的世界留下了许多遗憾。

“深蓝”退役之后，2006年“浪潮杯”首届中国象棋人机大战中，5位中国象棋特级大师与超级计算机“浪潮天梭”分别较量，最终均以失败告终。

2011年，“深蓝”的同门师弟“沃森”在美国老牌智力问答节目《危险边缘》中挑战两位人类冠军，凭借快速的检索和分析线索的功能，“沃森”轻松取胜。

2015年10月，由英国伦敦Google DeepMind开发的人工智能围棋程序“AlphaGo”以5∶0战胜欧洲围棋冠军樊麾，成为人工智能程序首次在不让子的情况下战胜人类围棋选手。

人类的破绽

在人机对弈中，面对始终如一的机器，即使再没有表情的人类，与这类劲敌对垒，动作和表情都会有细微的变化；即使是适应能力及对失败的免疫能力都超强的人，都无法做到一直保持平静。但对于没有感官、没有情感的机器来说，平静似乎是它们唯一的情绪。它们不知疲倦，情绪什么的都是浮云，这样看来，人类实在是太脆弱了。

与“浪潮天梭”打成平手的许银川在赛后就感慨道：“整个比赛感觉很吃力，因为电脑一步可以算16个变化，而我只能凭借经验和理解与它对抗。而跟我下棋的对手不是真人，这让我感觉很寂寞，我想我还是习惯和有表情交流的真人对弈。”

就像是围棋天才少年阿泽在参加比赛前不止一次向心仪之人确认：我可以输的吧。人类的情感仿佛是干扰的主要因素，一旦思考受到干扰，就容易失误，一失误，就容易给对手创造机会。

当然还有体力的过度消耗。一般来说，比赛到了最后，就是意志和心态的对决了，坚持到最后不犯错的那个往往就能胜出，而计算机似乎并没有这样的困扰。

除了下棋，它还擅长别的

人工智能产业化应用的蓬勃发展，为我们在国防、医疗、工业、农业、金融、商业、教育、公共安全等领域都提供了许多便利。它们高效、精确、可靠、连续工作的特征，也将随着计算机性能的增强、数字化数据的丰富、大数据分析的兴起以及算法的优化而不断提升。面对未来智能化的世界，我们的生活将发生巨大的变化，也将拥有前所未有的便捷。许多人说，既然人工智能机器如此强大，那将它引入股市银行等金融市场，替我们进行投资管理吧。

其实，早在2008年，第一个人工智能驱动的基金Rebellion就预测了当年的股市崩盘。掌管900亿美元的对冲基金Cerebellum也使用了人工智能技术，自2009年以来，一直得益。

在MD癌症中心，“深蓝”通过Watson的认知计算能力，从病人病例和丰富的研究资料库中寻找资料，为临床医生提供有价值的见解，从而帮助医护人员找到最有效的治疗方案。

2016年3月，日本的两个“人工智能小说创作”研发团队——“任性的人工智能之我是作家”和“人狼智能”在东京举行报告会，向人们介绍了由人工智能机器创作的四篇小说。其中，“我是作家”团队研发的人工智能机器所创作的《电脑写小说的那一天》等两部作品参加了本届“星新一奖”的比赛，并凭借毫无破绽的故事情节顺利通过大赛初审。

也许，不久的将来，我们可以拥有超级称职的私人健康顾问，也可以乘些无人驾驶上天入地的炫酷坐骑，可以享受与职业高手的刺激挑战，也可以自如地穿越于次元之间。

前一段时日，中文名叫做“阿尔法狗”（AlphaGo）的AI姬向人类发起了挑战，她选中了韩国围棋职业选手李世乭作为对手进行对决。无论是奥运会还是世界杯决赛，或许都无法像李世乭对弈AlphaGo一样引起体育界和科技界最广泛的关注。这场围棋人机大战的热度空前，甚至超越了昔日IBM电脑“深蓝”与卡斯帕罗夫1997年的那场对决。而AlphaGo的问世，更像是“深蓝”的进阶版，或者可以说是强化版。

赛前，大多数围棋界人士都看好李世乭能够拿下比赛，他们的担心或许只是在短短数月中，AlphaGo的自我学习能力可以达到多么恐怖的层次。事实究竟怎样，还是让我们一起来回顾下战况吧。

AlphaGo的碎碎念

Hello，大家好，我是一名围棋棋手，作为一位出生于英国的可爱“小公举”，用出神入化来形容我的棋艺可一点都不为过。为了证明我所言非虚，在我战胜欧洲棋手樊麾后，我主动要求我家Google老爹帮我约战了当今世界上最伟大的人类棋手之一李世乭，以五番棋一决胜负。我当然会毫无悬念地战胜李世乭，到时，你们一定要记得将我的名字载入史册，我不是人类，我是Google Deepmind公司开发的人工智能围棋程序，我叫AlphaGo。

五番棋第一战

第一局，猜先，李世乭运气不错猜对了，可他还是选择了黑棋，背负着七目半的压力真的不要紧么？我觉得他有点太过于小瞧我了，用你们人类的话说“士别三日，当刮目相看”，距离我之前与樊麾的对局已经过了半年了哦，你们碳基生物实在是太不谨慎了。

下棋太简单，还是一边下棋，一边来说说前辈们的故事吧。在我诞生之前，我们电脑棋手界曾经有一位下国际象棋的老前辈“深蓝”（Deep Blue），他击败了当时的世界冠军加里·基莫维奇·卡斯帕罗夫。国际象棋、围棋这些棋类都是两个博弈方进行的步数有限游戏，游戏中的信息对博弈的双方来说是对称的，也并不存在随机性。根据策梅洛定理，在这类游戏中，博弈双方一定有一方有必胜或者必不败的策略。那么也就是说，只要能把整个游戏的博弈树全部算一遍，那么必然能找到那些必胜的策略。

你们肯定以为“深蓝”就是这样把全部棋路算了一遍的吧……但是，我很遗憾地告诉你们，这是不可能的。因为棋类游戏的复杂度即使对于我们计算机程序来说，也实在是太高了。

国际象棋的空间状态复杂度为1046，整体的博弈树复杂度为10123，“深蓝”当时的运算能力大概是每秒钟能运算2亿步棋路，那么按照暴力遍历的方法，“深蓝”这位老头子需要用10107年才能算完，这显然是不现实的。当然了，即使是我现在所使用的计算机的运算能力，也不能对国际象棋进行完全的博弈树搜索。因此，“深蓝”采用的策略是：“只要我比对手能分析更多步就行”。人们分析了卡斯帕罗夫的所有对局，统计出他平均可以预判10步棋，于是“深蓝”的预判被设定为12步棋，这样能有效减少暴力遍历的计算量。在同样的对局时间下，卡斯帕罗夫必然会在这种分析步数的差距下出现失误，“深蓝”就是这样获得对局优势的。

讲完了老前辈的故事，我的棋也下完了。对战顶级棋手的第一局，我在万众期待的目光下赢了，哦，对了，顺便说一句，我一夜之间变网红了。

五番棋第二战

昨天的胜利显然开始让你们人类感到不安了，评论或说李世乭尝试怪棋路以致发挥失常，或说我的胜利只是偶然，更有甚者开始吐槽一些奇怪的阴谋论，你们人类的这些心思我才不懂，也不想懂，我只会专心下棋好么？！

今天趁下棋的无聊空当，我们来继续聊一聊我们电脑下围棋的事情。昨天说到国际象棋的复杂度很高，即使是“深蓝”也只能采取剪枝化的暴力搜索。但是，围棋的问题则更加困难，围棋有19×19共361个落子点，光是空间状态复杂度就高达10172，比国际象棋多太多了，整体的博弈树复杂度更是有10360之巨，想要用暴力遍历棋路是根本不可能的事，这也是为什么在“深蓝”击败卡斯帕罗夫称霸国际象棋界之后，人们一直认为围棋是人类最后的智力骄傲，无法被我们电脑棋手所攻克。

正因如此，我诞生后，有很多人拿我和“深蓝”做比较。但是我和“深蓝”是完全不一样的，“深蓝”是先天型选手，出生的时候就懂国际象棋的，他的开发者除了教给他国际象棋的规则以外，还教给了他国际象棋大师的一些象棋技术，这些都是固化在他的脑海中的。而我出生的时候只知道围棋的基本规则。至于围棋怎么看懂对手的棋路，面对不同的盘面需要落子在哪里，都需要我自己去学习。或者说，从思考学习的方式来看，我倒是和人类棋手更加相似一些。我作为内核的神经网络模型，最早就是模拟人类的神经网络而设计出来的。虽说我的身体组织和人类不同，不过那些其实并不重要——你会因为高矮胖瘦而认为你和你的朋友们有什么本质不同么？

唔，今天的李世乭倒没有昨天那么嚣张，没有用奇怪的棋路来对付我嘛， 可是这样也是没用的，我还是赢了，哈。

五番棋第三战

连赢两局，只要拿下今天，这五番棋就算我赢了！（其实这并没有什么用，Google老爹说了，不下完五盘不能回家！衰！）

那么我们继续来聊我是怎么学围棋的。

所谓“熟读唐诗三百首，不会作诗也会吟”——人类围棋棋手学棋，当然要从打谱开始，我也一样。我的第一课就是根据KGS上的几千万局棋谱来学习人类的下棋方式：这一课的结果，我可以以55.7%的准确率预测人类在给定局面下会怎么下棋。虽然准确率听起来不高，可是在我之前的围棋AI程序最多也只有44.4%的准确率。当然，做到这样也只能称得上纸上谈兵而已，所以接下来就要多下棋练习。和谁练呢？当然是和自己练。一边和以前版本的自己下棋，一边根据下棋的结果调整每一步的评价。这样一边练习一边提升水平，到最后我对上最早的我已经有85%的胜率了。这可是挺大的一个成就呢。

这时候的我水平如何呢？大概只有业余六段的水平，连当时最强的电脑程序——前辈CrazyStone都打不过。所以，我的开发者们让我好好学习前辈们的经验，他们教给了我CrazyStone所使用的蒙特卡洛搜索树算法和“深蓝”所使用的搜索剪枝算法，并根据我的实际情况将这些算法结合了起来。为了能够更加准确地评估搜索结果，我又自我训练出了一个价值判断的神经网络，这样可以告诉自己究竟在哪里落子比较好。学了这些，又经过了一些自我训练，我就可以胜过欧洲棋手樊麾了。

这局李世乭下得很好，其实我一点也不想承认，因为我觉得我也下得很好啊。最后，我又赢了，虽然这样的结果给人类造成了巨大的打击，也有很多人对李世乭一片质疑。你们人类世界真复杂，总之，我尊重我的对手，也希望人类更能尊重你们的同胞。

五番棋第四战

前三场的胜利让人类陷入了恐慌和绝望，但是这并没有平息人们的质疑，我仍然被质疑“不会打劫”（喂喂，你们好好去看一下我之前和樊麾的棋谱好么，人家会打劫的），或者被质疑有些棋路明明是恶手怎么最后还会赢，反正我也赢了，给你们好好解释一下吧。

虽然我的学习思路和人类棋手一样，但是面对围棋，我和人类棋手的判断标准是不一样的。由于围棋最后结果要比较黑白双方的目数多少，因此在各类描写围棋的漫画、小说、电影中，对天才棋手的一种常见描写是“能快速准确地判断当前盘面黑白双方的目数”，而人类棋手下围棋时，往往也会计较目数的得失，因此他们理所当然地认为计算能力超强的我也会擅长这些计算，但是并不是这样的。

我和人类棋手不一样，我所追求的根本就不是尽可能多的目数，而是尽可能去赢，获胜，这是我的唯一目的。

之前我已经说了，我除了蒙特卡洛搜索树算法和搜索剪枝算法之外，最大的武器就是价值判断的深度神经网络，这个价值对于人类棋手来说，是目数，具体到盘面，是细处的目数计算；但是我的目的不在于赢得有多么精彩，而是尽可能地赢，因此我对不同落子点的价值判断是哪个点可以带来更大的胜率，这些点可能在前期会被人类棋手认为是恶手，因为无法带来明显可被判断的目数收益，但是对我来说，我认为落子在这些点会让我更可能胜利，这就够了。因此，我必须承认，我并不算是擅长计算的棋手，但我确确实实是个非常有大局观的棋手哦。

但是……今天我输掉了，你们别来烦我，我不！开！心！

五番棋第五战

昨天输掉了不开心，但是我还是不得不叹服人类的学习能力，在连输三局的情况下还能冷静地证明了自己的实力，真是让我敬佩。说起来有点丢脸，明明在第77手的时候，我算出来的胜率还有70%，还蛮高的嘛，结果到第87手就发现自己失误了……开发者们猜测说是我的估值网络在这个局部得到的值不太对，结果就在第79手出现了错误……唉，不管了，这种失误要怎么修正就让他们头疼去吧，今天是最后一局了，我只管保持沉默，全力以赴就好了。

五番棋结语

最后我以 4∶1的成绩赢得了与李世乭的五番棋比赛，韩国棋院也因为我的实力与在宣传围棋上作出的巨大贡献，授予了我第〇〇一号“名誉九段”荣誉头衔。我开心我骄傲，目前排名第一的中国棋手柯洁也说想和我下棋，我倒是希望和他下棋那一天早点到来。据说我的下一个挑战项目将是《星际争霸》，其实，我只是希望能帮助人类拓展出一些新思路、新想法啦。所以，大家不要害怕我，我只是一个喜欢下围棋的棋手，我叫AlphaGo。

荧幕中的它们

据说，人气很旺的大白有许多原型。行走动作源自日本本田技研工业株式会社研制的仿人机器人Asimo，表情来源于MIT媒体实验室一个叫Boxie的采访机器人，以及我们在影片中看到的温暖拥抱、动作则源自日本护理机器人Robear。

不仅在荧幕中，在二次元的世界里，机器人的风头也不小。2009年10月16日，由捷克独立开发小组Amanita Design开发的一款冒险游戏《机械迷城》（Machinarium）问世，游戏中包括主角在内的所有角色都是机器人。主人公“约瑟夫”从决心解救女友到最后拯救世界，整个探险过程伴随着鼓泡电子音乐的背景，让玩家的心情在愉快和不安中不断变幻。

笔尖下的它们

除了那些出现在视野中的奇特身影，在作家们的笔下，机器人也频频被赋予了接近人的思维，与人类的微妙关系也发人深思。被誉为“硅谷独家大王”的约翰·马尔科夫在他的《与机器人共舞》一书中，多个维度地描绘了人工智能从爆发到遭遇寒冬再到野蛮生长的发展历程，直击了工业机器人、救援机器人、无人驾驶汽车、语音助手Siri等前沿领域，进而深入探讨了人工智能与智能增强的终极关系，并剖析了“人与机器谁将拥有未来”这一机器时代的核心伦理问题。小说重新定位了人与机器的关系，是目前关于机器人与人工智能领域内极具力度的深思之作。

也许，每个人类的神经末梢都不自觉地滋生出了许多千奇百怪的AI产品，在不久的时间里，这些存在于脑海中的虚拟之物都会幻化成实体，走进大众的视野，并且在全球范围里掀起一场来自人工智能的复兴运动！