在知名圍棋社區(qū)“弈城圍棋”和“野狐圍棋”，Master創(chuàng)造了55連勝的記錄。就在1月4日晚，它再度打敗古力，真實身份也終于揭曉，就是人們猜測的AlphaGo！而這一結局之前也被復旦大學計算機科學技術學院的危輝教授猜中！

職業(yè)棋手紛紛感慨現(xiàn)有的布局、定式、乃至一般性的圍棋理論都已被顛覆。各路圍觀群眾，懂棋的和不懂棋的，嘗到了解構權威的快感。甚至有人將人類的圍棋理論和圍棋AI對立起來，并與中西醫(yī)之爭，或是傳統(tǒng)-現(xiàn)代科學之爭相提并論。一時間，職業(yè)圍棋手仿佛成了工業(yè)革命初期，試圖砸爛機器的失業(yè)工人。

人類智力的最后壁壘是否已經(jīng)被攻破？

Master大師，到底是人，是狗，還是機器？

復旦大學計算機科學技術學院危輝教授，在做客看看新聞《環(huán)球交叉點》節(jié)目時表示，Master更有可能是一個人機交互的系統(tǒng)。什么意思呢？簡單說，Master背后是一個棋手，在網(wǎng)上和人對弈時，先讓類似Alphago這樣的機器給出幾個應對選項，棋手再從幾個選項中進行選擇，走出Master的應對招。當然，這個棋手也必須是頂尖高手，這樣的人機組合，就會形成超大的殺傷力。

不過，上海棋院的劉世振副院長卻不認同這種說法，因為Master下的是20秒快棋，先由機器給出選項，再由人做出判斷，最后出招，時間不夠。在未知有新的圍棋軟件問世的情況下，Master就是改了名的AlphaGo。

上海交通大學計算機科學與工程系的苑波教授，從Master的力量、全局和計算速度來看，風格和AlphaGo很像。AlphaGo的研制花了十年時間，從認知、從神經(jīng)科學等一步步發(fā)展到今天的地步，它并不是一個簡單的程序，背后其實有很復雜的框架和設計，其他的研究團隊，在短時間內(nèi)想趕上AlphaGo的水平，可能性也不大。

而就在4日晚，Master在聊天平臺宣布，自己就是AlphaGo團隊的黃士杰博士。

Master橫掃圍棋高手 棋手們作何感想？

中國棋手陳耀燁，據(jù)說是之前“唯一沒有輸給Master的棋手”，因為他下到后來斷網(wǎng)了，不過今天下完之后，他還是輸了。陳耀燁這樣評價和Master的對弈：距離圍棋之神的差距很是不小，“他”并不是不會犯錯，只是他不會犯那種關系勝負的錯誤。

曾把AlphaGo劃為圍棋職業(yè)15段高手的聶衛(wèi)平則說：Master的確很厲害，自己斷送好局有些可惜。

15段高手？人類只能顫抖了吧！AlphaGo已經(jīng)把人類遠遠甩在了身后，而且它的思維的寬度、開闊度、以及對全局的把握度，遠非人類可以匹敵。人類棋手，水平再高，圍棋落子時，也還是從局部開始，通過局部聯(lián)在一起，最后再進行通盤考慮，是一個自下而上的過程，這個過程中的判斷，相對而言還是比較粗線條的；而AlphaGo的全局計算公式非常精確，這是人類難以超越的。

或許這也就是為什么古力在落敗會發(fā)出這樣的感嘆：“也許曾經(jīng)我們認為永恒不變的圍棋定式、真理，會因大師（Master）的出現(xiàn)，發(fā)生顛覆性的改變。”

楊鼎新則說：“我感覺我們跟它，就像業(yè)余頂尖對職業(yè)頂尖，對手有的棋你完全看不懂，但下著下著就輸了?！?/p>

不過復旦大學計算機科學技術學危輝教授則不這么認為，他從自己小時候就知道的圍棋法則說起：金角銀邊草肚皮。他認為，AlphaGo根本就不懂這樣的法則，以及棋手們判讀棋局常說的“勢”、“實地”等。從計算機學角度來看，AlphaGo，或者Master做的，其實就是一個模式匹配和模式分類，是一個純數(shù)據(jù)上的事情，不管是掌握全局還是掌握局部，其實對機器來講，并沒有區(qū)別。

Master是AlphaGo的升級版？神一樣的存在？

AlphaGo的背后邏輯，由兩部分構成，一是策略網(wǎng)絡，計算下哪步勝算最大；二是價值網(wǎng)絡，對棋局展開全局判斷。根據(jù)計算機的反應時間，分為幾個層級，從5秒逐漸增加，10秒、20秒、30秒，一直到2-3分鐘。

時間越長，計算機在策略網(wǎng)絡和價值網(wǎng)絡的深度搜索中需要的時間就越長。這次Master的“踢館”，除了和年紀較大的聶衛(wèi)平對弈時，將每步棋的時間放長到了一分鐘，其他都限定在30秒內(nèi)，不過基本上只用一半的時間，Master就確定如何走棋。

上海棋院的劉世振副院長，一直關注著各場對弈，他說這個年過得有些糟心，因為Master在兩個圍棋平臺上碾壓各路高手。在他看來，AlphaGo的棋路只是比人類略高一籌，但如今的Master，已經(jīng)是接近神一樣的存在。劉院長認為，在我們的一般概念中，計算機強在計算能力，在把控大局方面則能力較弱，而這恰恰是人類對計算機認識的最大誤區(qū)。

不過危輝教授認為，只要給Master配備足夠多的CPU，各個CPU獨立運轉，產(chǎn)生疊加效應，理論上計算速度是不受限的，所謂的按時間分級，也沒有什么真正的意義。

人類學習能力有限 只能臣服于人工智能？

Master和AlphaGo的學習能力，甚至自己跟自己對弈實現(xiàn)學習，這是人類無法企及的。那是不是學的多，就一定能力強呢？

復旦大學危輝教授表示，計算機學中有一門分支，叫類比學，或者叫類比推理，計算機的學習能力，沒有超出這個范疇。之所以Master碾壓人類棋手，是因為圍棋的變化十分多，計算機憑借機器強大的計算和記憶能力，走入了我們?nèi)祟悰]有搜索過的空間，靠人類現(xiàn)有的腦力，則很難探索到這樣的空間里去。

苑波教授則從另一個角度進行了闡述，他認為Master是把圍棋解構成了很多層，通過層的聯(lián)結，形成對大局更宏觀層面的判斷，Master棋風中對“厚”的理解，就印證了這一點。

Master的深度學習 到底是計算機學還是神經(jīng)生物學？

計算機的學習能力，依賴設計者給它的一個結構，但這個結構并不是一個隨機的機構，是一個多層的解構，橫向寬度，縱向有聯(lián)結，這些不僅反應出圍棋中局部和整體的關系，更反應出類似人腦的層聯(lián)結結構，這些在Master和AlphaGo的設計中都有所體現(xiàn)。

研究神經(jīng)生物的危輝教授，則不認同這種觀點。從他的觀察和分析來看，Master和AlphaGo中設計的深度學習，其體現(xiàn)的神經(jīng)生物學元素是極少的，和神經(jīng)生物學的相似性非常牽強。換言之，計算機就是計算機，遠沒到神乎其神的神經(jīng)生物學層面。

人工智能的春天來了嗎？

在人工智能研究人員看來，Deep Blue 和 AlphaGo 戰(zhàn)勝人類棋手的事情本不足為怪，因為這些博弈都必須遵守明確而嚴格的操作規(guī)則，而不能創(chuàng)造新的規(guī)則，只需要有足夠好的記憶和推理的能力，而不允許有創(chuàng)造規(guī)則的能力，這樣，人工智能就可以憑借它強大的策略存儲能力和快速的推理能力而超過人類棋手。

1997年，IBM的Deep Blue戰(zhàn)勝了當時的國際象棋冠軍卡斯帕羅夫；

2011年，IBM的Watson在問題搶答的智力游戲中戰(zhàn)勝了兩位全美冠軍；

2016年，Google的AlphaGo戰(zhàn)勝了世界圍棋冠軍、韓國名將李世乭；

2017年，Master已經(jīng)取得56場勝利，已非常接近它預計的60場對弈全勝

世界排名第一的柯潔，發(fā)出這樣的感慨：“我從三月份開始到現(xiàn)在研究了大半年的棋軟，無數(shù)次的理論、實踐，就是想知道計算機究竟強在哪里。昨晚輾轉反側，不想竟一夜無眠。人類數(shù)千年的實戰(zhàn)演練進化，計算機卻告訴我們?nèi)祟惾际清e的。我覺得，甚至沒有一個人沾到圍棋真理的邊。但是我想說，從現(xiàn)在開始，我們棋手將會結合計算機，邁進全新的領域達到全新的境界。新的風暴即將來襲，我將盡我所有的智慧終極一戰(zhàn)！”

《科幻世界》曾刊登過一篇科幻短篇，說的就是人工智能在圍棋上戰(zhàn)勝人類職業(yè)棋手。一直到最后一局由人類最強棋士出戰(zhàn)，也是決定人類命運之戰(zhàn)。

這位棋士完全擯棄爭勝負的理念和下法，一心追求和諧均衡；人工智能卻是處處爭奪，求勝強烈。最終，棋士以微弱優(yōu)勢戰(zhàn)勝了人工智能。這，或許能給我們留下很多思考。

包括霍金及企業(yè)家Elon Musk在內(nèi)的數(shù)位科學家、企業(yè)家及與人工智能領域有關的投資者，曾聯(lián)名發(fā)出一封公開信，警告人們必須更多地注意人工智能的安全性及其社會效益。他們擔憂未來人工智能可能會無意被用于邪惡，甚至毀滅人類。

人工智能無疑是近些年來最火的詞匯之一。不僅僅各大互聯(lián)網(wǎng)巨頭紛紛成立的研究院，布局人工智能，眾多的新創(chuàng)企業(yè)也在靠著人工智能的創(chuàng)意應用獲得風投。俗話說，物極必反，人工智能現(xiàn)在如日中天，總會給人一種不真實的感覺。未來，人工智能真的能取代互聯(lián)網(wǎng)時代嗎，還是像之前的兩次浪潮一樣，到頭來只是泡沫？

最后，聽聽猜中Master身份的危輝教授，如何看待人工智能的未來！