Master身份揭晓就是AlphaGo！它的身份竟被大学教授猜中

在知名围棋社区“弈城围棋”和“野狐围棋”，Master创造了55连胜的记录。就在1月4日晚，它再度打败古力，真实身份也终于揭晓，就是人们猜测的AlphaGo！而这一结局之前也被复旦大学计算机科学技术学院的危辉教授猜中！

职业棋手纷纷感慨现有的布局、定式、乃至一般性的围棋理论都已被颠覆。各路围观群众，懂棋的和不懂棋的，尝到了解构权威的快感。甚至有人将人类的围棋理论和围棋AI对立起来，并与中西医之争，或是传统-现代科学之争相提并论。一时间，职业围棋手仿佛成了工业革命初期，试图砸烂机器的失业工人。

人类智力的最后壁垒是否已经被攻破？

Master大师，到底是人，是狗，还是机器？

复旦大学计算机科学技术学院危辉教授，在做客看看新闻《环球交叉点》节目时表示，Master更有可能是一个人机交互的系统。什么意思呢？简单说，Master背后是一个棋手，在网上和人对弈时，先让类似Alphago这样的机器给出几个应对选项，棋手再从几个选项中进行选择，走出Master的应对招。当然，这个棋手也必须是顶尖高手，这样的人机组合，就会形成超大的杀伤力。

不过，上海棋院的刘世振副院长却不认同这种说法，因为Master下的是20秒快棋，先由机器给出选项，再由人做出判断，最后出招，时间不够。在未知有新的围棋软件问世的情况下，Master就是改了名的AlphaGo。

上海交通大学计算机科学与工程系的苑波教授，从Master的力量、全局和计算速度来看，风格和AlphaGo很像。AlphaGo的研制花了十年时间，从认知、从神经科学等一步步发展到今天的地步，它并不是一个简单的程序，背后其实有很复杂的框架和设计，其他的研究团队，在短时间内想赶上AlphaGo的水平，可能性也不大。

而就在4日晚，Master在聊天平台宣布，自己就是AlphaGo团队的黄士杰博士。

Master横扫围棋高手 棋手们作何感想？

中国棋手陈耀烨，据说是之前“唯一没有输给Master的棋手”，因为他下到后来断网了，不过今天下完之后，他还是输了。陈耀烨这样评价和Master的对弈：距离围棋之神的差距很是不小，“他”并不是不会犯错，只是他不会犯那种关系胜负的错误。

曾把AlphaGo划为围棋职业15段高手的聂卫平则说：Master的确很厉害，自己断送好局有些可惜。

15段高手？人类只能颤抖了吧！AlphaGo已经把人类远远甩在了身后，而且它的思维的宽度、开阔度、以及对全局的把握度，远非人类可以匹敌。人类棋手，水平再高，围棋落子时，也还是从局部开始，通过局部联在一起，最后再进行通盘考虑，是一个自下而上的过程，这个过程中的判断，相对而言还是比较粗线条的；而AlphaGo的全局计算公式非常精确，这是人类难以超越的。

或许这也就是为什么古力在落败会发出这样的感叹：“也许曾经我们认为永恒不变的围棋定式、真理，会因大师（Master）的出现，发生颠覆性的改变。”

杨鼎新则说：“我感觉我们跟它，就像业余顶尖对职业顶尖，对手有的棋你完全看不懂，但下着下着就输了。”

不过复旦大学计算机科学技术学危辉教授则不这么认为，他从自己小时候就知道的围棋法则说起：金角银边草肚皮。他认为，AlphaGo根本就不懂这样的法则，以及棋手们判读棋局常说的“势”、“实地”等。从计算机学角度来看，AlphaGo，或者Master做的，其实就是一个模式匹配和模式分类，是一个纯数据上的事情，不管是掌握全局还是掌握局部，其实对机器来讲，并没有区别。

Master是AlphaGo的升级版？神一样的存在？

AlphaGo的背后逻辑，由两部分构成，一是策略网络，计算下哪步胜算最大；二是价值网络，对棋局展开全局判断。根据计算机的反应时间，分为几个层级，从5秒逐渐增加，10秒、20秒、30秒，一直到2-3分钟。

时间越长，计算机在策略网络和价值网络的深度搜索中需要的时间就越长。这次Master的“踢馆”，除了和年纪较大的聂卫平对弈时，将每步棋的时间放长到了一分钟，其他都限定在30秒内，不过基本上只用一半的时间，Master就确定如何走棋。

上海棋院的刘世振副院长，一直关注着各场对弈，他说这个年过得有些糟心，因为Master在两个围棋平台上碾压各路高手。在他看来，AlphaGo的棋路只是比人类略高一筹，但如今的Master，已经是接近神一样的存在。刘院长认为，在我们的一般概念中，计算机强在计算能力，在把控大局方面则能力较弱，而这恰恰是人类对计算机认识的最大误区。

不过危辉教授认为，只要给Master配备足够多的CPU，各个CPU独立运转，产生叠加效应，理论上计算速度是不受限的，所谓的按时间分级，也没有什么真正的意义。

人类学习能力有限 只能臣服于人工智能？

Master和AlphaGo的学习能力，甚至自己跟自己对弈实现学习，这是人类无法企及的。那是不是学的多，就一定能力强呢？

复旦大学危辉教授表示，计算机学中有一门分支，叫类比学，或者叫类比推理，计算机的学习能力，没有超出这个范畴。之所以Master碾压人类棋手，是因为围棋的变化十分多，计算机凭借机器强大的计算和记忆能力，走入了我们人类没有搜索过的空间，靠人类现有的脑力，则很难探索到这样的空间里去。

苑波教授则从另一个角度进行了阐述，他认为Master是把围棋解构成了很多层，通过层的联结，形成对大局更宏观层面的判断，Master棋风中对“厚”的理解，就印证了这一点。

Master的深度学习 到底是计算机学还是神经生物学？

计算机的学习能力，依赖设计者给它的一个结构，但这个结构并不是一个随机的机构，是一个多层的解构，横向宽度，纵向有联结，这些不仅反应出围棋中局部和整体的关系，更反应出类似人脑的层联结结构，这些在Master和AlphaGo的设计中都有所体现。

研究神经生物的危辉教授，则不认同这种观点。从他的观察和分析来看，Master和AlphaGo中设计的深度学习，其体现的神经生物学元素是极少的，和神经生物学的相似性非常牵强。换言之，计算机就是计算机，远没到神乎其神的神经生物学层面。

人工智能的春天来了吗？

在人工智能研究人员看来，Deep Blue 和 AlphaGo 战胜人类棋手的事情本不足为怪，因为这些博弈都必须遵守明确而严格的操作规则，而不能创造新的规则，只需要有足够好的记忆和推理的能力，而不允许有创造规则的能力，这样，人工智能就可以凭借它强大的策略存储能力和快速的推理能力而超过人类棋手。

1997年，IBM的Deep Blue战胜了当时的国际象棋冠军卡斯帕罗夫；

2011年，IBM的Watson在问题抢答的智力游戏中战胜了两位全美冠军；

2016年，Google的AlphaGo战胜了世界围棋冠军、韩国名将李世乭；

2017年，Master已经取得56场胜利，已非常接近它预计的60场对弈全胜

世界排名第一的柯洁，发出这样的感慨：“我从三月份开始到现在研究了大半年的棋软，无数次的理论、实践，就是想知道计算机究竟强在哪里。昨晚辗转反侧，不想竟一夜无眠。人类数千年的实战演练进化，计算机却告诉我们人类全都是错的。我觉得，甚至没有一个人沾到围棋真理的边。但是我想说，从现在开始，我们棋手将会结合计算机，迈进全新的领域达到全新的境界。新的风暴即将来袭，我将尽我所有的智慧终极一战！”

《科幻世界》曾刊登过一篇科幻短篇，说的就是人工智能在围棋上战胜人类职业棋手。一直到最后一局由人类最强棋士出战，也是决定人类命运之战。

这位棋士完全摈弃争胜负的理念和下法，一心追求和谐均衡；人工智能却是处处争夺，求胜强烈。最终，棋士以微弱优势战胜了人工智能。这，或许能给我们留下很多思考。

包括霍金及企业家Elon Musk在内的数位科学家、企业家及与人工智能领域有关的投资者，曾联名发出一封公开信，警告人们必须更多地注意人工智能的安全性及其社会效益。他们担忧未来人工智能可能会无意被用于邪恶，甚至毁灭人类。

人工智能无疑是近些年来最火的词汇之一。不仅仅各大互联网巨头纷纷成立的研究院，布局人工智能，众多的新创企业也在靠着人工智能的创意应用获得风投。俗话说，物极必反，人工智能现在如日中天，总会给人一种不真实的感觉。未来，人工智能真的能取代互联网时代吗，还是像之前的两次浪潮一样，到头来只是泡沫？

最后，听听猜中Master身份的危辉教授，如何看待人工智能的未来！