澎湃Logo
下载客户端

登录

  • +1

谷歌人工智能VS李世石你支持谁?3月9日人机大战观战指南

澎湃新闻记者 戴一苇
2016-03-08 13:33
来源:澎湃新闻
10%公司 >
字号

3月9日-15日,谷歌人工智能系统AlphaGo将与世界围棋冠军李世石上演一场罕见的人机世纪大战。

3月9日,人类的“尊严”面临机器重大挑战。

2015年10月,谷歌旗下人工智能公司DeepMInd(深度思维)开发的智能系统AlphaGo(阿尔法围棋)以5:0的战绩完胜欧洲冠军、职业围棋二段樊麾,这是人类历史上,围棋人工智能(AI)第一次在公平比赛中战胜职业选手。

随即,谷歌宣布,AlphaGo将于3月9日在韩国首尔和韩国围棋顶尖高手李世石一决高下。作为韩国围棋九段选手,李世石是近10年来获得世界第一头衔最多的棋手。

人机世纪之战谁输谁赢,举世关注。要想围观这项人类科技史的盛事,赶快来了解一下观战指南:

一、5场比赛定胜负

AlphaGo一共将与李世石进行5场比赛,首场比赛于北京时间3月9日中午12点在韩国首尔四季酒店举行。

3月9日 (星期三):首场比赛

3月10日(星期四):第二场比赛

3月12日(星期六):第三场比赛

3月13日(星期日):第四场比赛

3月15日(星期二):第五场比赛

二、人类替AlphaGo“落子”

比赛将采用贴7.5目的中国规则(比赛结束时,后走棋的棋手贴目)。每位棋手各有两个小时布局时间,3次60秒的读秒,每场比赛预计需要4-5个小时。

与李世石的对战中,来自首尔的一名业余围棋六段棋手将扮演AlphaGo的“眼”和“手”,一边看屏幕一边代替AlphaGo下棋。

三、多家网站将视频直播

每局赛后都将接受记者采访。

AlphaGo与李世石的比赛全程将在全球最大的视频网站YouTube上的DeepMind官方频道进行直播,并有英文及韩文版解说。英语解说将由迈克尔·雷德蒙(Michael Redmond)来担当,雷德蒙是西方世界唯一一位达到最高级别职业9段的围棋选手,而韩语解说则由韩国围棋国家队的主教练张赫宇(Chang-hyeok Yu)担任。

为了方便中国网友观战,腾讯视频以及新浪视频等多家视频网站也将进行直播。

四、为什么选择围棋

棋类游戏一直被视为顶级人类智力的试金石。人工智能与人类棋手的对抗一直在上演,此前在三子棋、跳棋和国际象棋等棋类上,计算机程序都曾打败过人类,从上世纪90年代中期战胜全世界跳棋顶尖高手的Chinook程序,到IBM公司研发的超级计算机“深蓝”在1997年第一次战胜了国际象棋冠军卡斯巴罗夫。

但相比拥有2500多年历史的围棋而言,国际象棋的算法要简单的多。围棋每回合的可能性更多,共有250种可能,一盘棋可以长达150回合。同时,围棋有3^361种局面,而可观测到的宇宙,原子数量才10^80。

按照技术的发展速度,一般认为至少还需要10年才能实现人工智能才能在围棋是上战胜人类职业选手,所以AlphaGo此次能否战胜李世石有着历史性的意义。

韩国职业围棋选手李世石通过视频连接与谷歌的首席执行官戴米斯·哈萨比斯对话。 东方IC 资料

五、AlphaGo到底是什么

 AlphaGo并不是普通意义上的智能机器人,而是一个拥有自我学习和进化能力的智能系统。相关论文中说,它的“单机”版本用到48个CPU(中央处理器),而还有一个分布式运算的版本,可同时用到多台计算机的1202个CPU,大大提升计算能力。

AlphaGo由两部分组成,Alpha对应希腊语的首字母,也就是常说的“阿尔法”,Go是日语中对围棋的称呼。

AlphaGo的核心是两种不同的深度神经网络——“决策网络”(policy network)和“价值网络”(Value network)。其中,“决策网络”负责减少搜索宽度,排除明显的错误,选择下一步走法;“价值网络”则负责减少搜索深度,通过对局势的判断,在明显劣势下果断抛弃某些路线,不用每条道算到黑。

通过这两个网络分析局面,AlphaGo会更像一个人类棋手,会在下棋时分析每一步的风险系数,比如在未来20步的N种情况下,它立即就能判断出如何落子的胜率最高。

许多专家认为AlphaGo最大的特点是,它会自己学习!在战胜樊麾之前,AlphaGo已进行了超过3000万局的自我训练,不断提升自身棋力。AlphaGo和樊麾之间的比赛发生在去年10月,只是由于论文发表的保密流程等原因才在今年宣布。虽然许多围棋高手研究比赛棋谱后认为,AlphaGo那时的棋力还无法与李世石相提并论,但几个月过去了,它可能又在针对性训练中大有进步。这也是现在许多人押注它会取胜的原因。

DeepMInd公司首席执行官兼谷歌副总裁德米什·哈萨比斯透露,DeepMind为AlphaGo输入了海量的职业棋手对局,其自我演绎的对局数更是达到了3000万局。

六、李世石有多牛

虽然AlphaGo在2015年10月以5:0的战绩完胜欧洲冠军、职业围棋二段樊麾,但是在樊麾与AlphaGo的五盘大战棋谱被放上网络后,就有不少围棋业余高手在网络上发表评论称樊麾这次的棋下得并不出色,大家认为樊麾并不能代表世界顶尖的围棋职业选手的水平。

而李世石作为韩国围棋九段选手,也是近10年来获得世界第一头衔最多的棋手。截至目前,李世石共获得14个个人赛世界冠军,仅次于获得18个冠军的李昌镐,遥遥领先其他国家的棋手。

出生于1983年的李世石已经33岁了,对于一名棋手来说,33岁显然已经不年轻了,但李世石依然活跃在世界棋坛的第一线,任何棋手面对他,都不敢轻言取胜,即使李世石刚输了农心杯世界围棋团体赛。

七、双方怎么看自己胜算

DeepMInd认为,双方的胜负是50比50,势均力敌。同时,DeepMInd称:“人类在长时间的比赛中会因疲劳而犯错,但电脑程序不会,人类可能一年只能下一千盘棋,而AlphaGo一天就能下一百万盘。”

李世石同样也对此次比赛表现出强烈的自信,李世石称:“作出接受AlphaGo挑战的决定,只考虑了不到5分钟,原因是出于对AlphaGo的好奇。”

李世石认为自己将以4:1或者5:0获胜,如不出现失误,将100%获胜。“虽然谷歌DeepMind公司人工智能的实力相当不错而且水平持续提高,但至少这次我有获胜的信心,”李世石说。

李世石表示,“比赛除了以5:0战胜它以外,其他都没有意义。因为如果我以4:1获胜,谷歌也会认为自己赢了。他们只要赢一局就会自认为战胜了人类。但是,除非出现不可理喻的低级失误,我绝不会输。”

八、科技界多数看好李世石

曾在多年前帮助IBM组织“深蓝”团队,并最终击败了国际象棋冠军卡斯帕罗夫的创新工场首席执行官李开复表示:“如果对弈一盘,AlphaGo尚有11%的获胜的可能性,而整个比赛五盘胜出三盘或更多,AlphaGo就只有1.1%的可能性了。”

但是李开复同时表示,不管这次挑战是否能成功,未来1-2年之内AlphaGo必然完胜人类。

韩东大学电算电子工学部教授金仁中也认为,李世石会以5:0战胜对手。尽管AlphaGo拥有很大的数据量,但大都来自和业余高手或自我比赛获得的数据。与数量相比,数据的质量同样重要。

韩国科学技术院电器电子工学教授金大植也表示,目前人工智能还不能掌握只有顶尖职业棋手才有的创新性和不可预测的变化性。通过这场人机对决,他计划将李世石的创新思维方法进行数据化处理,并加以定量化。

与此同时,搜狗首席执行官王小川则预测,AlphaGo将会完胜。“除了围棋,人工智能在其他博弈类的封闭游戏里,也会横扫一切,完胜人类。”

九、职业围棋手集体力挺李世石

刚在农心杯世界围棋团体赛赢了李世石的中国围棋选手,职业围棋九段柯洁表示力挺李世石。

尽管没有深入研究过AlphaGo与欧洲冠军樊麾去年10月对弈的五盘棋,但从那五盘棋来说,柯洁认为AlphaGo的水准还无法与李世石相比。柯洁称:“所以当时我就说看好李世石5比0。”

职业围棋九段周睿羊则表示,难以置信这么快就到来了,不过考虑到对方是Google也并非不能接受,虽然从AlphaGo与樊麾的五局棋谱来看水平不足以抗衡李世石,但是到3月份结果未知,觉得第一局的胜出者会赢得比赛。

日本职业围棋九段井山裕太也认为从之前的棋谱上,无法想象李世石输球的可能性,“他在压力下赢过很多艰难的比赛,代表人类出战的确压力巨大,但我相信,他可以捍卫人类的尊严。”

虽然,目前大家都比较看好李世石会赢,但是对于未来,大家纷纷表示,人工智能迟早要在围棋上超越人类。

看样子,目前人类还比较自信,那么你支持谁赢呢?

十、对了,还有100万美元奖金

据谷歌透露,此次比赛将设有100万美元奖金。

李世石每胜一局将获得2万美元胜局奖金,如果五盘全胜,胜局奖金为10万美元(约合韩币1.1亿韩元),同时李世石还将获得15万美元(约1.65亿韩元)出场费。也就是说,李世石若五战全胜,最多将可以获得125万美元(约13.75亿韩元)的奖金。

而谷歌则表示,如果AlphaGo获胜,奖金将捐赠给联合国儿童基金会(UNICEF)、STEM教育以及围棋慈善机构(Go Charity)。

    澎湃新闻报料:021-962866
    澎湃新闻,未经授权不得转载
    +1
    收藏
    我要举报

            扫码下载澎湃新闻客户端

            沪ICP备14003370号

            沪公网安备31010602000299号

            互联网新闻信息服务许可证:31120170006

            增值电信业务经营许可证:沪B2-2017116

            © 2014-2024 上海东方报业有限公司

            反馈