阔别一年，第二次人机大战终于如约而至。

今天起到5月27日，人类围棋世界排名第一的中国棋手柯洁，将迎接来自人工智能AlphaGo的最新挑战。

在去年韩国九段棋手李世石败下阵来之后，柯洁成为了人类顶尖棋手的最后高地。
然而在几分钟之前，人机大战第一盘，柯洁以四分之一子的微小失利憾负AlphaGo！

最后上场的解说嘉宾，九段棋手常昊说：柯洁已经下的很好了，他已经尽力了，同时，对一些局面的处理，表现出柯洁也在学习阿法狗的下法。

毋庸置疑的是，人工智能正在改变甚至颠覆整个围棋界。

一年之前，人们关注的问题是：人工智能是否能和人类对抗？

因为不像国际象棋和中国象棋，围棋拥有数量极其庞大的可能性，总的局面数量达到 10^172，而可观测宇宙范围内的原子数量不过 10^80。

这也意味着穷举绝对不是一条明智的路线。

但DeepMind 似乎寻找到了一种机制来摆脱围棋中的 “人类束缚”，给了AlphaGo一套能够 “模拟” 出人类顶尖高手的方案：深度学习 + 蒙特卡洛搜索树 + 自我进化。

深度学习用以分析人类棋盘，蒙特卡洛搜索树用来减轻工作量，自我进化用来提升能力。
但有限的运算能力还是给 DeepMind 出了一个不小的难题，后者最终想出了一个办法：只对学习到的人类棋招进行蒙特卡洛搜索树运算，这恰如人类棋手依赖定式。

定式指的是人类下围棋长久积累下来的一种经验，对弈双方在特定情况下会遵循固定下法。

著名棋手吴清源则将定式简单描述为 “在角部彼我棋子接触时最合理的走法”。
这些定式被记载在各式各样的棋谱当中，成为新手入门必看的书籍。

虽然定式是某种意义上是最合理的走法，但它却是理想化条件下的产物，想要完整复现定式，意味着双方都必须抱有同样的理想化思路。而历史上并不缺乏不遵守定式，或者用新定式打败对方的事例。

那么问题来了，为什么千变万化的围棋会出现定式？而且死守定式会输，不学习定式也会输？

答案只有一个——人类需要定式来减少围棋上面的变化，这样进入中盘之后人类才能利用自身能力掌握棋局走向。

凑巧的是，这回我们遇到的是运算能力远超人类的计算机，让掌握更多乃至全部围棋奥秘拥有了一丝可能。

但究竟新 AlphaGo 怎么样摆脱 “人类束缚”？参考之前 “老 AlphaGo” 的工作方式，排除运算过程中所有人类元素可能是最彻底的方法。但这样一来就必须找到另外一种减轻运算压力的策略。目前来看，这个秘密也只能等 DeepMind 方面稍后公开了。

当阿法狗以4比1击败人类代表李世石，以及后来的阿法狗升级版master在网络对弈中60比0横扫职业顶尖棋手，再到现在，阿法狗又战胜了人类最顶尖的棋手之后，问题掉换了位置——人类是否还能和人工智能对抗？

年初，Master 在网络上一口气横扫 60 名人类棋手，并第二次战胜柯洁之后，棋圣聂卫平曾表示:

Master 改变了我们传统的厚薄理念，颠覆了多年的定式。围棋远不像我们想象的那么简单，还有巨大的空间等着我们人类去挖掘，阿法狗也好，Master 也罢，都是‘围棋上帝’派来给人类引路的。

而著名棋手古力在成为 Master 的第 60 个手下败将之后，也在微博发表了自己的感受：
作为第 60 个勇士，牺牲了。。。经过这几天的对局，我深深的感受到围棋的神秘，似乎 Master 给我们打开一道围棋的神秘之门，不论胜负，人类与人工智能共同探索围棋世界的大幕即将拉开，新一次的围棋革命正在进行着。。。

DeepMind创始人戴密斯·哈萨比斯也在围棋峰会现场发表演讲，他表示，我们对围棋界表示深深的谢意，希望这次比赛能够启发棋手的思路。

我们的最终目的不是输赢，因为不管如何，最终的胜利终将属于人类。让我们一起寻找围棋的真谛。

哈萨比斯称，我们利用人工智能可以解决目前的很多难题，比如医疗。

我们希望AlphaGo与人类的合作可以找到更多的方式，我们希望AlphaGo在其他领域也能取得瞩目的成就。只要你们对现在的疑难问题有兴趣，你们都可以用人工智能去探索。

围棋，因为其宇宙级的复杂程度，曾是人类最后的智慧高地。

然而，人工智能的崛起也并不代表人类的智慧高地受到了冲击，因为人工智能本身也是人类智慧的产物。

它更像是人类智慧的延展，人类探索欲望的延伸。

人类永远热衷于创造比自己厉害的东西，比如跑的比任何生物都快的汽车，比如能飞出外太空的飞船。

我们的征途是星辰大海——这是人类的天性，我们都该庆幸。

本文来自王利芬优米工作室，不代表华彩赢家的观点和立场。