柯潔回應首戰(zhàn)失利，惜敗AlphaGo，柯潔認為主要是還沒有找到它的弱點，“它確實下得太好了，很多地方都值得我們學習，AlphaGo讓我們明白沒有什么棋是不能下的，它正在越來越多地改變我們最初對圍棋的理解?！笨聺嵄硎?，如果把AlphaGo當作人來看的話，它今年跟去年完全是兩個人，因為人工智能是在進化的。

　　從早上10點半到下午接近3點，柯潔執(zhí)黑與AlphaGo鏖戰(zhàn)了4個多小時。他以小目三三開局，但AlphaGo并沒有受到影響，用超強的計算能力持續(xù)對柯潔壓制。盡管宮子階段柯潔竭盡全力，但也沒有找到逆轉的機會。戰(zhàn)至單官收完，黑棋盤面6目，按照中國規(guī)則數(shù)棋，柯潔以1/4子惜敗。

　　不可否認，這盤棋柯潔已經(jīng)發(fā)揮得非常出色，卻仍無法阻擋AlphaGo前進的步伐。盡管最終是最微小的差距，但從過程來看，柯潔一直沒有太好的贏棋機會。難得的是，柯潔賽前收起了他一貫的驕傲，“我覺得我們?nèi)祟愔灰^了拼搏過了，就算輸也沒有什么遺憾的。”結果，以中國圍棋規(guī)則中最小的劣勢輸棋，對柯潔來說已然成功。

　　“就算阿法狗戰(zhàn)勝了李世石，但它贏不了我?！痹?jīng)，柯潔是如此看待AlphaGo，但去年年底到今年年初，這名世界圍棋第一人在面對AlphaGo新版本Master時遭遇連敗。而在今天的烏鎮(zhèn)，舉世矚目的人機大戰(zhàn)2.0首戰(zhàn)中，柯潔依然敗下陣來，不過只以四分之一子小負的他，還有機會贏嗎？

　　柯潔首戰(zhàn)惜敗AlphaGo

　　需要指出的是，和去年人機大戰(zhàn)1.0不同，在比賽用時分配上，當時李世石對AlphaGo的用時是每方2小時，1分鐘讀秒5次，而此次則是每方用時3小時，1分鐘讀秒5次，這樣的改變自然是為了更大程度上為人類提供利好，但這樣依然無力幫助柯潔戰(zhàn)勝AlphaGo。

　　“它確實下得太好了，很多地方都值得我們學習，AlphaGo讓我們明白沒有什么棋是不能下的，它正在越來越多地改變我們最初對圍棋的理解。”柯潔表示，如果把AlphaGo當作人來看的話，它今年跟去年完全是兩個人。

　　比賽前日，柯潔曾發(fā)微博表示，這是他最后三場的人機大戰(zhàn)。對于之后兩場比賽，他說：“AlphaGo的弱點我現(xiàn)在還沒有找到，但是對自己要永遠有信心，我覺得能跟AlphaGo對決是我人生中最榮幸的事，所以我會全力以赴下后面的兩盤棋，珍惜這個機會?！?/p>

　　在為期5天的圍棋峰會中，除了AlphaGo和柯潔進行的三番戰(zhàn)之外，古力和連笑將分別與AlphaGo組隊進行配對賽，五位中國頂尖職業(yè)棋手將組成戰(zhàn)團，以集體智慧對抗人工智能?？聺崒⒂诿魈煸缟?0點半再度登場，對戰(zhàn)AlphaGo。

　　柯潔迎戰(zhàn)AlphaGo表現(xiàn)優(yōu)于李世石？

　　據(jù)香港《經(jīng)濟日報》5月23日報道，根據(jù)清華航院AI神算子給出的數(shù)據(jù)是，雙方行棋至106手，柯潔勝率持續(xù)提升至45.91，落后僅7目。至108手，柯潔勝率為45.63。

　　與去年對弈AlphaGo的韓國棋手李世石相比，李世石首局4個半小時完成186手；其勝率曾維持在40％開頭，一度升至47％左右，但隨后又在116手后跌至僅兩成多。

　　從初步推據(jù)推算，柯潔的表現(xiàn)可能已好于去年李世石。

　　當然這些報道是港媒的說法，不管怎么說，我們都相信人定勝天，只是在一些計算、功能性的層面人類確實是比不個機器，但是機器畢竟是為人類服務的，就像中國圍棋名將柯潔與谷歌人工智能系統(tǒng)AlphaGo的人機圍棋大戰(zhàn)，盡管落敗，但與去年挑戰(zhàn)AlphaGo的韓國棋手李世石相比，柯潔的表現(xiàn)有過之而無不及。

　　中國圍棋協(xié)會主席王汝南認為，到目前為止還是很有意思的，柯潔有備而來，備戰(zhàn)還是很詳細的。

　　韓國棋手金庭賢點評柯潔今天的表現(xiàn)時，以前柯潔和人類下，始終顯得很從容。但今天臉上充血，顯得很緊張。

　　人工智能注定統(tǒng)治人類？

　　AlphaGo挑戰(zhàn)現(xiàn)排名世界第一的圍棋國手柯潔九段，對于這件事，創(chuàng)新工場李開復評價道，此次對決人類勝率幾乎為零。

　　李開復說，AlphaGo和李世石的人機大戰(zhàn)是第一次，可能還有懸念，但是現(xiàn)在進化的AlphaGo和柯潔的人機大戰(zhàn)，不再擁有任何其他的可能。李開復指出，AlphaGo和柯潔的比賽并非沒有意義，而是在科學價值層面已經(jīng)失去看點。他呼吁既然AlphaGo和冷撲大師，已經(jīng)讓機器在游戲領域的“不可戰(zhàn)勝”不再有懸念，那不如把更多的精力投入到人工智能的商業(yè)應用層面。

　　還有個觀點是這樣說的：如果人工智能比作一個生物，那為什么這種生物比人類對下棋更執(zhí)著？

　　很難說清究竟是誰第一個教會了計算機下棋，二十世紀最偉大的計算機科學專家克勞德·香農(nóng)在1949年發(fā)表了論文《編程實現(xiàn)計算機下（國際）象棋》。

　　而另一位同樣被載入計算機發(fā)展史的學者艾倫·圖靈在1952年編寫了第一個計算機下棋程序——當時計算機的算力無法支撐這個程序的運轉，圖靈用筆和紙進行模擬驗算與人類同事對弈，每走一步要花半小時的時間，最后輸了。

　　如果AlphaGo戰(zhàn)勝柯潔，那么就意味著：從學會下棋到在棋盤游戲領域完勝人類，人工智能等了這一天50年。如果輸了，它還要繼續(xù)進化下去。其實早在20世紀50年代、70年代、90年代和21世紀初，分別有人預言“人工智能馬上就要統(tǒng)治人類了”。

　　要知道，在深度學習出現(xiàn)之前，單層神經(jīng)網(wǎng)絡算法只能做簡單的線性判斷。為了解決非線性判斷，研究人員發(fā)明的多層神經(jīng)網(wǎng)絡在訓練上又需要幾乎不可實現(xiàn)的計算量。直到上面描述的參數(shù)一層一層自動傳導的“反向傳播”機制出現(xiàn)，才讓深度學習成為了可以實際應用的技術。

　　在多層神經(jīng)網(wǎng)絡中的每一個“神經(jīng)元”都與我們大腦中的神經(jīng)元一樣簡單而優(yōu)雅，卻能至少在一定程度上模擬我們的大腦對世界的感知和判斷。這讓采用深度學習的人工智能真的可以用一個“孩子”來形容。人工智能的進步會來自于兩方面：一方面爆炸式的算法改進，另一方面是漸進式的算力提升。

　　人工智能一直在持續(xù)進步，回顧人工智能的進步史，盡管時間并不確定我們卻不難得出這樣一個結論：人工智能終將戰(zhàn)勝人類。

　　人類對算法的研究，更像是對宇宙客觀存在的發(fā)現(xiàn)。盡管它依然需要積累、嘗試和科學家的睿智，但它對人工智能的影響是突變式的。就像我們可以將物理學分為牛頓發(fā)現(xiàn)萬有引力前和發(fā)現(xiàn)萬有引力后一樣。

　　多層神經(jīng)網(wǎng)絡算法可能并不是未來真正高級人工智能的最終算法。這意味著即便以AlphaGo為代表的此時代人工智能，在現(xiàn)實生活中可能永遠是現(xiàn)在這幅智障模樣。但并不意味著人工智能發(fā)展會就此停滯。

　　與算法不同，算力的進步是一種對工程精度和工業(yè)化水平的考驗——盡管摩爾定律已經(jīng)主見失效，但量子計算機、生物計算機等前沿計算設備可能會讓算力的進步繼續(xù)下去。

　　圍繞AlphaGo，背后的技術包括圖像處理、大數(shù)據(jù)分析等，這些技術目前在其它領域的使用還在早期探索階段，只在AlphaGo研究的中間環(huán)節(jié)某些領域應用，但是在未來肯定會在多個領域推廣相關的技術。

AlphaGo之父Demis Hassabis

　　AlphaGo之父Demis Hassabis表示，目前信息過載和系統(tǒng)冗雜是人類面臨的巨大挑戰(zhàn)。希望利用AI找到元解決方案?！拔覀兊哪繕耸菍崿F(xiàn)‘人工智能科學家’或‘人工智能輔助科學‘?！?/p>

　　“人工智能和所有強大的新技術一樣，在倫理和責任的約束中造福人類?！?Demis Hassabis說。這意味著，人工智能應該是應用于科學、制藥等領域，而不是應用于研發(fā)武器、戰(zhàn)爭上;此外，人工智能不能只為少數(shù)幾家公司使用，而是為全人類所共享。

　　我們確實發(fā)現(xiàn)AlphaGo已經(jīng)展示出了創(chuàng)造力，在某一個領域它甚至已經(jīng)可以模仿人類直覺了。但是小編認為科幻小說中被機器人統(tǒng)治的場景出現(xiàn)的概率很小，既然已經(jīng)有預計會出現(xiàn)這種情況，人類在發(fā)展人工智能的同時就不會加以手段和限制條件？肯定有雙贏的策略可以去規(guī)避。