我柯尽力了，对面的确不是人。

智东西文

Lina

智东西5月5日下午不到点，今天，柯洁再度迎战AlphaGo。比赛依旧从上午10点半开始，在经历了第一场的1/4子落败后，柯洁在第二盘中盘投子认输，败于AlphaGo。这是本次乌镇围棋大赛中柯洁对战AlphaGo三场比赛中的第二场，也正式宣告了本次人机大赛的结局——人类落败。但由于本次以“三番棋”形式下棋，输赢都将下满三场，因此本周六还将会有第三场的比赛。

第一场比赛相关信息参照（快讯！柯洁人机大战首战落败深度拆解AlphaGo套路）

（和第一场比赛相比，柯洁似乎紧张很多，在开场30分钟就提前进入了“抓头发”状态）

AlphaGo是由谷歌旗下DeepMind团队的戴密斯·哈萨比斯、大卫·席尔瓦、黄士杰等开发的一款人工智能程序。年3月，AlphaGo曾以5:3战胜韩国棋手李世石，成为第一个击败人类职业围棋选手的电脑程序。年1月底，AlphaGo身披“Master”马甲，5天内横扫中日韩棋坛，最终以60场连胜纪录告退。

第二局虽然中盘落败，但是第一局输了1/4子，乍看都不多，是否意味着对战双方只存在细微的能力差距，人类稍加努力就能迎头赶上呢？

不是的。

（第一场比赛）

在第一场赛后，柯洁曾坦言，自己就知道要输1/4子，AlphaGo每步棋都是匀速，在最后单官阶段也是如此，所以自己有时间点目，看清输1/4子了。

作为电脑程序，DeepMind团队给AlphaGo设定的目标是“去赢”，而不是“去赢得更多目数”。打个比方，因此如果在下A处时有99.9%的几率能够赢得1/4子，而在下B处时有99.8%的几率能够赢得10子，AlphaGo将会选1/4子而不是10子。

因此，AlphaGo将会使用最稳妥的方法保证自己能赢，哪怕这意味着以最小的差距取得胜利——1/4子。

为了以示区分，DeepMind团队将去年战胜李世石的“老狗”称为AlphaGoLee，将将战胜李世石的“新狗”称为AlphaGoMaster，取自年初时横扫棋坛的马甲“Master”。

大家可能下意识地觉得，程序迭代升级，必然意味着计算能力的大大提升。上一代AlphaGo配备了50个TPU（张量处理单元，TensorProcessingUnit，可以理解成谷歌专门为机器学习打造的芯片），可以向下搜索50步棋，这一代少说没有个不好意思见人吧？

那么这一代AlphaGo的配置如何呢？

4块TPU。

是的你没有看错，计算能力大甩卖，只要4块TPU，统统4块TPU……

顺便一提，在最近谷歌的年I/O开发者大会上，谷歌CEOSundarPichai还宣布推出了下一代TPU，对深度学习的训练性能及应用/推理性能都进行了优化。但是本次AlphaGo使用的依旧是上一代的TPU，而且短期内谷歌应该不太可能向公众出售配有TPU芯片、主板、或是服务器。

AlphaGo团队负责人DaveSilver表示，“AlphaGoMaster是一个新版本的AlphaGo，我们非常努力地去改进了它的基础算法。算法比（用来训练的）数据量、计算能力都更为重要……和去年李世石版本的AlphaGo相比，AlphaGoMaster只用了10%的计算能力，并且只训练了几周时间，不像之前需要训练数月。”

AlphaGoMaster的一大创新点就是它更多地依赖于自我学习。在这个版本中，AlphaGo实际上成为了它自己的老师，从它自己的现有经验中搜索中获得结果，和上一个版本相比大大减少了对人类现成经验（棋谱）的依赖（reliesmuchlessactuallyonhumandata），但并不是完全脱离了人类经验。

在比赛首日，搜狗公司CEO王小川曾经就AlphaGo和柯洁的人机大战发表了看法，其中有这样一段话：“根据公开资料推测，此次AlphaGo.0的技术原理与之前有着巨大不同：1、放弃了监督学习，没有再用人的万局棋谱进行训练。”

这是一个非常容易引起误导的描述，而事实证明也确实引起了不少误导。甚至到现场时，有人向DeepMind创始人兼CEODemisHassabis问出了这样一个问题——“这次的AlphaGo是纯净版的AlphaGo吗？也就是说，它是否是完全不依赖人类大师的棋谱来自我学习的？”

(DeepMind创始人兼CEODemisHassabis)

DemisHassabis听到这个问题时的眼神非常迷茫……他是这样回答的，“我不太确定我真的完全明白了这个问题，但是……你知道的，很明显，AlphaGo需要先从人类经验里学习，然后（这个版本的AlphaGo）更加依赖从自我博弈中学习。”

原文“I’mnotsureifIunderstandthequestioncorrectly,but…Youknow…ObviouslythisversionAlphaGoinitiallylearnsfromhumangames,andthenmostofitslearningnowisfromitsownplayagainstitself.”

AlphaGo并不是完全脱离了人类棋谱、完全不使用监督学习，只是更加依赖于自我学习的数据来成长。其实这种“学习棋谱＋自我博弈”的模式在上一代AlphaGo中已经得到了使用，这一代只是将重心侧重到了后者上而已。

退一万步来讲，没有人类棋谱的经验，AlphaGo连围棋的规则、概念、下法都不知道，谈何战胜世界冠军？“完全脱离人类经验”？——别闹了。

监督学习、无监督学习、深度学习、增强学习……这一个个翻译过来的计算机名词让人听得云里雾里，再加上“神经网络”、“机器学习”、“人工智能”那么它们具体是什么意思呢？

首先可以将监督学习（SupervisedLearning）和无监督学习（UnsupervisedLearning）看作一对。监督学习给机器一些标注数据，将这些标注作为“监督”（结果好/坏的评判标准），接着让机器学习一个好的函数，从而对未知数据作出决策。非监督学习就是给机器不带标注的数据，让机器自己学会分类评判。

比如你将一张车的图片给机器看，并且告诉它这是车，下次它就会说出“车”。如果你给他展现出一张狗，它还说车，你就告诉它“你错了，这是狗。”久而久之的，它在“车”和“狗”的图像分辨中就能做得越来越好，原理其实很简单，但是对数据量的要求非常大。

接着我们可以将深度学习（DeepLearning）和增强学习（ReinforcementLearning，也译作“强化学习”）看作一对。深度学习现在大多用的大部分还是监督学习的方式，AlphaGo在学习棋谱的过程中使用的也是监督学习，类似上文中“车”和“狗”分类的例子。增强学习不像传统的监督学习，但也不能分类为无监督学习……是的，这确实有点绕。

在增强学习中，相当于你不告诉机器下一步怎么走，等它随机执行了一轮操作后，如果结果是好的，那么给它奖励，如果结果是不好的，那么给它惩罚，但是不告诉它哪一步做错了，久而久之机器会自己摸索出一套最佳方案来。

至于卷积神经网络（ConvolutionalNeuralNetwork，CNN）则是深度学习的一种，安排深度学习的深层架构可以通过是直接堆叠，也可以通过卷积神经网络。

机器学习（MachineLearning）则是这些学习的总称，顾名思义就是让机器学会学习。

人工智能（ArtificialIntelligence）是更大的一个范畴，包括感知智能、认知智能、运动智能等等。

DeepMind团队当时选择更多地依靠增强学习来训练AlphaGo，减少对人类棋谱的依赖，其目的之一就是增加AlphaGo的泛化能力，使它变得更为通用，从而能被应用在围棋以外的领域上。

现在学术界的一个较为主流的观点是，训练机器进行增强学习需要建立一个世界模拟器（WorldSimulator），模拟真实世界的逻辑、原理、物理定律等。

想象一下，人类在电脑里打造了一个完全虚拟的世界，里面天是蓝的、地是实的、重力会将你抓牢……当你在这个世界里造出一个机器人来，只有婴儿刚出生时的体力，不会走，甚至不会爬，将它放进这个世界里不断刺激、不断训练，会发生什么？

这个机器人将会逐渐学会爬行、站立、奔跑，整个过程中人类只提供了一个初始参数，其他所有的训练都是靠这个机器人在环境中一次次的试错中。

这事听起来很黑科技，但其实已经有不少人在做了。

拿OpenAI为例，OpenAI是ElonMusk于年1月宣布成立的非盈利AI项目，主要







































北京哪家医院治疗白癜风效果好
看白癜风的医院哪家好