除了比赛，你或许对这些问题也感兴趣

Q AlphaGo是什么？

AlphaGo是DeepMind于2010年开始研发的围棋人工智能，与之前棋类游戏人工智能主要依靠强大的计算能力来暴力破解不同，AlphaGo采用了更类似于人的算法，以应对围棋这个具有超高复杂度的游戏。运用了全新的机器学习技术，在走每一步棋时，先通过策略网络（policy network）将棋盘上的局势作为信息输入，对所有可行的落子位置生成概率分布—这就像是围棋高手先对局势作出判断，进而发现可以进攻的薄弱地带。接下来它再通过价值网络（value network）分析每一个落子位置影响胜负的概率—这相当于棋手面对具体问题时，高手会选择冲、挡、扳、接等各种下法。AlphaGo通过强化学习不断训练这两种神经网络，最终实现了人工智能可以实时有效解决围棋棋局问题的目标。

随着AlphaGo能力的不断增强，围棋圈对它的称呼也从开始的“阿尔法狗”到“阿尔法围棋”，进而到现在的“阿尔法师”。

QDeepMind为什么会选择围棋？

自从人工智能诞生的那一天起，游戏就是它最好的伴侣。人工智能的目标在于分析真实世界，而游戏的本质是人类对于世界的模拟，想像一下象棋里的将、士、车、马、炮，以及楚河、汉界等元素就能明白这一点。此外，由于这些游戏有着广泛的受众，对于提高和测试人工智能的水平来说，都是再适合不过的对象。

在所有游戏中，棋牌类游戏又因为规则简洁明了，输赢都在盘面，而备受科学家青睐。从简单的跳棋、五子棋，到更加复杂的中国象棋、国际象棋，以及高难度的围棋和德州扑克，它们成为一步步检验人工智能新算法水平最好的标杆。

QAlphaGo还能做什么？

AlphaGo虽然是围棋人工智能，但它解决围棋时所使用的机器学习方法却能够广泛应用到其他领域。例如DeepMind团队曾在TensorFlow上開源了一个高级框架Sonnet，以帮助科学家快速创建神经网络模块；此外他们还与Google应用商店Play Store一起尝试将机器学习应用到广告推荐系统中，以及与Android团队合作，试图提高系统的效能。

其中最令人惊喜的是，他们尝试利用人工智能来优化Google数据中心的冷却系统，数据显示，优化过的系统可以降低40%的能耗，对于有着成千上万台服务器的Google来说，这意味着每年能节约上亿美元的开销。

Q从棋手角度看，AlphaGo给围棋带来的冲击有哪些？

首先，AlphaGo冲击了很多围棋选手固有的理念。

过去，人类棋手的下法都是对过往经验的研究和总结，但即使是职业棋手，一辈子可以下的围棋盘数只有几千量级，而其中真正有参考价值、能够推动这门技术前进的仅在百盘左右。然而，AlphaGo最新版本开始自我对弈之后，每天下棋的盘数从几千到一万不等，甚至更多，这迅速将围棋理念推向极致。

其次，未来顶尖棋手的收入可能会逐渐下降，但是随着参与围棋的门槛降低，普及率上升，整体市场将有可能扩大。

围棋未来的路径多少可以参考曾经的国际象棋，1997年，IBM研发的人工智能Deep Blue在第二次挑战国际象棋世界冠军卡斯帕罗夫中以3.5：2.5赢得胜利，在整个人类世界引起轩然大波，这场精彩的营销使得IBM的股价一度上涨30%左右。据统计，在Deep Blue战胜人类后，很多国家象棋的赞助商吝于投资冠名，顶级棋手收入略有下降，次一级的棋手收入相比与1970年巅峰时期则下降很多。因为人类之间比赛的关注度远远低于人机大战。

但与此同时，国际象棋通过人机大战在全球普及开来。原先国际象棋的影响力主要集中在苏联，以及德国、西班牙、古巴等几个国家，在非洲和亚洲几乎没有影响力。但现在完全不同，例如在中国，这几年国际象棋的发展速度就非常显著。