close
李世石(右二)在一系列比賽中輸給瞭AlphaGo，他在賽後與裁判一起復盤。(攝影：Geordie Wood；圖片來源：《連線》)
台中馬桶不通 新浪科技 周峰
回想起三月初，李世石輸給AlphaGo的第二場剛剛結束。《連線》記者愛德華·莫納幹(Edward Monaghan)從觀戰室的第一排起身抓起筆記本，大踏步地向門外走。我在上前采訪現場解說麥克·雷蒙(Michael Redmond)九段時和他打瞭個照面，告訴他看完比賽，我的心裡很難過。
難過應該是現場媒體普遍的感受。第二場比賽結束後，比賽所在地首爾四季酒店一片死寂，隻能聽到周圍媒體記者搶發稿件時的鍵盤聲。前一天李世石宣佈認輸的時候，觀戰室的反應截然相反，一片炸裂。雖然從我個人來看，AlphaGo並不意味著圍棋的終結，但你可以從我們當時的報道裡感受現場的壓抑。
本周，莫納幹在《連線》雜志在封面報道“編程已死”當中，再一次還原瞭3月初，震驚瞭整個世界的一周。莫納幹的視角更加深入，他跟隨谷歌DeepMind團隊，記錄和還原瞭人機大戰中最關鍵的第二場和第四場比賽。除此之外，人工智能帶給我們的究竟是什麼樣的未來？或許你能從李世石和DeepMind團隊的故事裡找到答案。
以下是文章的主要內容：
黃士傑(Aja Huang)把手伸入裝有拋光黑色石質棋子的木碗中，用中指和食指夾出一枚棋子，眼睛透過金屬鏡框的眼鏡一直盯著棋盤。他把棋子置於棋盤上一個幾乎空白的區域中，就在一枚孤零零的白棋的左下方。在圍棋裡，這被稱為“尖沖”，即從遠離大部分對弈區域的側邊進行進攻。
坐在桌子對面的李世石(Lee Sedol)——過去十年裡最優秀的圍棋棋手——愣住瞭。他看瞭看棋盤上擺放的37枚棋子，然後起身離開。
在50英尺外的觀戰室裡，邁克·雷蒙(Michael Redmond)正通過閉路轉播觀看這場比賽。他是唯一一名達到圍棋最高段位——九段的西方棋手。他也和李世石一樣吃驚。“我不知道這步棋是好是壞，”雷蒙對著近兩百萬在線觀看比賽的觀眾們這樣說道。
“我還以為那是步錯棋，”另一名英語評論員克裡斯·加洛克(Chris Garlock)這麼說道，他是美國圍棋協會聯絡副主席。
幾分鐘後，李世石回到瞭比賽室。他坐瞭下來，卻沒有伸手拿棋子。一分鐘過去，又一分鐘過去——整整15分鐘過去瞭，圍棋棋手對弈一局的基本時限是兩個小時，這可占瞭很大一部分。最終，李世石拿起瞭一枚棋子放在瞭棋盤上，就在黃士傑剛剛放下的黑棋的正上方。
黃士傑的那一步棋不過是整局棋的第37手，卻讓李世石無法挽回。4小時20分鐘後，李世石選擇認輸。
但是黃士傑並不是這場比賽的勝利者。他隻是按照指令下棋——在他的左邊有一臺平板顯示器，這臺顯示器與附近首爾四季酒店裡的一間控制室相連，同時還與分佈在世界各地的谷歌數據中心的成百上千臺電腦相連。黃士傑不過是下棋的那隻手，而操控那隻手的是一部名為AlphaGo的人工智能——它打敗瞭世界上最優秀的圍棋棋手之一，而圍棋或許是人類創造的最為復雜的遊戲瞭。
在那個觀戰室裡還有一名圍棋專傢觀看比賽，他就是的三屆歐洲圍棋冠軍樊麾(Fan Hui)。一開始，第37手也令他感到困惑。但他和AlphaGo對弈過。與其他人相比，他算是AlphaGo的陪練瞭。在五個月裡，樊麾與這臺機器進行過成百上千局對弈，讓它的創造者明白它錯在哪裡。樊麾經常輸給AlphaGo，但他漸漸變得比任何人都明白它。在他眼裡，那一步“尖沖”不像是人類會下出的一步棋。但是思索瞭十秒後，他恍然大悟。“這步太美瞭，”他說，“太美瞭。”
五局三勝制度下，AlphaGo以二比零的優勢領先於李世石——甚至整個人類。第37手反映出，AlphaGo並不隻是重復多年來程序算出的成手，或者通過暴力預測算法來機械地落子。在那一刻，AlphaGo證明它是住宅化糞池清理有思考能力的，或者至少能以旁人無法辨別的方式模仿思考。在李世石眼中，AlphaGo表現出瞭圍棋棋手所說的“直覺”——一種讓它能以像人類一樣的方式，甚至超越人類的方式下出優美棋局的能力。
但是不要為李世石的失敗，或者人類的失敗惋惜。李世石並不是殉道者，第37手也並不是機器無情超越人類的開始。恰恰相反：這步棋是機器與人類共同進步的開始。
* * *
大衛·席爾瓦負責領導創造AlphaGo的團隊。(攝影：Geordie Wood；圖片來源：《連線》)
當大衛·席爾瓦(David Silver)還是一名來自英格蘭東海岸城市薩福克的15歲國際象棋錦標賽選手時，戴米斯·哈薩比斯(Demis Hassabis)已經是一名戰無不勝的國際象棋神童，一個不折不扣的奇跡。他的母親是中國和新加坡混血，父親是希臘和塞浦路斯混血，一傢人住在倫敦。他曾經是世界上14歲以下棋手中段位第二高的孩子。他經常參加地方賽事來保持自己思維的靈活性，同時掙一點外快。“我知道戴米斯時他還不知道我，”AlphaGo團隊的領導者席爾瓦說道，“我曾見他出現在我們鎮上，贏得瞭比賽，然後離開。”
他們倆在劍橋讀本科時正式見瞭面。為瞭瞭解人類的思維，研究機器是否也能變得智能，兩人的專業都是計算神經科學。但真正將兩人聯系在一起的是遊戲，包括棋牌遊戲和電腦遊戲。
那是1998年。畢業後，兩人自然而然地合開瞭一傢電子遊戲公司。哈薩比斯經常和一名同事下圍棋，席爾瓦在他的影響下也開始自學圍棋。“如果你能在任何事情上打敗戴米斯，那簡直就像得到瞭榮譽勛章一樣，”席爾瓦說道，“而且我還知道，戴米斯不過是剛開始對圍棋感興趣而已。”
他們加入瞭當地的圍棋俱樂部，和二三段的棋手對弈(相當於空手道黑帶)。他們的野心還不止於此：他們忍不住思考，為什麼機器從未破解這種智力遊戲。1995年，一個名為Chinook的電腦程序打敗瞭世界上最優秀的西洋跳棋選手。兩年後，IBM的深藍超級計算機擊敗瞭國際象棋世界冠軍加裡·卡斯帕羅夫。接下來的一年，機器還在Scrabble、Othello，甚至電視問答遊戲節目《危險邊緣》中獲勝！用博弈台中化糞池清理論的術語講，圍棋與國際象棋和西洋跳棋一樣，是一種完全信息博弈遊戲——毫無運氣可言，信息完全公開。通常來說，電腦應該輕松就能將其掌握，但其就是攻克不下圍棋。
問題是，圍棋隻是看起來簡單。圍棋誕生於3000多年前的中國，由兩名棋手在一方縱橫各19條直線的棋盤上對弈。棋手交替將黑白棋子放置於直線的交點上，努力包圍對方下的棋子，或者將對方顏色的棋子隔開。人們把國際象棋比喻為戰爭，但其實它更像是一場戰役。圍棋更像戰場全局，或者地緣政治博弈。棋網一角產生的漣漪會波及整盤棋局，局勢變化莫測。在國際象棋中，一名棋手在一輪中通常有35種下法可以選擇，但在圍棋裡，這一數字接近200。整場對弈下來，復雜程度又是另一個級別瞭。正如哈薩比斯和席爾瓦常說的那樣，圍棋棋盤上可能出現的情況比整個宇宙中的原子數量還多。
所以，與國際象棋不同，圍棋棋手——不論是人類還是機器——都看不透每一步會帶來的最終結果。頂級棋手靠的是直覺，而非硬算。“好的佈局看起來就很美，”哈薩比斯說，“它遵循著一定的美學。這就是幾千年來圍棋一直令人著迷的原因。”
首爾四季酒店觀戰室裡的媒體。(攝影：Geordie Wood；圖片來源：《連線》)
2005年，哈薩比斯和席爾瓦的遊戲公司倒閉瞭，兩人遂分道揚鑣。在阿爾伯塔大學，席爾瓦研究瞭人工智能的初級形式——增強學習。通過這種方法，機器可以重復同樣的任務，找出效果最佳的決策，從而實現自主學習。哈薩比斯則去到瞭英國倫敦大學學院，獲得瞭神經系統學的博士學位。
2010年，他們再次相聚。哈薩比斯在倫敦成立瞭一個名為DeepMind的人工智能公司，席爾瓦則加入瞭他。他們雄心勃勃，想要創造真正能夠思考的通用人工智能。但他們必須找到一個出發點。
這個出發點自然是遊戲，因為它們確實是檢測人工智能的好辦法。從定義上來說，遊戲是有限的。它們與實際生活不同，更像是裝在瓶子中的小型宇宙，你能客觀地評判成敗輸贏。DeepMind將增強學習和深度學習相結合，這種新方法能夠在龐大的數據集中找到規律。為瞭驗證這種方法是否可行，研究者們教導他們剛剛成型的人工智能玩《太空侵略者》和《打磚塊》。
它在《打磚塊》上成效顯著。這個遊戲基本和《乒乓》差不多，不過不是和對手來回擊打一個像素小球，而是用像素小球擊打彩色磚塊。打中一個塊磚塊便會消失；沒接中球或者把球打到瞭屏幕外就算輸。玩瞭500局遊戲後，DeepMind的系統學會瞭將球以一定的角度打到磚塊後面，從而保證小球一直在墻後擊打磚塊。這是一個經典的《打磚塊》打法，但是DeepMind的電腦每次都能精準地使用這一方法，其速度是任何人類都無法超越的。
為瞭尋找投資人，哈薩比斯在一個晚宴上纏著彼得·蒂爾(Peter Thiel)不放——他是PayPal的聯合創始人以及Facebook的投資人。哈薩比斯隻有幾分鐘的時間吸引他。他知道蒂爾熱衷於國際象棋，便壯著膽子說國際象棋之所以能流傳這麼久，是因為象和馬的優劣勢之間充滿創意的博弈。蒂爾提出要哈薩比斯第二天和他正式比一場。
一旦有一位矽谷億萬富翁聽說過你，其他富翁也會知道你。通過蒂爾，哈薩比斯見到瞭伊隆·馬斯克，後者則和谷歌CEO拉裡·佩奇提及瞭DeepMind。不久便傳出報道，稱谷歌以6.5億美元的價格收購瞭該公司。
加入搜索引擎巨頭後，哈薩比斯在一場會議上用雅達利遊戲機做瞭展示，與會人員包括谷歌的聯合創始人謝爾蓋·佈林(Sergey Brin)。他們發現兩人之間有著共同的愛好。在斯坦福攻讀碩士的時候，佈林沉迷於圍棋，以至於佩奇都擔心谷歌能不能建立。
所以當佈林遇見哈薩比斯，他們討論瞭許多關於圍棋的事情。“你知道嗎，幾年內，DeepMind或許能打敗世界圍棋冠軍，”哈薩比斯說道，“隻要我們盡心研發。”
“我覺得那不可能，”佈林回復道。
哈薩比斯就等這句話。如他們所說，遊戲已經開始。
* * *
由於圍棋技藝精湛，李世石在韓國享有英雄一般的待遇。(攝影：Geordie Wood；圖片來源：《連線》)
第二局棋結束後，席爾瓦進入AlphaGo的控制室。它的大腦不在此處，也不在任何地方，而是存在於全球成百上千臺電腦之中。但是面對著這些顯示器，席爾瓦能窺探AlphaGo的思想，監控其運行是否正常，並跟蹤它對每場對弈結局的預測有何變化。
敲打幾下鍵盤，席爾瓦調出瞭AlphaGo在對弈期間做出的決策記錄。他放大查看AlphaGo在下出第37手的前一刻發生瞭什麼。
在DeepMind和AlphaGo出現之前，人工智能研究者們試著用機器攻克圍棋，在對弈時系統預測每一步棋將引發的結局——即用計算機的暴力計算來解決這一問題。1997年，IBM的深藍就是用這種方法在國際象棋上打敗卡斯帕羅夫的。那時我作為《PC Magazine》的見習記者報道瞭那場比賽。與如今李世石對戰AlphaGo一樣，當年的人們也認為那是人工智能的標志性時刻。奇怪的是，還是與李世石的第二局比賽一樣，深藍在第二局比賽中也走出瞭人類不會走出的一步。卡斯帕羅夫和李世石一樣困惑不已，但他並沒有李世石那樣的鬥志；他幾乎立刻認輸，在巨大的壓力下認輸。
但是這種暴力計算從未攻克圍棋。圍棋有太多的可能性，即使是電腦都難以處理。席爾瓦的團隊另辟蹊徑，建造瞭一個能學會下出好棋局的機器，然後再讓它進行比賽。
在倫敦國王十字車站附近的DeepMind辦公室中，這支團隊將3000萬步人類下出的圍棋步法輸入到一個深度神經網絡中，這個網絡的硬件和軟件能大致模擬人腦中的神經網。神經網絡其實很常見，Facebook用它們給照片中的人臉加上標簽，谷歌則用它們來識別安卓手機收到的語音命令。如果你給一個神經網輸入足夠多的你媽媽的照片，它就能記下她的臉。給它輸入足夠的話語，它就能識別你所說的話。輸入3000萬步圍棋步法，它就能學會下圍棋。
但是瞭解規則和達到一流水平之間還是存在差距的。第37手並不在那3000萬步之中。那麼AlphaGo是如何學會下出這一步的呢？
觀戰室中的韓國媒體。(攝影：Geordie Wood；圖片來源：《連線》)
AlphaGo知道——如果它能夠“知道”的話——這一步是放長線釣大魚。“它知道職業棋手並不會選擇這麼走，但是當它不斷地深入探索，它可以推翻原先輸入的指導步法，”席爾瓦這麼說道。從某種意義上來說，AlphaGo開始自主思考。它做出的決定不是以其創造者在其數字DNA中編入的規則為基礎的，而是以其自學的算法為基礎的。“它通過反思和分析，自己探索出瞭這點。”
事實上，這臺機器還計算出，一名人類專業棋手隻有萬分之一的可能性下出同樣的一步。但是AlphaGo還是下瞭這一步。
當它通過這些人類步法學會瞭怎樣下圍棋，席爾瓦就讓這臺機器和它自己對弈——和一個與它的神經網絡(稍稍)不同的版本不斷對弈。在對弈中，它記錄著哪些步法能讓其在棋盤上圍地最多，帶來最大的收獲——這是席爾瓦在攻讀碩士期間研究過的增強學習技術。AlphaGo開始發展出一套屬於自己的非人類指令系統。
但這不過是竅門的一部分。後來，席爾瓦的團隊將這些非人類圍棋步法輸入到第二個神經網絡中，教它像卡斯帕羅夫(或者深藍)預測國際象棋棋局一樣預測圍棋的棋局。它無法像國際象棋那樣預測所有可能的步法——這一做法尚未實現。但是將其與自己對弈多場後收集到的所有信息輸進去後，AlphaGo開始可以預測一場圍棋對弈可能展開的方式。
你能根據自己從未見過的起始條件來預測結局嗎？如果能，這便是直覺。在第二局比賽中，AlphaGo正是憑直覺下出瞭第37手，即使是最優秀的人類棋手也無法洞悉這一點。這甚至超出瞭它的創造團隊的預測。“觀看這些比賽時，我都無法描述心裡有多緊張，”席爾瓦回到控制室後這樣對我說，“我真的不知道會發生什麼。”
* * *
作為AlphaGo的創造者，哈薩比斯感到驕傲，甚至飄飄然。但他希望李世石能夠贏下一局。(攝影：Geordie Wood；圖片來源：《連線》)
如果你花6.5億美元買下一傢公司，你肯定不是因為它能研發一個會玩棋牌遊戲的電腦。深度學習和神經網絡支撐著十多項由谷歌提供的服務，包括它那無所不能的搜索引擎。AlphaGo另一個不那麼秘密的武器——增強學習已經在教導該公司的實驗室機器人們拿起並移動各種物品。所以你能看出，這場比賽對谷歌員工們來說有多重要。谷歌的前CEO、現任董事長埃裡克·施密特(Eric Schmidt)在第一局開始前飛瞭過來。該公司最著名的工程師傑夫·迪恩(Jeff Dean)也在現場觀看第一局比賽。謝爾蓋·佈林飛來看瞭第三局和第四局，還在他自己的木制棋盤上跟著下。
但是，商業問題並不是最重要的。比賽期間，我和哈薩比斯在首爾的文化和政治中心——擁有600年歷史的鐘路區一起散瞭會步。就在我們聊天時，一名年輕婦女睜大眼睛，認出瞭哈薩比斯——他的臉出現在瞭韓國的各大電視臺和報紙上。然後她就像看見瞭泰勒·斯威夫特或者賈斯汀·比伯那樣，激動地似乎要暈過去。
“你看見她的反應瞭嗎？”我說。
“看見瞭，”他面無表情地回答，“已經見怪不怪瞭。”
他或許不是在開玩笑。電腦工程師通常不會有粉絲，但是在韓國，有800萬人下圍棋，而李世石被他們視為民族英雄。在中國，有超過2.8億名觀眾觀看瞭賽事直播。
所以，當李世石輸掉瞭第一局和第二局比賽時，觀眾們的熱情和激動被一些更加陰暗的情緒取代瞭，這也是情理之中的。第二局結束時，一名名為周峰的中國記者在觀戰室攔下瞭我，開心地和我這種將AlphaGo視為科技奇跡而非圍棋殺手的人進行對話。
但是當我詢問看見李世石輸瞭比賽他作何感想時，他指著心口說：“我很難過。”
我也能感受到那份難過。某樣本來隻屬於人類的東西再也不由我們獨享。許多觀看這場比賽的人們意識到，機器已經跨過瞭一道門檻。它們已經超越瞭人類的極限。當然，目前的機器還無法與人類進行實質意義的對話，編不出一個有趣的笑話；它們不會玩猜字遊戲，也無法像我們一樣根據由來已久的常識做出判斷。但是，AlphaGo對我們的無情超越表明，如今的機器已經可以模仿——甚至超過——指引世界最優秀的圍棋棋手們的人類直覺。
李世石緊接著輸掉瞭第三局，AlphaGo在五局三勝中取得瞭勝利。在後來的新聞發佈會上，李世石坐在哈薩比斯的旁邊，因為讓人們失望而作出道歉。“我本可以拿出更好的成績，帶來更好的結局，”他這樣說道。
李世石發言時，一種意料之外的感覺開始啃食哈薩比斯的內心。作為AlphaGo的創造人之一，看著這臺機器實現瞭人們認為其不能實現的成果，他感到驕傲，甚至飄飄然。但是即使是他也因為自己是人類的一員而感到不甘。他開始希望李世石能夠贏下一局。
* * *
圍棋講解員在賽後發佈會上分析棋局。(攝影：Geordie Wood；圖片來源：《連線》)
第四局下瞭2個小時，李世石又陷入瞭另一個麻煩中。他這局下得咄咄逼人，對棋盤上的特定區域發起猛攻。但是AlphaGo采取瞭更加豪邁的風格，以著眼整體的方式對整局局勢進行衡量。在第37手時，AlphaGo將一枚黑色棋子置於一個旁邊隻有一枚白棋的地方，遠離主戰場。再一次，在第四局中，機器使用瞭一種神秘的方法控制瞭這場比賽。
AlphaGo已經贏得瞭整場比賽。李世石不再為瞭勝利下棋，而是為瞭人類。77手後，他似乎猶豫不決。他用右手撐著下巴，身體前後搖晃，在椅子中坐立不安，還伸手去撓脖子後部。兩分鐘過去瞭，四分鐘過去瞭，六分鐘過去瞭。
然後，左手扣著脖子後部的他做出瞭回擊。他用右手的前兩個手指執起一枚白棋，放在瞭緊挨著棋盤中心的地方。這是這局棋的第78手，一步“挖”步，即在兩片大范圍緊密的地區中間插入一棋。然後機器眨眼瞭。當然，不是真的眨眼，但是它的下一步令人心驚肉跳。李世石向黃士傑投去尖銳的眼光，似乎黃士傑才是他的對手而不是那十億個電路。
在AlphaGo的控制室，運行機器的人們都停下瞭手裡的工作，盯著他們的顯示屏看。在李世石下出那絕妙的第78手之前，AlphaGo計算自己的勝算為70%。八步之後，這一數字變得不值一提。忽然，AlphaGo不是下一個深藍，而成為瞭下一個卡斯帕羅夫。它無法相信一個人類會下出那一步——其可能性接近萬分之一。
李世石與AlphaGo之間的人機大戰在韓國成瞭重大新聞事件。(攝影：Geordie Wood；圖片來源：《連線》)
和人類一樣，AlphaGo也會被驚訝震住。比賽進行到4小時45分鐘時，AlphaGo認輸瞭。和我們一樣，它也會輸。
“到目前為止，AlphaGo所作出的所有思考都歸於無用，”哈薩比斯說道，“它不得不從頭再來。”
終局開始瞭，我本來應該和哈薩比斯以及他的團隊一起觀看比賽。但就在我去找他們之前，一名谷歌員工來到新聞發佈室找到我。“非常抱歉，”她說，“團隊改變主意瞭。他們不希望終局時有記者在場。”
她走之後，我對《連線》的攝影師喬迪·伍德(Geordie Wood)說：“你知道那代表著什麼嗎？AlphaGo覺得自己要輸瞭。”
情況確實如此。開局不久AlphaGo就犯瞭一個新手才會犯的錯誤。在棋盤下半部分的擁擠區域，它將一枚白子放得太過接近李世石的一線黑子，丟掉瞭整片區域。AlphaGo的直覺錯瞭；和人類一樣，這個機器也有盲區。
但是隨著比賽進行到第三個小時，AlphaGo開始挽回頹勢。到三個半小時時，李世石的時限到瞭。根據比賽規則，從現在開始他每一步最多用一分鐘，否則就算犯規。但是在他右手上方的棋盤上，還有一大片區域空白。再一次，他一直等到最後一秒才置下棋子。
然後AlphaGo的時限也到瞭。兩名棋手都以看似不可能的速度下著棋。棋盤上滿是棋子。整場比賽中第一次，棋局看起來會下到最後——兩方都不認輸，進行最終計分。但是到瞭第五個小時，李世石和AlphaGo之間的差距太大，李世石選擇認輸。AlphaGo也會失敗，但依然贏得瞭最終勝利。
* * *
全世界隻有樊麾能體會李世石，他評論比賽時說“善待李世石吧，善待。”(攝影：Geordie Wood；圖片來源：《連線》)
全世界隻有一人能真正體會李世石的感覺，那就是樊麾，三屆歐洲圍棋冠軍兼AlphaGo的真正訓練師。去年10月，為瞭給這場在首爾舉行的更大型比賽進行訓練，他與AlphaGo進行瞭一場非公開對弈，以五比零的結局輸給瞭這臺機器。此後，樊麾以雇傭棋手的身份加入瞭DeepMind，與這臺機器屢戰屢敗。
但是隨著樊麾輸給AlphaGo的次數越來越多，一件有趣的事情發生瞭——他開始以嶄新的視角看待圍棋。與其他人類對弈時，他贏棋的次數越來越多——還在與頂尖對手的對弈中取得瞭四次中盤勝。他的排名直線上升。AlphaGo也在訓練他。
所以，我在比賽中詢問樊麾，我們該如何看待李世石與機器的對弈？
“善待李世石吧，”他回答，“善待。”
這些天裡，全球最大最富有的公司們都在用支撐AlphaGo的科技來尋求競爭優勢。哪款應用能更好地識別照片？哪款可以回應語音命令？很快，這些相似的系統將幫助機器人以更加接近人類的方式與現實環境交互。
但是與AlphaGo非人類的類人之處相比，這些現實用途就顯得平庸瞭許多。一種亞文化已經圍繞著AlphaGo以前所未有的方式發展瞭出來，例如Google Photo。在德國的杜塞爾多夫，遊戲設計、媒體和通信教授J·馬丁(J. Martin)運營著一個名為“第37手”twitter賬號。一名來自佛羅裡達，名為喬迪·恩賽(Jordi Ensign)的45歲程序員在網上讀過我寫的一篇關於首爾比賽的文章後，發郵件告訴我，她的右臂內側紋有AlphaGo第37手的紋身，而她的左臂內側則紋有李世石的第78手——圍棋界已將這一步稱為“神之一手”。
第四局比賽結束後的幾小時裡，李世石與哈薩比斯坐在一起。這名曾經的圍棋神童告訴李世石說，他理解他的壓力，理解他的創造力和鬥志。“我曾經也是一名棋手，”哈薩比斯說，“如果我的人生軌跡改變……我明白達到你那樣的高度要做出多少努力，多少犧牲。”
李世石回答說，與AlphaGo對弈重新燃起瞭他對圍棋的熱愛。就像樊麾經歷的那樣，AlphaGo也讓他以不同的視角審視圍棋。“我已經進步瞭，”李世石說，“它讓我有瞭新想法。”從那之後，他從未輸過。
在這場比賽之前，哈薩比斯對全世界說，AlphaGo的人工智能技術已經引發瞭新一輪科學研究。在這輪研究裡，機器將向人類指引下一場重大突破的方向。在沒有證據支撐的當時，這番話顯得有點空洞——不過是典型的科技噱頭罷瞭。但現在情況變瞭。這臺機器做出瞭與人類非常相似的舉動，甚至超越瞭人類。但是在這個過程中，它也讓人類有所進步。是的。你可以將第37手視為機器超越人類創造者的預兆。但你也可以將其視為一顆種子：沒有第37手，又怎會有第78手？(編譯：劉玥)
科學傢開發真實版原力手套 科學傢開發真實版原力手套 研究人員一共提供瞭三種版本的“懸浮裝置”——一種特指手套，一種特殊的“螺絲刀”以及一個特殊的鉗子。 更多精彩>
國際空間站充氣房成功展開 國際空間站充氣房成功展開 經過7個多小時的艱苦工作，國際空間站上的首個試驗性充氣式太空艙在28日的第二次充氣嘗試中成功展開。 更多精彩>
薛定諤貓處兩地:量子雙模式貓態 薛定諤貓處兩地:量子雙模式貓態 科學傢在實驗中制造出一種狀態更加奇異的“薛定諤貓”，它同時存在於兩個箱子之中，這項成果朝研制實用可靠的量子計算機邁出瞭又一步。 更多精彩>
墨西哥現巨大火球:形成強大沖擊波 墨西哥現巨大火球:形成強大沖擊波 一個巨大的火球劃破墨西哥夜空，照亮瞭五個州的區域，同時形成強大的沖擊波，並伴隨著巨大的爆炸聲。 更多精彩>
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
