根據日程安排，5局棋將分別於3月9日、10日、12日、13日和15日舉行，即使壹方率先取得3勝，也會下滿5局。比賽采用中國規則，執黑壹方貼7目半，各方用時為2小時，3次60秒的讀秒。
與戰前李世石預言5:0全勝的成績相比，今天的結果有些出乎意料，也讓未來幾天的比賽更加充滿懸念。
然而，僅這壹局的結果就已經能說明壹些問題。
AlphaGo獲勝意味著什麽？
李世石戰績
1995年入段，1998年二段，1999年三段，2003年因獲LG杯冠軍直接升為六段。
2003年4月獲得韓國最大棋戰KT杯亞軍，升為七段。
2003年7月獲第16屆富士通杯冠軍後直接升為九段。
2006、2007、2008韓國圍棋大獎——最優秀棋手大獎(MVP)。
2009年，李世石連續19個月高居韓國棋手等級分排行榜首位，並保有國內國際各兩項棋戰的冠軍頭銜，取代“石佛”李昌鎬成為韓國圍棋第壹人。
近10年來獲得世界第壹頭銜最多的棋手，***獲得14個個人賽世界冠軍。
AlphaGo戰績
2015年10月阿爾法圍棋以5：0完勝歐洲圍棋冠軍、職業二段選手樊麾。
別看只有壹枚軍功章，這在人工智能領域卻是了不起的進步。
很多人都知道，1997年的「深藍」計算機戰勝了人類的國際象棋冠軍卡斯帕羅夫，但是那時候大家不會認為“深藍”真正擁有了人工智能。原因在於：國際象棋就64格，最大只有2^155種局面，稱為香農數，大致是10^47。雖然沒法全部去遍歷，只要把開局庫和殘局庫多輸壹些進去，結合壹些中盤的策略選擇和部分遍歷就很牛了。
對棋局進行預測，遍歷每壹種走法直到壹方勝出，然後回退計算每壹個可能贏的概率，最後使用概率最高的作為最優的走法。「深藍」就做了這麽件事，暴力窮舉所有的步子，然後找最優。所以雖然「深藍」勝了，但並不意味著「智能」。
但對圍棋來說，千古無同局，沒有殘局的概念。圍棋每回合有 250 種可能，壹盤棋可以長達 150 回合。所以最大有3^361 種局面，大致的體量是10^170，而已經觀測到的宇宙中，原子的數量才10^80而已。
圍棋復雜度示意圖（只看圖C君已經暈了）
圍棋需要的並不僅僅是計算的能力，還有圖形處理的能力，後者是計算機的弱項。
局部的死活就是壹個例子，計算機的壹個總體目標，就是贏棋，它很難像人壹樣靈活構建不同的局部目標。圍棋高手對棋形的判斷近似於對人臉的判斷，這更接近人工智能的本質。這也就是為什麽在今天直播解棋時古力九段評價：電腦雖然在局部戰鬥表現出色，但在大局上似乎不如人類高瞻遠矚。
AlphaGo是如何戰勝李世石的？
AlphaGo實際上是搜索算法和深度學習的結合。
深度學習是人工智能（AI）領域當下最為熱門的研究領域。具體到 AlphaGo 上，「 深度學習」的能力利用「 價值網絡（ value network ） 」去計算局面，然後再用「 策略網絡（ policy network ）」去選擇下子。「 價值網絡 」和「 策略網絡 」是兩種不同的深度神經網絡，並且***同構成了 AlphaGo 的「 大腦 」。
AlphaGo的”大腦“實際上分成了四大部分：
Rollout Policy 快速感知”腦“：用於快速的感知圍棋的盤面，獲取較優的下棋選擇，類似於人觀察盤面獲得的第壹反應，準確度不高
SL Policy Network 深度模仿”腦“：通過人類6-9段高手的棋局來進行模仿學習得到的腦區。這個深度模仿“腦”能夠根據盤面產生類似人類棋手的走法。
RL Policy Network 自學成長“腦”：以深度模仿“腦”為基礎，通過不斷的與之前的“自己”訓練提高下棋的水平。
Value Network 全局分析“腦”：利用自學成長“腦”學習對整個盤面的贏面判斷，實現從全局分析整個棋局。
四個腦區的功能不壹樣，基本對應人類棋手下棋所需的不同思維，既包含局部的計算，也包含全局的分析。其中的Policy Network用於具體每壹步棋的優劣判斷，而Value Network則對整個棋局進行形勢的判斷。
開局不久，我們能看到李世石用壹手棋來試探AlphaGo的棋力，CSDN總裁蔣濤現場點評說，這壹招很不明智，AlphaGo是遇強則強，遇臭也臭。因為AlphaGo提升棋力首先是依靠模仿來進行自我水平的提升，這和人類的學習方式其實是壹模壹樣的。
人類棋手下棋的步驟：
Step 1：分析判斷全局的形勢
Step 2：分析判斷局部的棋局找到幾個可能的落子點
Step 3：預測接下來幾步的棋局變化，判斷並選擇最佳的落子點。
那麽，AlphaGo在擁有強大的神經網絡”大腦“的基礎上采用蒙特卡洛樹搜索來獲取最佳的落子點，本質上和人類的做法是接近的。
首先是采用蒙特卡洛樹搜索的基本思想，其實很簡單：多次模擬未來的棋局，然後選擇在模擬中選擇次數最多的走法
AlphaGo具體的下棋基本思想如下：
Step 1：基於深度模仿“腦” 來預測未來的下壹步走法，直到L步。
Step 2：結合兩種方式來對未來到L的走勢進行評估，壹個是使用全局分析“腦”進行評估，判斷贏面，壹個是使用快速感知“腦”做進壹步的預測直到比賽結束得到模擬的結果。綜合兩者對預測到未來L步走法進行評估。
Step 3：評估完，將評估結果作為當前棋局下的下壹步走法的估值。即給壹開始給出的下壹步走法根據未來的走向進行評估。
Step 4 ：結合下壹步走法的估值和深度模仿腦進行再壹次的模擬，如果出現同樣的走法，則對走法的估值取平均（蒙特卡洛的思想在這裏）
反復循環上面的步驟到n次。然後選擇選擇次數最多的走法作為下壹步。
簡單的講就是綜合全局和具體走法的計算分析，對下壹步棋進行模擬，找到最佳的下壹步。對步子的選擇，既要依賴於全局分析“腦”的判斷，也需要深度模仿“腦”的判斷。
離AI取代人類還有多遠？
在對戰結束之後，中國棋手柯潔對於AlphaGo的勝利有些擔心，甚至表示如果可能願意接受AlphaGo的約戰。他說，AlphaGo的出現讓人類棋手的生存空間變小了。
AlphaGo的表現讓我們看到了AI的無限可能，也讓不少人對於未來的人類世界產生了些許擔心。我們都知道「機器人學之父」阿西莫夫在著作《我是機器人》中所提的“機器人工學三原則”：
機器人不得危害人類。此外，不可因為疏忽危險的存在而使人類受害。
機器人必須服從人類的命令，但命令違反第壹條內容時，則不在此限。
在不違反第壹條和第二條的情況下，機器人必須保護自己。
技術之外，人們擔心的其實是未來社會的倫理秩序。
有人提到，機器能夠獲勝除了強大的計算能力，還在於它不像人壹樣有各種心理和身體的負擔，沒有情感，永遠快速而準確。然而，「沒有情感」，這是機器的鎧甲，也可能成為它的軟肋。讓人工智能獲得情感感知能力，應該還有壹段艱難的路要走。
萬不得已時，C君想到了壹個主意對付AlphaGo：
（順便致敬C君最愛的庫布裏克最偉大的作品《2001太空漫遊》：可能拔電源都沒用）
附：人機對弈歷史
機器對戰人類，四大經典勝利
從第壹臺計算機問世以來，人們就夢想造出壹種可以完美模擬甚至超越人腦的計算機系統。過去20年中，有4次人機大戰給人們留下格外深刻的印象，也成為人工智能發展的絕佳註腳。
1997 深藍Ⅱ：蠻算的“硬漢”
1997年，美國IBM公司的“深藍Ⅱ”超級計算機以2勝1負3平戰勝了當時世界排名第壹的國際象棋大師卡斯帕羅夫。“深藍”的運算能力當時在全球超級計算機中居第259位，每秒可運算2億步。
第壹局比賽，“深藍Ⅱ”看上去就像是個業余棋手。但第二局比賽，電腦下棋卻像世界壹流的特級大師。受第二局失利的影響，卡斯帕羅夫無心比賽。在決勝局中，卡斯帕羅夫犯了壹個低級錯誤，他走了19步後就宣布放棄。整場比賽進行了不到壹個小時，“深藍Ⅱ”贏了這場具有特殊意義的對抗。
“深藍Ⅱ”還算不上足夠智能，主要依靠強大的計算能力窮舉所有路數來選擇最佳策略“深藍Ⅱ”靠硬算可以預判12步，卡斯帕羅夫可以預判10步。
2006 浪潮天梭：以壹敵五
2006年，“浪潮杯”首屆中國象棋人機大戰中，5位中國象棋特級大師最終敗在超級計算機浪潮天梭手下。中國人發明的這項充滿東方智慧的模擬戰爭遊戲，被中國超級計算機獨占鰲頭。
值得壹提的是，浪潮天梭在比賽中，同時迎戰柳大華、張強、汪洋、徐天紅、樸風波5位大師。在2局制的博弈中，浪潮天梭以平均每步棋27秒的速度，每步66萬億次的棋位分析與檢索能力，最終以11：9的總比分險勝。
柳大華在兩局之間中場休息時，直言這場比賽“艱苦卓絕”。他在賽後表示：“我覺得計算機的優勢在於它的計算非常快而且準確，有抓住優勢的能力，並且抓住以後就不放手，不會受到任何不良的心理影響，將勝利進行到底。不過它的確在平穩的局面下會比較死板，不夠靈活。”
2011 沃森：答題“學霸”
2011年，“深藍”的同門師弟“沃森”在類似於“最強大腦”的美國智力問答節目《危險邊緣》中挑戰兩位人類冠軍。
雖然比賽時不能接入互聯網搜索，但“沃森”存儲了2億頁的數據，包括各種百科全書、詞典、新聞，甚至維基百科的全部內容。“沃森”可以在3秒內檢索數百萬條信息並以人類語言輸出答案，還能分析題目線索中的微妙含義、諷刺口吻及謎語等。“沃森”還能根據比賽獎金的數額、自己比對手落後或領先的情況、自己擅長的題目領域來選擇是否要搶答某壹個問題。
“沃森”最終輕松戰勝兩位人類冠軍，展示出的自然語言理解能力壹直是人工智能界的重點課題。
2015 阿爾法圍棋：“思考者”
2015年10月，“阿爾法圍棋”人工智能程序以5：0戰勝歐洲圍棋冠軍樊麾，這是人工智能程序首次在不讓子的情況下戰勝人類圍棋選手。
樊麾1月份回顧這場比賽時表示，“就是在壹個特定的房間裏，我面前有壹張棋盤和壹臺電腦，我沒有在電腦上直接下，而是通過棋盤下的。”至於落敗的原因，樊麾分析稱，“首先是自己棋有點臭，尤其是到了後半盤，開始讀秒的時候老打‘勺子’，下得也比較著急，我這些毛病，事後看都被電腦抓住了。其次應該說是心態問題，我太想贏了，而且壹開始我也不太相信它能戰勝我。”
樊麾對記者說：“如果沒有人告訴我，我壹定不知道它是電腦，它太像人了。它壹定是在思考。按照人的說法，它應該有棋風吧。”
結合songrotek的專欄編寫