对不起，您要访问的页面暂时没有找到，您可以：玄图（IX）：玄玄围棋
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&玄图（IX）&&&&&&&&&&&
有时候会看到一些奇奇怪怪的图,我将它们通称之为玄图。对于玄图,常不解其义，却很想知道。不仅想知道其皮毛，还想知道它们的来龙去脉。有机会就请教人,但没有遇到能向我清楚解释的人。
&&&对玄图不解其义，只要一遇到它们心中就大为不爽。逃避或糊里糊涂以对终究不是一个办法，也很不习惯。曾经下过一次大决心,决心花一点精力与时间亲自弄明白它们。但始终没有落实。理解绝不是问题,归功于从哲学和逻辑上获得的长期训练,几乎一接触并用心一下马上就能做到当下理解。问题是有些顾忌，担心自己一旦接触到那些玄秘莫测的东东就会陷进去,不可自拔。凡是玄之又玄的东东好象总是能吸引自己最大的注意力和不顾一切而全神贯注地投入，并且几乎总是使自己迷途难返。
最近,发现自己对可称之为玄的事物不再像从前那么着迷了,对悬而未决的问题也不那么斤斤计较了。因此，决定对所谓的玄图粗略地“扫荡”一圈，以践诺心。真希望自己不会迷失其中！
内心十分感谢网络资源的丰富与搜寻便利。如果没有网络，在很多方面，我们可能只能是自食其言、自究其想。不过,资源属于网络，理解与纳入于心则要依靠我们自己。我们还要感谢自己在每一个貌似无法逾越的难关面前，能鼓足勇气，一步一步攀越。这一次,
“扫荡”玄图亦如是。
&&&&&&&&&&&&&&&&&&&&&&&&
&&& 玄玄围棋
&&&&题图所展示的一个围棋对局局面据说是由二个网络围棋顶尖高手在一次网络围棋大赛中下出来的。左上角白七子已不能做活，但黑六子气紧，出逃或长气似乎都十分困难，也是岌岌可危！黑白双方都没有任何妥协的余地,不是围住白棋的黑棋死,就是被围住的白棋死,黑白在此一战生死,整个对局的胜负也确定了,生者存,死者亡。现在轮黑先走,下一手走哪里呢?
与下一手相连贯，究竟有多少变化呢? 又隐藏着多少危机和解危的妙招呢?
围棋整个的玄玄之妙仿佛悬于此刻!&
轮黑先走,黑开始思考：白七子只有四气，黑六子现在只有三气，若想拼气对杀,必须逃出或长出四气以上。黑在脑海里摆出了一个又一个方案图。
&&& 方案一（图1）:
向右路方向出,将会被杀。显然不可取。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
方案二（图2）：向下面方向着手,寻找出路。黑3限制了白G12的一打,紧接着黑5反打,似乎有戏!
&&&&&&&&&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
站到白的角度思考。是A路长出? 或是在A下一路提拔黑3？抑或还有其它的着法?
但必须以黑棋不能先手长出四气为前提。&
方案二之1（图3）：黑棋长出4气,黑17先下手为强。黑17之手及其以后应对,其实也是玄中含玄，稍不小心让白长出4气就会功亏一篑了。正确着法只有一条路,黑方早已胸有成竹（图4）。黑知道，白也知道这一结果，白不会选择这一方案。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&（图3）
&&&&&&&&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&（图4）
&&&&方案二之2（图5）：白在A处直接提拔黑子，让黑在白3处长出，白恐怕就回天术了。于是,白将选择白3包打。接下来,还会有一些变化。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
&&&&方案二之2a（图6）：考虑到征子不利,
白可能会优先考虑用白1挤打。与此相关，大概只有二种对阵图。
方案二之2aa（图6）：白5直接紧气，白7关门,但变化至黑10，白不成。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
方案二之2ab（图7）：白5选择下行关吃黑二子，黑以黑8，将扬长而去。
&&&&&&&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
方案二之2b（图8）：白只好选择对黑征子不利。但白5先拐，一边要征吃黑13子大军,另一边又可以征吃这一侧的黑六子小股部队。无论征吃掉那一方面的黑子,均能解救被围的白七子,此局将必胜无疑。对于白棋来说,这真是“山穷水尽疑无路,柳暗花明又一村!”
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
&& （图8）
&&&&黑在心中计算到这里，心中一定充满了无限的悲凉。在那样的时候，他或许感受到棋战的惨烈，面临必败无救的凄楚。甚至都在考虑瞎拼一气,寄希望于对方出错。但黑知道,与他对局者是当今网络围棋的最顶尖高手,又怎会轻易出错。看来,黑准备投子认输了。
既然棋局发难,论“我”先行,“天无绝人之路”,或许还有玄妙之机？黑心存最后一念,苦苦思索：哪里是这最后的玄机?
二边的黑棋都不能被征,逃出任何一队都将于事不济,唯一的出路就是引征,而且必须是一子引双征！ 天哪,还真是有这样一个点,能一子引双征!
它就是图十中的黑1！黑终于得救了！不仅仅是棋得救了,相信他的整个灵魂在那样的时刻也一下子得救了!
黑在他的思想里看到了此处黑白生死搏杀的最后结果。白也计算到了这一结果。实战中白并没有走完对上面八子的一路追杀，先在J8路一拐，佯攻征杀下面黑六子（图9）。黑在心中笑了,毅然而然地走出了黑1！
白也笑了,开怀大笑了,立即投子认输，在对话框中连声“说”道:“佩服！佩服！”。黑连忙回应道:“承让!承让!”他们彼此心照不宣,知道遇到了平生最强的对手。这正是:
一黑一白谓之道! 千古围棋蕴藏的真正精髓和全部精妙或许正在于此。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&（图9）
这一场对局,于于无声出,暗伏重重玄机,可谓玄之又玄。如果不是绝顶围棋高手，几乎就不可能参透它!
&世事如棋局。人生如棋局。有时也会偶遇类似围棋局势:
生死攸关，悬命玄玄一机！世界繁花似锦，人杰地灵,但对那充满奥妙的一线玄机，又有几人能料知如神,胸有成竹？
在网络上碰巧地看到了此局及其进程，感受到了世界玄机无限，想到了《玄玄棋经》 中玄玄的真义。当即决定:
&&&&1、对此局尝试做一番理解性的解读。
2、将世间流传已久但绝少为世人所知的一些玄机奥妙以图状形式搬入本博,交汇成集，集名为《玄图》。
仓促中完成了此一心愿，心中大慰。回观《玄图》，巧成九篇。九为极数,引用于玄，实为玄极。此类极玄据说尽数天授,但DESERTFISHER不认为天上独有。譬如，现代网络上就有!我们可以照搬过来,进入自己的网或博客,再将它们移入自己的思想网络，最后让它们融入在自己的每一片意识或瞬起瞬灭的每一个意念。不过,完成这些思想性建构,首先必须具备一定的基础。就象本博找来的一个玄玄棋局,若非懂得围棋在先,则绝无理解甚至有兴趣去理解的可能。因此,若不“十年磨一剑”,不下基本功夫,
不打下一定的基础,一个人将不可能从天上或人间包括所见、所闻、所听的现实世界、网络世界或梦幻世界中,领悟或汲取到此类“玄图”的更多精华与玄妙！
其实,世界的玄妙无处不在,无时不显。远远不止于本博所列“九玄图”。此“九玄图”顶多只是世界各种玄妙的一些典型代表。对世界玄妙的领悟在人！人的领悟则是有层次的。通过在不同的具体对象包括诸如“九玄图”一类的世界玄妙代表实践和思考,不断提升人对世界一切的领悟层次,很可能就是我们人生的最大追求之一!
DESERTFISHER不知道人的领悟层次究竟是怎样的。但他对围棋品等的古今划分有所知道，并深有领悟。以为将它们的精神实质引用到人对世界其它一切事物、人或概念的领悟境界划分上,也不为过或不极。
围棋专业棋手现在分为1-9段，基础于中国古代的九品划分。北宋张拟的《棋经品格篇》中将围棋分为九品，分别为：入神、坐照、具体、通幽、用智、小巧、斗力、若愚、守拙。其中围棋的最高级为“入神”。&
明人许仲冶在《石室仙机》中作过这样的解释：
一品入神，是指：变化不测，而能先知，精义入神，不战而屈人之棋，无与之敌者，这算上上。
二品坐照，是指：入神饶半先，则不勉而中，不思而得，有“至虚善应”的本领。这算上中。
　三品具体，是指：入神饶一先，临局之际，造形则悟，具入神之体而微者也。这算上下。
四品通幽，是指：受高者两先，临局之际，见形阻能善应变，或战或否，意在通幽。这算中上。
五品用智，是指：受饶三子，未能通幽，战则用智以到其功。这算中中。
六品小巧，是指：受饶四子，不务远图，好施小巧，这算中下。 　
七品斗力，是指：受饶五子，动则必战，与敌相抗，不用其智而专斗力。这算下上。
(下中和下下，《石室仙机》未作解释。试作补充。)
八品若愚：是指：受饶六子, 自己落后而不知，前景不利而强进, 局势已败而不觉。这算下中。
&&&九品守拙：是指：受饶七子及以上，不辩真假飞伏，麻木不仁但总图自全。人行亦行,
见断便断。这算下下。
此九境界依次降低，最后九品之外，今不复云。
习惯于将世界与人生看成是一局局变化莫测并充满玄机的围棋棋局。习惯于将应对一次次变化并在变化中发现并运用一个个玄机作为自己的最大乐趣和追求。很喜欢宋朝围棋国手刘仲甫写的《棋诀》。特列于本文附录的支持材料,兼作本系列九《玄图》的后记。
支持材料:&
（宋·刘仲甫）
盖布置棋之先务，如兵之先阵而待敌也。意在疏密得中，形势不屈，远近足以相援先后可以相符。若入他境，或于六三，三六下子，及九三，十三之着，思不执一，进退合宜。诀曰：“远不可太疏，疏则易断；近不可太促，促则势赢”。正此谓也。善棋者不困在此，便困在彼，壮在己势，赢在人势，此乃为格。
夫棋路无必成，子无必杀，乘机智变，不可预图。且布置已定，是强弱未分，形势鼎峙，然后侵凌之法得以行乎其间，必使应援相接，勾落相连，多方以拥逼，迤逦而侵袭。侵袭若行，则彼路不得不促；拥逼渐急，则彼势不得不赢。俟乎急而先动，则视敌而索其情，观动而制乎变，此之谓善应者也。
&&&&三曰用战
用战之法，非棋要道也。不得已而用之，则务在廉慎以守封疆，端重而全形势。封疆善守，则在我者实矣；形势能全，则在我者逸矣。夫以实击虚，以逸待劳，则攻必破战必克矣。
取舍者，棋之大计。转战之后，孤棋隔绝，取舍不明，患将及矣。盖施行决胜谓之取，弃子取势谓之舍。若内足以预奇谋，外是以隆形势，纵之则莫御，守之则莫攻。如是之棋，虽少可取而保之。若内无所图，外无所援，出之则愈穷，而徒益彼之势，守之则愈困，而徒壮彼之威，如是之棋虽多可舍而委之。
棋者意同于用兵，故叙此四篇，粗合孙吴之法。古人所谓怯敌则运计乘虚，沉谋默战于方寸之间，解难排纷于项刻之际。动静选居，莫测奇正。不以犹豫而害成功，不以小利而妨远略。此非浅见薄闻者能议其仿佛耳。）
&&&&&&&&&&&&&&&&&&&&&
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。&img src=&/5c3a8795c52dbaf1dc9c8cb56b120e84_b.jpg& data-rawwidth=&1080& data-rawheight=&1070& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&/5c3a8795c52dbaf1dc9c8cb56b120e84_r.jpg&&可能有些地方没被墙，但是起码对于以上网站，我用的这个被墙检测网站的服务器所在地是被墙了的。&br&&br&讲真，先抛开人工智能究竟会不会背叛人类。&br&现在中华民族真的很危险啊，Google，Facebook，微软，DeepMind 等几个欧美公司以及一些日本的企业已经在人工智能上耕耘很久，并且已经有了不少的成果了。&br&而国内呢？不仅屏蔽了 Google ，Facebook 让国内毫无竞争，企业在人工智能上不甚认真， 国内除了声音挺大但可应用成果寥寥的百度以外还有啥？自由竞争才是刺激创新的最好方法。&br&&br&工业革命起源于能源的解放，发明开始层出不穷才让西方彻底抛开中国吊打中国一百年。&br&而我们即将面临的智能革命将带给人类远远超出工业革命的成果。而且基于强人工智能可以指数级（&img src=&///equation?tex=e%5E%7Bx%7D& alt=&e^{x}& eeimg=&1&&）自我迭代升级的特性，只有第一个研发出来强人工智能的组织可以完胜（因为指数级升级的关系，差的几年可能就是差成千上万倍，即使再增加机器数量，后来者差的那几年就永远没办法弥补了）。&br&&br&如果说工业革命让以英国为首的西方自此大幅领先世界是几千年未有的大变局，这次智能革命就将是十万年未有的大变局——自有人类这种智慧生物以来，第一次有其他智慧可以达到、赶超甚至远远抛下人类的智能水平。&br&&br&其他方面我再考虑一下。
可能有些地方没被墙，但是起码对于以上网站，我用的这个被墙检测网站的服务器所在地是被墙了的。 讲真，先抛开人工智能究竟会不会背叛人类。 现在中华民族真的很危险啊，Google，Facebook，微软，DeepMind 等几个欧美公司以及一些日本的企业已经在人工智能…
&p&-&/p&&p&“珍珠港遭到空袭！这不是演习！这不是演习！这不是演习！”&/p&&p&——日凌晨&/p&&br&&p&-&/p&&p&从昨晚开始，一条声称谷歌AI在19路棋盘上分先战胜樊麾二段，并且论文已登上Nature的消息刷爆了朋友圈。&/p&&p&一开始，就像以往的那些“大新闻”一样，大家都认为是标题党，甚至某业余7段还查验到其论文尚未被Nature审核通过。&/p&&p&然而随着时间的推移，越来越多的近距离详细消息传来，开始有人相信消息的真实性。&/p&&p&围棋圈内的各种微信群、朋友圈都在不断的争论，相信的人越来越多，不信的人也坚持己见。&/p&&br&&p&终于，在接近凌晨两点，又一条最新报道来了，这次还附带着棋谱：&/p&&p&&a href=&///?target=http%3A///article/Ff%3Dwx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&面对谷歌围棋AI，人类最后的智力骄傲即将崩塌&i class=&icon-external&&&/i&&/a&&a href=&///?target=http%3A//mp./s%3F__biz%3DMTg1MjI3MzY2MQ%3D%3D%26mid%3Didx%3D1%26sn%3D86fa6775716bba2a04f9d0%26scene%3D1%26srcid%3D0128AJt6Cx6GQXaKiHGGvJMI%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&……&i class=&icon-external&&&/i&&/a&（虽是真消息，但稍有标题党之嫌）&/p&&p&至此，看到棋谱的所有人几乎都相信了：&b&人工智能AlphaGo，实现了里程碑式的一步。&/b&&/p&&br&&p&-&/p&&p&&b&首先，在客观上要肯定AlphaGo实现的水平进步。&/b&&/p&&br&&p&从昨晚开始，一条声称某AI在19路棋盘上分先战胜范麾二段，并且论文已登上Nature的消息刷爆了朋友圈。&/p&&p&一开始，就像以往的那些“大新闻”一样，大家都认为是标题党，甚至某业余7段还查验到其论文尚未被Nature审核通过。&/p&&p&然而随着时间的推移，越来越多的近距离详细消息传来，开始有人相信消息的真实性。&/p&&p&围棋圈内的各种微信群、朋友圈都在不断的争论，相信的人越来越多，不信的人也坚持己见。&/p&&br&&p&终于，在接近凌晨两点，又一条最新报道来了，这次还附带着棋谱。&/p&&p&以往最强的围棋AI，大致是CrazyStone、Zen和银星围棋这几个。&/p&&p&而AlphaGo在让以上几个程序（无银星围棋）4子的情况下，取得了80%左右的胜率。我们据此基本可以判断，&b&人工智能将自己的水平上限一下子提高了&/b&&b&5个子。&/b&&/p&&br&&p&樊麾二段，虽然以欧洲冠军闻名于世，但其实圈内谁都知道他是一名中国旅欧教学的职业棋手。&/p&&p&虽然远离东亚职业一线，但樊老师的水平仍然是不容置疑的，他依然有着职业的水平（虽然是较弱的职业），一般的业6仍然是比他不上的。&/p&&p&AlphaGo在正式比赛中对樊老师5：0（棋谱已可见），据说加上非正式比赛的总分为8：2（已确认），再加上棋谱里AlphaGo显示出的惊人的表现，我们可以认为，人工智能在围棋上的水平已经迈入了职业的大门。&/p&&p&&b&（最新：据多位顶尖棋手对棋谱的鉴定，认为AlphaGo的水平应该在业余强6段到弱职业之间，离人类顶尖大概还有一先到两先的差距）&/b&&/p&&p&（对于西方围棋包括樊老师的相关介绍，可见&a href=&/question//answer/& class=&internal&&西方人的围棋水平如何？ - 高飞龙的回答&/a&）&/p&&br&&p&说的更明白点，之前的AI在蒙特卡洛算法的帮助下虽然取得了革命性的进步，战胜了绝大多数的人类，但人类中能战胜那些AI的人数可能仍然在近百万的量级。&/p&&p&而自今日（其实已经是三个月前了）的AlphaGo起，能在围棋盘上战胜AI的人类人数可能已经不到千人了。&/p&&br&&p&按照 &a data-hash=&be0d3bb133ad0151eefd188& href=&///people/be0d3bb133ad0151eefd188& class=&member_mention& data-editable=&true& data-title=&@田渊栋& data-tip=&p$b$be0d3bb133ad0151eefd188& data-hovercard=&p$b$be0d3bb133ad0151eefd188&&@田渊栋&/a&
老师的说法，这个消息在相关研究圈内应该早就不是新闻了。&/p&&p&甚至回想一下昨天扎克伯格在facebook上突然发声支持自己的研究团队，也因为是知道了google团队的成果即将在一日内公示，所以想要在舆论中抢占一个位置。&/p&&p&（田老师参与的facebook的研究团队，是google现在最大的竞争对手，田老师他们使用的方法应该不太一样，虽然他们暂时落后，但我同样也很期待他们的下一步进展）&/p&&br&&p&总之，这真的不是演习。&/p&&br&&p&-&/p&&p&接下来谈点个人对人工智能的粗浅理解。&/p&&p&近些年来，尽管在蒙特卡洛算法的帮助下，AI实现了革命性的进步，达到了能战胜大部分人类的水平（中等业余5段），但随着摩尔定律的走向终点（据某it界前辈指点，摩尔定律并非舆论所说的即将结束，而是转换为了新的形式），计算机硬件的发展速度在旧有的道路上暂时无法按以前的速度继续爆炸发展下去，大家都认为仅凭蒙特卡洛算法是无法帮助AI战胜人类的。&/p&&br&&p&依据个人的理解，我曾在&a href=&/question//answer/& class=&internal&&围棋棋力业余低段位，如何继续学习提高？有什么推荐的参考书目和学习方法？ - 高飞龙的回答&/a&中将围棋的思维过程分解为四步的演进：&b&常识→棋感→计算→判断&/b&。&/p&&br&&p&大约一年前，我曾和李喆六段就此问题进行过简单讨论，当时我认为蒙特卡洛算法的成功主要在于为人工智能建立了“棋感”，而以往的人工智能只在“常识”和“计算”方面具有天然优势。&/p&&p&在蒙特卡洛算法之前，虽然计算机凭借强大的计算力可以积累大量“常识”，但由于“棋感”的缺失，人工智能无法对计算方向进行有效的筛选，最终就不免沦于蛮力搜索。&/p&&p&而蛮力搜索虽然可以在一定程度上实现高水平的“计算”，甚至很多其他棋类都在这一环节上被人工智能打败，而由于围棋的过度复杂和摩尔定律结束对计算机发展前景的限制，走到这一步仍然无法让人工智能战胜人类。&/p&&p&&img src=&/fc_b.png& data-rawwidth=&1692& data-rawheight=&904& class=&origin_image zh-lightbox-thumb& width=&1692& data-original=&/fc_r.png&&（注：上图为计算机眼中的国际象棋落子思路，而下图为计算机眼中的围棋落子思路，来自谷歌deepmind官网&a href=&///?target=http%3A///alpha-go.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&AlphaGo | Google DeepMind&i class=&icon-external&&&/i&&/a&）&/p&&img src=&/31f9a5aee95f542a57ab2db3c8518fca_b.png& data-rawwidth=&1608& data-rawheight=&1068& class=&origin_image zh-lightbox-thumb& width=&1608& data-original=&/31f9a5aee95f542a57ab2db3c8518fca_r.png&&&br&&p&而蒙特卡洛算法出现后，凭借大量储备的棋局，通过胜负概率来判断下一步着点以作为计算方向，极大的提高了计算的效率，所以AI的水平才实现了革命性的进步。&/p&&br&&p&而这次的AlphaGo，使用了深度神经网络与蒙特卡洛树状搜索相结合的方法。&/p&&p&依据已经能看到的Nature上的论文&/p&&p&&a href=&///?target=http%3A///nature/journal/v529/n7587/full/nature16961.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/nature/journ&/span&&span class=&invisible&&al/v529/n7587/full/nature16961.html&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&，研究者们在AlphaGo中加入了两个深度神经网络，以value networks来评估大量的选点，而以policy networks来选择落子，并且开发了一种新式算法来结合蒙特卡洛算法和以上两个神经网络。&img src=&/9c4c31c22a32d4de9185b_b.png& data-rawwidth=&487& data-rawheight=&445& class=&origin_image zh-lightbox-thumb& width=&487& data-original=&/9c4c31c22a32d4de9185b_r.png&&&/p&&p&（注：上图为AlphaGo使用的神经网络结构示意图，来自原论文）&/p&&p&在这种结合下，研究者们结合参考人类职业对局的监督式学习，和AI大量积累自对弈实现的深度学习，来训练和提高AI的围棋实力。&/p&&br&&p&在蒙特卡洛算法之后，我看到了新的天地。&/p&&p&这种结合以及新式的思路，让人感到前景无限。&/p&&br&&p&-&/p&&p&最后谈一谈，我认为我们应该保有的态度。&/p&&br&&p&这里，我首先想引用&b&李喆&/b&六段在今天早上说的话：&/p&&blockquote&&b&“我们已来到两个时代的连接处，无论你是否愿意，这都是一个需要接受的事实。工具无善恶，善恶在人心。未来的路通往何方，将由我们自己决定。”&/b&&/blockquote&&br&&p&从凌晨到早上，朋友圈里的评论区一直争论不休，甚至某世界冠军一直在说“不信”，毕竟大家在没有看到板上的钉子之前，从情感上都是不愿意相信的。&/p&&p&直到另外两位一线棋手告诉他，已经可以看到棋谱了......&/p&&br&&p&面对这个事件，接下来将会有很多的爆炸性新闻报道，以及各种各样姿势的讨论。&/p&&p&我们要知道：&/p&&p&&b&一．人工智能的确实现了很大的进步。&/b&&/p&&p&这次的进步可能是革命性的，这次新闻宣称的AI取得的成绩并不是“标题党”。&/p&&br&&p&&b&二．&/b&&b&人工智能还没有战胜人类&/b&（什么所谓“人类最后的骄傲陷落”都属于“标题党”）。&/p&&p&但AI已经朝着这个方向迈出了一大步，而且是在很多人在蒙特卡洛之后不看好AI下一步发展的情况下，来了一个突然袭击（谷歌从开始研究到出成果再到发布，一直憋一个大新闻憋这么久也真是能忍）。&/p&&br&&p&&b&三．人工智能战胜人类的时点，可能比很多人想象的要来的更早了。&/b&&/p&&p&不是之前设想的生物计算机或者量子计算机出现后，甚至都不是新材料制成的处理器取代硅晶片之后，而是在这个时代就有可能出现了。也许是五十年后，也许是二十年后，甚至可能是十年后。&/p&&br&&p&从小学时开始，我就痴迷于许峰雄教授对于计算机国际象棋项目的研究和成就，一直追踪到97年“深蓝”战胜卡斯帕罗夫。（就是在那之后不久，我才从国际象棋转投了围棋......）&img src=&/0bc45f82c847d41f0c9b1_b.jpg& data-rawwidth=&448& data-rawheight=&299& class=&origin_image zh-lightbox-thumb& width=&448& data-original=&/0bc45f82c847d41f0c9b1_r.jpg&&&/p&&p&（注：上图为第一个打败人类的计算机国际象棋程序“深蓝”之父——许峰雄）&/p&&br&&p&从中学时代到大学时代，我一直追寻着许教授的动态和他撰写的各种文章、书籍，他写的《“深蓝”揭秘》（&a href=&///?target=http%3A///subject/1491268/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&“深蓝”揭秘 (豆瓣)&i class=&icon-external&&&/i&&/a&）被我翻的都烂了，我甚至在中学时代一直想以此作为未来的求学从研的方向。&/p&&p&许教授离开IBM、前往亚研院并声称准备致力于作为最终问题的计算机围棋难题之后，我仍然一年年心心念念的期待着许教授的后续动作。&/p&&br&&p&然而十多年过去，等来的却是无数的后来者。&/p&&p&这也挺好，人类就是不缺后来者。&/p&&br&&p&看许教授对当年研究过程的讲述，最大的感受就是：&/p&&p&&b&其实并不是计算机打败了人类，而是人类打败了人类。&/b&&/p&&br&&p&大量的计算机专家，配合大量的国际象棋职业棋手，在算法上不断革新，再搭乘上摩尔定律的东风，不断的失败再重来、输了再修正，最终才解决了计算机国际象棋难题。&/p&&p&卡斯帕罗夫，是败给了数以百计的人类专家的智慧的合力。&/p&&br&&p&围棋也会是一样，计算机——今天说人工智能更合适，战胜人类的那一天迟早会来，大部分人都从来不否认这一点。&/p&&p&争论，始终在于这一天的早晚。&/p&&br&&p&而棋手和围棋从业者们，出于可以理解的感情，总是希望并认为这一天不会来的那么快，但他们绝对不会拒绝甚至仇视这种进步。&/p&&p&其实我看到的很多人，都一直期待并赞许着人工智能的进步，甚至很多职业高手还亲身参与和帮助着计算机围棋项目的研究。&/p&&br&&p&我们努力打造着一个“大玩具”，一个能战胜自己的“大玩具”。&/p&&p&所以最终的成功，是我们人类自己的成功，而不应该对计算机感到恐惧。&/p&&br&&p&同时，这“大玩具”也不只是好玩而已，人工智能对于现代乃至未来科技的发展有着极大的意义，这意义甚至会超出当年原子弹研究的后续红利。&/p&&br&&p&所以不要害怕，不要烦恼，让我们期待着人工智能在围棋上战胜人类的那一天的到来吧。&/p&&p&我之前一直认为在我有生之年是看不到这一天的，然而现在看来，我错了。&/p&&p&我一点也不失望，反而感到很兴奋，很激动，并且期待着以google和facebook为首的前沿研究团队们的进一步的表现。&/p&&br&&p&最后的最后，恭喜谷歌，恭喜围棋，恭喜人类。&/p&&br&&p&-&/p&
-“珍珠港遭到空袭！这不是演习！这不是演习！这不是演习！”——日凌晨 -从昨晚开始，一条声称谷歌AI在19路棋盘上分先战胜樊麾二段，并且论文已登上Nature的消息刷爆了朋友圈。一开始，就像以往的那些“大新闻”一样，大家都认为是标题党，甚至…
&p&谢谢邀请。&/p&&p&粗粗看了下棋谱，感觉非常震撼。个人感觉，有 3 个点特别值得注意：&/p&&br&&h2&&b&【1】阿老师的 “思维” 是没有连贯性的&/b&&/h2&&p&在阿老师自战谱中，脱先非常频繁，甚至到了匪夷所思的地步。究其原因，我猜是这样的：&/p&&p&在阿老师的算法中，它并不关注你上一手下在哪里（除非上一手是提劫这种受到围棋规则干扰的选点），&b&只关注当前的局面的最优解&/b&——听起来有点不可思议，但从围棋规则上来说，这种思路其实是完全正确的。&/p&&p&而人类无法摆脱连续思维的影响，一方面可能是受到了 “&b&沉没成本&/b&” 的影响，从情感上不愿意在已经投入大量思考的局部中解脱出来。另一方面，人类的思维能力、体力、时间有限，也无法真正地做到在每一时刻都能重新审视局面。&/p&&br&&h2&【2】阿老师是不讲“棋理”的&/h2&&p&阿老师的有些棋，在大部分学棋者看来是匪夷所思的，比如第一局中，在面对黑棋的迷你中国流时，白棋的连续 “碰” 定型让人瞠目结舌：&/p&&br&&img src=&/v2-6d6b71f5ef6c8a309335ecee6ea81254_b.png& data-rawwidth=&696& data-rawheight=&566& class=&origin_image zh-lightbox-thumb& width=&696& data-original=&/v2-6d6b71f5ef6c8a309335ecee6ea81254_r.png&&&br&&img src=&/v2-de5_b.png& data-rawwidth=&696& data-rawheight=&561& class=&origin_image zh-lightbox-thumb& width=&696& data-original=&/v2-de5_r.png&&&br&&p&棋理告诉我们，在棋局初期，不要主动在对方的势力范围内贴身肉搏。因此这种“碰”的着法容易被围棋老师认为是初学者非常容易犯的错误。但令人讽刺的是，这种如此“业余”的棋竟然是“让天下一先”的阿老师下出来的。&/p&&p&如此看来，我们过去总结出的一些“棋理”，很多也许是错的。&/p&&p&这不仅让我联想到 &b&传统医学&/b&。&/p&&p&传统医学给人的感觉，就是听起来挺像回事的，但其原理并不能被完全用逻辑搞清楚。当现代医学发展起来后，有些传统医学学说被一套更为科学的理论所替代，另有一些则被证明是错误的。&/p&&p&一个或许不算太恰当的比喻是：&b&阿老师的棋之于传统棋理，就如同现代医学之于传统医学&/b&。&/p&&br&&h2&【3】在阿老师的字典里，没有“冒险”这个词，与之相比，人类才是更喜欢“剪枝”的那个&/h2&&p&人类下棋的一个弱点，就是经常会拘泥于局部最优解，有时候局部最优解看不清楚，那就会选择简明的解。&/p&&p&举个例子。&/p&&p&如果有 2 种下法：第一种局部可以便宜1目棋，但整条大龙有死亡的危险；第二种局部亏1目棋，但整条大龙是净活，那么人类几乎一定会选择第二种下法，因为我们看不清楚大龙的危险程度，因此从数学期望上来说，第二种下法是更有利益可图的。&/p&&p&但阿老师则不一样。它或许会完全算清楚第一种情况下大龙是否会死，如果不会死，就会非常果断地选择第一种情况。&/p&&p&比如第 9 局：&/p&&br&&img src=&/v2-7f8b543b1d61e40d2f0ad3_b.png& data-rawwidth=&690& data-rawheight=&557& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&/v2-7f8b543b1d61e40d2f0ad3_r.png&&&p&从局部来看，白 152 应该下在一路扳，这样白棋是净活，而现在白棋却选择了粘，局部黑棋可以杀死白棋。&/p&&p&粘相比于扳来说，可能会在官子上便宜一点点，但是却冒着整条大龙死亡的危险，作为人类绝对不会这么下。&/p&&p&但阿老师却这么下了。&/p&&p&我相信，这绝对不是因为阿老师没有算清楚局部变化（因为这个局部变化很简单），而是它算清楚了后续更多的变化，然后确信白棋粘并不会让大龙死亡，所以就是要争这一目棋。&/p&&p&这么看来，阿老师的算路，可真是深不可测啊。&/p&&br&&p&&b&# 向阿老师学习 #&/b&&/p&
谢谢邀请。粗粗看了下棋谱，感觉非常震撼。个人感觉，有 3 个点特别值得注意： 【1】阿老师的 “思维” 是没有连贯性的在阿老师自战谱中，脱先非常频繁，甚至到了匪夷所思的地步。究其原因，我猜是这样的：在阿老师的算法中，它并不关注你上一手下在哪里（…
&p&-&/p&&p&三盘最高水平和规格的正式测试棋结束了，虽然第三局的水准仍然很高，柯洁明显也很尽力，但很遗憾的是，看上去柯洁并没有能在第三盘中明显的测试出更多的东西。&/p&&p&今天的棋所形成的格局，和第一局其实比较像：AlphaGo前半盘稳健走厚，后半盘开始收债；柯洁前半盘先捞后洗，拼命捞空然后找机会。但AlphaGo今天的阵脚并没有如第二局前半盘那样被柯洁冲乱，然后被拖入全局性乱战。&/p&&p&今天的AlphaGo稳健的控制住了局势，柯洁没有找到明显的突破点。并不是柯洁不想导入第二局的那种格局，而是这棋的格局是两个人下成的，不是你一个人想怎么控制就能控制的了的，除非你真的比对手强的多。&/p&&p&技术性的内容，作为人类历史上出现的最高水平的对局之一，对于大众来说是比较复杂的，有兴趣的朋友可以看顶尖职业的解说。我则想和看不懂棋评的朋友们聊聊棋的格局。&/p&&p&-&/p&&p&柯洁和AlphaGo今天的棋局，像是两位大侠（现在好像流行说修士或道友）进入一个封闭空间的对决。AlphaGo是黑大侠，柯洁是白大侠。&/p&&p&这个封闭空间是一个已知有99件宝贝的上古秘境，双方进行对赌：一起入秘境，出来时谁拿到的宝贝更多，谁就赢得所有99件宝贝。&/p&&p&进入封闭空间后，黑大侠立刻站定了最要地势，然后原地固守，而他的防守功夫天下第一。白大侠则在四周游斗，不断骚扰黑大侠，同时一边游走一边捡宝贝。&/p&&p&一开始，白大侠身上的宝贝增加的很快，而黑大侠只不过把自己身周的宝贝随便的拣了拣，所以从双方的宝贝数量上比，白大侠似乎收获更好。&/p&&p&可是白大侠这种游走，耗费了很多的体力，而黑大侠则一边防守一边原地调息，身周气息氤氲，在功力的积蓄下，积累着越来越多的“势”。&/p&&p&终于，当黑大侠调息结束，他的气势已经达到了顶点，而白大侠一方面耗费了很多体力，一方面还要照顾身上的宝贝，正面难以迎战。&/p&&p&而此时，白大侠身上的宝贝比黑大侠多出好几成。可双方都知道，这种形势很快就会改变。黑大侠说：“现在，你开始跑，我来追你。如果让我追到你，我就把你......”&/p&&p&白大侠无可奈何，只好向出口逃去，而黑大侠控制着不快不慢的速度在后面追赶。白大侠疲惫不堪，回头拼命又打不过，要甩掉对方又甩不掉，只好不舍的丢下一件身上的宝贝。让自己减少负担，也期待对方捡宝贝浪费时间。黑大侠不缓不慢的捡起宝贝，然后继续保持一定的速度追赶。&/p&&p&就这样，白大侠过一会儿就要扔出一件宝贝，黑大侠则不停的在后面捡宝，双方的宝贝差距越来越小，而出口还远远在前面。&/p&&p&白大侠想，这样不行啊，不然我回头拼命吧，可是一回头，看到黑大侠身上经过了一些消耗的“势”还是很强，而且黑大侠控制着速度，并没有追的太紧，不给白大侠拼命的机会。因为黑大侠知道，白大侠虽然势弱，但仍然很强，拼起命来自己有风险。所以穷寇莫追，黑大侠总是给对方留点生路，好让自己的获胜更安全。&/p&&p&白大侠拼命无路，逃跑无速，只好继续一边向出口跑一边扔宝贝。终于，双方迈出了出口，然后清点身上宝贝，黑大侠不多不少，正好50件，白大侠49件，根据赌约，黑大侠多1件而胜，可以拿走全部的99件宝贝。&/p&&p&-&/p&&p&这次三番棋的第一局和第三局，棋的格局其实都和我上面描述的情况类似。有朋友可能会问，那么第二局呢？&/p&&p&第二局，则是黑白双方进入秘境之后不久，白大侠就用一系列有效的攻击，让黑大侠无法占据有利地形，而且还打乱了黑大侠的下盘，逼迫黑大侠与之搏命。黑大侠无法固守，只能和白大侠一起游走全场，双方都不捡宝贝了！谁把对方干掉，自然就有了一切！&/p&&p&黑大侠当然不想这样，毕竟他防守天下第一，全场对攻却可能给白大侠机会。而白大侠只能这样，因为虽然如此搏命不一定赢，但不如此则必败无疑。（有朋友问白大侠为什么不也打坐防守呢？因为白大侠比打坐比不过黑大侠，黑大侠蓄势的速度比白大侠更快......）&/p&&p&于是场中只能见到两道虚影飞来飞去，好像到处都是人，却找不到两个人到底在哪儿。然后突然，白大侠在飞驰中踩到了一颗小石子，一个踉跄，身法歪了三分，中剑身亡。&/p&&p&-&/p&&p&大家觉得，哪个对白大侠好一些？白大侠思来想去，觉得虽然这乱斗有风险，但总是有机会，比安乐死好。可要知道，打乱黑大侠下盘，逼他和你全场游走搏命，也是极难的事情。哪怕强如白大侠，也不是每一次都能做到的。今天白大侠就没做到。&/p&&p&如今天这般格局，看似前半盘白棋实空领先，但黑棋全盘皆厚，白棋到处欠债，后半盘势必极难下。前半盘，你不论是用比较差的围棋程序做判断，还是让水平较低的爱好者判断，甚至你在网上对弈平台自动点目，都有可能会得到白棋大幅度领先的结果。&/p&&p&可是这是假象，做出这种判断是没有远见的。水平高一些的棋手，还有DeepZenGo等第三代围棋程序，都会判断出白棋其实是不利的。因为大家都能看到这格局的未来：黑大侠调息结束后，就开始追白大侠收债，并最终获胜。&/p&&p&-&/p&&p&AlphaGo Master的版本，确实已经异乎寻常的强大。许多人说，虽然强大但并不是围棋上帝（客观真理），这说法是没错，但现在这么说意义已经不大了。&/p&&p&王汝南八段老师说：我认为它不是围棋上帝，但我想称它为“围棋之神”。确实，它当然没有穷尽棋盘上的客观真理，但它距离客观真理比我们都近，这就足够了。&/p&&p&归根结底，程序是工具，而不是对手。我们和它比赛，也并不是仅仅为了决胜负，而是为了将来更好的利用工具，来追求客观真理。围棋的规则定下来之后，客观真理就在那里，等着你们来揭秘。&/p&&p&放眼未来，我真心希望AlphaGo不要退出历史舞台，能够真正的成为人类探索围棋的革命性工具。&/p&&p&棋虽小道，真意犹存。&/p&&p&-&/p&
-三盘最高水平和规格的正式测试棋结束了，虽然第三局的水准仍然很高，柯洁明显也很尽力，但很遗憾的是，看上去柯洁并没有能在第三盘中明显的测试出更多的东西。今天的棋所形成的格局，和第一局其实比较像：AlphaGo前半盘稳健走厚，后半盘开始收债；柯洁前半…
谢邀。很高兴能借着 AlphaGo 的东风，和大家分享一下&b&麻将 AI &/b&研究的现状。&br&&br&&br&&u&一. 麻将和围棋有什么不同？&/u&&br&&br&从博弈论的角度来讲，围棋是&b&完全信息动态博弈&/b&，而麻将属于&b&非完全信息动态博弈&/b&。围棋中对局双方所掌握的&b&信息&/b&是&b&对称&/b&的，而麻将中各对局者间所掌握的&b&信息不对称&/b&。虽然大家都能看到每位牌手打过什么牌，但&b&你不知道我的手牌是什么，我也不知道你的手牌是什么&/b&。这种信息不对称的产生的根本原因是&b&牌墙的随机性&/b&。&br&&br&围棋与麻将（或者说&b&棋与牌&/b&，&b&弈与博&/b&）的上述区别，决定了它们&b&获胜策略&/b&的根本不同。棋类项目本质上就是&b&蒙特卡洛树&/b&，获胜策略就是选择或迫使对手选择一个分支，这个分支下面所有的结局都是自己胜。只不过由于棋类变化很多，连 AlphaGo 也远不可能&b&遍历&/b&整个树，所以 AlphaGo 会通过&b&价值网络&/b&来估计某一分支下&b&胜结局的概率&/b&。其实人类的思维也是类似的，在围棋里平白被对手屠掉一条大龙，或者在象棋里平白送给对手一个车总是不好的——在这些分支下，胜结局的概率大大降低了。&br&&img src=&/419b6cf5e973a37ed8b40a_b.jpg& data-rawwidth=&571& data-rawheight=&233& class=&origin_image zh-lightbox-thumb& width=&571& data-original=&/419b6cf5e973a37ed8b40a_r.jpg&&&br&&br&而牌类的获胜策略在于尽可能增大自己的&b&得分期望（EV）&/b&。我并不知道我接下来要摸什么牌，或我的对手有什么牌，但所有可能的情形组成一个&b&概率空间&/b&，我只需做出一个选择，使得自己的&b&得分函数&/b&的期望最大。牌类策略的难点在于，影响这一概率空间的&b&因素过多&/b&，且&b&具体影响&/b&很难确定，比如对手打牌的&b&习惯&/b&。&br&※下图选自《科学化麻雀》，闲家愚形听牌打 10% 危险度的牌对攻，x 轴为自己和牌时得分，y 轴为牌局巡次，z 轴为自己的得分期望。&br&&img src=&/ee7fa4ef8329bde2e1450e28_b.jpg& data-rawwidth=&639& data-rawheight=&376& class=&origin_image zh-lightbox-thumb& width=&639& data-original=&/ee7fa4ef8329bde2e1450e28_r.jpg&&&br&&br&&u&二. 何谓「获胜」？&/u&&br&&br&选手的&b&竞技水平&/b&如何&b&衡量&/b&？麻将是否是&b&「运七技三」&/b&的游戏？其实无论围棋还是麻将，区分选手的竞技水平都&b&不可能只靠一局&/b&，就好比 AlphaGo 和李世乭要进行&b&五番棋&/b&对决，AlphaGo 赢第一盘时大家并不觉得 AlphaGo 一定比李世乭强一样。围棋有三番、五番、十番棋，对于&b&竞技麻将&/b&（国标麻将、日本麻将）而言，区分顶尖选手的竞技水平至少需要&b&
手牌&/b&（如果采用类似桥牌的&b&复式赛制&/b&，这一数字会大幅降低）。&br&&br&至于衡量&b&一个竞技项目的竞技性&/b&，单纯用&b&运气所占比例&/b&是没有意义的。随着对局数的增大，运气所占比例会越来越小，&b&选手的长期成绩必然会向其真实水平收敛&/b&。一个竞技项目的竞技性应当用「&b&区分选手竞技水平所需必要对局时间&/b&」来衡量。比如围棋需要三番棋，麻将需要 2000 手牌，围棋一盘平均需要 4 小时，三番棋约 12 小时，而麻将一手牌约 3 分钟（网络对局），2000 手牌约 100 小时。麻将相比围棋有&b&运气&/b&成分，并不意味着麻将选手的竞技水平无法衡量，而意味着麻将需要&b&更多的对局时间&/b&来区分选手的竞技水平。&br&&br&下图选自日本麻将平台天凤麻雀凤凰桌 1000 场以上玩家安定段位排行。这里的「试合」是指半庄，也就是两圈牌，考虑到连庄，平均一试合是 10 手牌，1000 试合是 10000 手牌。可以看到牌手的竞技水平得到了&b&很显著的区分&/b&，结果也与麻将圈内认知相似。具体讲解请参见&a href=&/question//answer/& class=&internal&&打麻将的水平可以高到什么程度？ - Suwako Zhai的回答&/a&。&br&&img src=&/75c98dec5fe5ee_b.png& data-rawwidth=&600& data-rawheight=&271& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/75c98dec5fe5ee_r.png&&&br&所以在这个问题下我们讨论麻将 AI 能否战胜人类，指的是麻将 AI &b&长期成绩&/b&（10000 手牌以上）能否比人类更好，并不是单指一手牌。只打一手牌，谁都有可能和牌，这是牌类游戏的本质所决定的。&br&&br&当然，这里也不考虑牌手或 AI &b&作弊&/b&的问题。如果通过作弊获得别人手牌的非法信息，麻将的&b&竞技平衡&/b&就完全被打破了。再强的麻将 AI 成绩也不可能比作弊的人类好，反之亦然。事实上，现在很多单机麻将游戏的 AI 就是通过作弊来增加「智能」的。&br&&br&&br&&u&三. 麻将会成为人类面对人工智能的「最后壁垒」吗？&/u&&br&&br&一言以蔽之，&b&麻将 AI 不是做不了，而是没人做&/b&。之所以目前还没有能够战胜人类的麻将 AI，主要原因还是人们在麻将 AI 研究方面的&b&投入不够&/b&。目前的麻将 AI 基本都是麻将游戏制作团队为麻将游戏设计的，在单机上就可以运行，强度自然有限。如果像 AlphaGo 一样，世界顶级团队制作，背后庞大资金支持，使用 1000 个 CPU 运行，想要设计一个轻易战胜人类顶尖麻将牌手的 AI &b&没有任何难度&/b&。&br&&br&首先，麻将的&b&复杂度&/b&要远远小于围棋。单就自己的 14 张手牌来说（总牌数 136 张），组合共有&b&
种&/b&（计算方法详见&a href=&///?target=http%3A//www10.plala.or.jp/rascalhp/mjmath.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&麻雀の数学&i class=&icon-external&&&/i&&/a&），远远小于围棋的 2.08×10^170。不足 10^12 的手牌种类意味着麻将 AI 完全可以&b&提前计算好每手牌的打法估值并储存在资料库中&/b&，打牌时调用即可。&br&※下图选自日本麻将研究者らすかる的个人网站&a href=&///?target=http%3A//www10.plala.or.jp/rascalhp/mjmath.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&麻雀の数学&i class=&icon-external&&&/i&&/a&。&br&&img src=&/2a12c45fd35dbdbdce5cd1_b.jpg& data-rawwidth=&537& data-rawheight=&263& class=&origin_image zh-lightbox-thumb& width=&537& data-original=&/2a12c45fd35dbdbdce5cd1_r.jpg&&&br&当然，打麻将也要考虑&b&别人打的牌&/b&以及&b&各家的得分&/b&。各家分差的复杂度是很小的，而别人打的牌虽然复杂度会很高（136 张牌的牌墙组合为 4.3×10^185 种，甚至超越了围棋的复杂度），但别人打的 10 张牌大多只有 1~2 张是有用的信息，AI 只需要&b&识别这种模式并搜索对比以往对局的牌谱&/b&即可。&br&&br&其次，人类&b&对麻将的研究&/b&远不及围棋，顶尖麻将牌手的&b&训练水平&/b&很低。相比围棋研究几千年的历史，麻将诞生不过百余年，人们真正开始利用&b&科学手段&/b&（&b&统计学、大数据&/b&）来研究麻将只是&b&近十年&/b&刚刚起步。例如&b&「间四间」&/b&是上世纪流行的日本麻将理论，指的是别人打过中间相隔 4 张的 2 张同花色数牌，则这 2 张牌的&b&内侧筋牌&/b&是危险牌。如别人打过三筒、八筒（中间相隔四五六七筒），则四七筒是危险牌，这是因为别人手里一开始可能是三五六八筒，三八筒效率较低被打掉，留下的五六筒要四七筒。这一理论在近十年的大数据研究中已被证明是&b&完全错误&/b&的——别人要四七筒的概率并没有显著性的上升。&br&&img src=&/9d320e764189ccce0d4f11f_b.jpg& data-rawwidth=&226& data-rawheight=&84& class=&content_image& width=&226&&&br&可见，目前人们对麻将的研究还处在很&b&初级&/b&的阶段，通过别人打过的牌来分析别人想要的牌的&b&科学研究&/b&才刚刚开始。麻将界也没有围棋那样 3 岁开始学棋，10 几岁就和世界顶级高手过招，接受世界顶级指导的&b&职业选手&/b&。麻将本身复杂度低，人类顶尖牌手水平又不高，被人工智能击败会比围棋要容易得多，不可能是「最后壁垒」。&br&&br&&br&&u&四. 现在有哪些比较强的麻将 AI？&/u&&br&&br&竞技麻将方面，目前&b&国标麻将&/b&和&b&日本麻将&/b&都有比较强的 AI（高于人类平均水平）。日本麻将的 AI 目前最强的当然是&b&「爆打」&/b&。&br&&img src=&/c22ad11f793fad4a9fd174ac600decd4_b.jpg& data-rawwidth=&728& data-rawheight=&526& class=&origin_image zh-lightbox-thumb& width=&728& data-original=&/c22ad11f793fad4a9fd174ac600decd4_r.jpg&&&img src=&/f1c02b7f18cef5d71bc1854_b.jpg& data-rawwidth=&728& data-rawheight=&526& class=&origin_image zh-lightbox-thumb& width=&728& data-original=&/f1c02b7f18cef5d71bc1854_r.jpg&&&br&「爆打」是由东京大学工学系在读博士生&b&水上直纪&/b&开发的日本麻将 AI，他所在的课题组就是专门研究麻将 AI 的。爆打和 AlphaGo 一样，也具有&b&自我对局&/b&和&b&分析并学习人类牌谱&/b&的能力。水上发表过的论文题目为《Realizing a Four-Player Computer Mahjong Program by Supervised Learning with Isolated Multi-Player Aspects》，全文详见&a href=&///?target=http%3A//www.logos.ic.i.u-tokyo.ac.jp/%7Emizukami/paper/jousho_2014.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&logos.ic.i.u-tokyo.ac.jp&/span&&span class=&invisible&&/~mizukami/paper/jousho_2014.pdf&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&。&br&&br&爆打从 2015 年开始在最大的日本麻将平台——&b&天凤麻雀&/b&上开始运行，至 2016 年 2 月已经打了 1.3 万多场（约 13 万手牌）。2015 年 9 月，爆打达到&b&天凤麻雀四段&/b&，2015 年 12 月更是一度冲进&b&天凤七段&/b&，长期成绩显示平均为&b&六段以上&/b&。这意味着什么呢？&br&&img src=&/bbfdacd414eeb_b.jpg& data-rawwidth=&676& data-rawheight=&534& class=&origin_image zh-lightbox-thumb& width=&676& data-original=&/bbfdacd414eeb_r.jpg&&&br&上图是天凤麻雀平台 2016 年 3 月 13 日的段位成绩分布图（来源&a href=&///?target=http%3A//tenhou.net/ranking.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&オンライン対戦麻雀 天鳳 / ランキング&i class=&icon-external&&&/i&&/a&）。天凤平台具有非常科学的&b&段位和 Elo Rating 体系&/b&，越是和高水平牌手对局，获胜后 Rate 增加越多，失败后 Rate 减少越少；越是和低水平牌手对局，获胜后 Rate 增加越少，失败后 Rate 减少越多。最终段位和 Rate 值的&b&稳定值&/b&就代表了牌手的&b&真实实力&/b&。&br&&br&可以看到，天凤麻雀平台的活跃用户数约为 17 万人（不包括新人僵尸号），而六段以上的用户总数为 5793 人，约占 &b&3.4%&/b&。也就是说，爆打打麻将比&b& 96.6% &/b&的麻将玩家要好，全世界麻将打得比爆打好的人，数量仅有&b&几万人&/b&左右（包含所有麻将规则的估算）。这只是一个课题组，用时一年多研究出的，在一台电脑上运行的麻将 AI，就已经基本赶上 AlphaGo 早期版本所取得的成绩了。&br&&br&&b&国标麻将&/b&方面，目前最强的 AI 大概是我本人目前正在参与设计的国标麻将 AI 了。最初的版本只加入了最常用的十几个番种的分值判断，防守端几乎没有做，实测对随机牌手和牌率就已经达到 24% 左右，基本与国标麻将平均和牌率 24.3% 持平（国标麻将数据可见&a href=&/question//answer/& class=&internal&&国标麻将、日本麻将对局时，「点炮、自摸、流局」的比例分别是多少？ - 段昊的回答&/a&）。实际水平大概处在所有牌手中&b&上位 10~20% &/b&左右的水平（低段位牌手多，大部分牌手的水平处在平均以下）。&br&&br&&br&&u&五. 麻将 AI 的算法应该是什么样子的？&/u&&br&&br&最后，我来浅谈一下麻将 AI 的基本算法。&br&&br&&u&1. 基础牌效率&/u&&br&&br&麻将的牌效率指的是&b&能使手牌更快和牌的打牌方法&/b&，是麻将的基本功。来简单举个例子：&br&※下图牌画取自&b&联众国标麻将&/b&（&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&）。&br&&img src=&/dfc15d61b_b.jpg& data-rawwidth=&713& data-rawheight=&84& class=&origin_image zh-lightbox-thumb& width=&713& data-original=&/dfc15d61b_r.jpg&&这是一手 13 张牌的手牌，现阶段是&b&一上听&/b&（差 1 张牌就可以听牌），那么哪些牌是&b&有用&/b&的牌，或者说我摸到哪些牌会&b&留下&/b&呢？这些有用的牌称为「&b&有效牌&/b&」，最有用的当然是能让我直接听牌的牌，这类牌称为「&b&第一类有效牌&/b&」。&br&●第一类有效牌：能使手牌向和牌前进一步（上听数降低）的牌，包括：&br&&img src=&/b4f80ff611d9fe9bac9ad1a8f766d7f1_b.jpg& data-rawwidth=&117& data-rawheight=&81& class=&content_image& width=&117&&除了第一类有效牌，有用的牌还有以下这些：&br&●第二类有效牌：不能使上听数降低，但能使第一类有效牌增多的牌，包括：&br&&img src=&/9eee6b2ee1e88f233d83a3_b.jpg& data-rawwidth=&548& data-rawheight=&84& class=&origin_image zh-lightbox-thumb& width=&548& data-original=&/9eee6b2ee1e88f233d83a3_r.jpg&&比如摸到九索，一般情况下应该选择留下九索打掉三索，因为第一类有效牌变多了：&br&※计算采用天凤牌理&a href=&///?target=http%3A//tenhou.net/2/%3Fq%3Dp3899s& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&オンライン対戦麻雀 天鳳 / 牌理&i class=&icon-external&&&/i&&/a&。&br&&img src=&/c76f5c1e881fcee05c0d767_b.jpg& data-rawwidth=&449& data-rawheight=&201& class=&origin_image zh-lightbox-thumb& width=&449& data-original=&/c76f5c1e881fcee05c0d767_r.jpg&&●第三类有效牌：不能使上听数降低，也不能使第一类有效牌增多，但能使第二类有效牌增多的牌，包括：&br&&img src=&/bd875ab012cb97d5a28b27a_b.jpg& data-rawwidth=&658& data-rawheight=&83& class=&origin_image zh-lightbox-thumb& width=&658& data-original=&/bd875ab012cb97d5a28b27a_r.jpg&&比如摸到五索，一般情况下应该选择留下三五索拆掉八九索，虽然第一类有效牌张数没变，但三五索相比八九索多了 1 种第二类有效牌——六索（原是第三类有效牌）。&br&&img src=&/c7f174aa0bd664b609e3fd_b.jpg& data-rawwidth=&445& data-rawheight=&286& class=&origin_image zh-lightbox-thumb& width=&445& data-original=&/c7f174aa0bd664b609e3fd_r.jpg&&（也许看到这里，你有点算不过来，或者感觉这和你平时打的麻将压根不是一个游戏。没关系，这很正常，你可以找张纸，在纸上仔细算一下每种第二类有效牌都新增了哪些第一类有效牌。）&br&&br&可见，对于一开始一上听的 13 张手牌而言，除了七八九筒外的所有数牌都是有用的牌。麻将的牌效率就是这样——&b&不断通过有效牌增大自己的进张面，最终使得和牌的概率越来越大&/b&。也许你已经发现，麻将牌效率的本质就是一个&b&搜索树&/b&，最开始的手牌&br&&img src=&/dfc15d61b_b.jpg& data-rawwidth=&713& data-rawheight=&84& class=&origin_image zh-lightbox-thumb& width=&713& data-original=&/dfc15d61b_r.jpg&&经过多轮选择后可能对应多种结局（和牌），例如：&br&①&img src=&/e5f77ec77d4432c22ababe123f63a2ec_b.jpg& data-rawwidth=&766& data-rawheight=&84& class=&origin_image zh-lightbox-thumb& width=&766& data-original=&/e5f77ec77d4432c22ababe123f63a2ec_r.jpg&&路径：摸到第一类有效牌八万或七索听牌，再自摸另一张和牌（最大概率结局）。&br&②&img src=&/b0d8f679b_b.jpg& data-rawwidth=&769& data-rawheight=&84& class=&origin_image zh-lightbox-thumb& width=&769& data-original=&/b0d8f679b_r.jpg&&路径：先摸到第二类有效牌一万或七万后打掉三索，然后摸到一万或七万的另一张听七索，或者摸到七索选择听一万和七万对倒和牌。&br&③&br&&img src=&/fbda377e0dbbc6c142439ff_b.jpg& data-rawwidth=&767& data-rawheight=&83& class=&origin_image zh-lightbox-thumb& width=&767& data-original=&/fbda377e0dbbc6c142439ff_r.jpg&&路径：先摸到第三类有效牌三筒后打掉三索，然后摸到四筒后拆掉八九索，之后和牌。&br&&br&对于一个&b&两上听以内&/b&的手牌来说，这个树的深度最多也就是&b& 4~5 步&/b&，每一步的分支平均在&b& 15 种&/b&左右，也就是说复杂度最多在&b& 10^5 数量级&/b&。由于每条路径都对应着一个确定的&b&概率&/b&，一个好的麻将 AI 完全可以做到&b&遍历&/b&这个树，比较两种或更多种打牌选择之间所对应结局的&b&和牌期望之和&/b&。&br&&br&对于&b&三上听以外&/b&的手牌（由上文图中可知三上听以外的手牌约占手牌所有组合的 80%），由于手牌中会存在大量的孤张或简单搭子，只需单独比较孤张或简单搭子的效率即可，计算量更小。&br&&br&除了上述穷举手牌搜索树的方法，还可以采用&b&模拟&/b&的方法。比如让麻将 AI 在短时间内模拟两种打法各 1000 手牌，哪个和牌率更高就选哪种打法。虽然这样不太精确但已经足够保证比人要强了。&br&&br&&u&2. 和牌限制与番数价值&/u&&br&&br&很多麻将规则&b&对和牌有限制&/b&，比如国标麻将必须八番起和，四川麻将必须缺一门，太原麻将和牌必须包含指定牌张等等。我们只需在上述&b&基础牌效率算法搜索树&/b&的基础上，「&b&砍掉&/b&」那些结局不符合要求的分支即可。&br&&br&有些时候我们不仅关注和牌的概率，也关注&b&和牌的大小&/b&，比如有些牌我们宁可损失一些进张也想去做清一色，追求更高的&b&和牌得分&/b&。我们只需为树的所有结果赋值（和牌得分），并用&b&结局对应的值&/b&与&b&路径对应的概率&/b&求出不同打法的&b&得分期望&/b&并进行比较。&br&&br&&u&3. 副露判断&/u&&br&&br&「这个牌该不该碰」似乎是打麻将时比较令人头疼的问题。但其实&b&副露判断&/b&只是&b&计算量大&/b&，并不需要特殊的算法，依然是&b&对比&/b&碰与不碰两种选择所对应的所有结局的&b&得分期望&/b&即可。日本麻将中的&b&立直（报听）判断&/b&也是同理。&br&&br&只不过当我们在考虑「打哪张好」的时候，两种打牌选择之间所对应的路径和结局有&b&大部分都是重合的&/b&；而我们在考虑「该不该碰」的时候，两种选择所对应的路径和结局基本是&b&完全不同&/b&的，这无形中&b&增大了计算量&/b&。其实人脑在做蒙特卡洛树搜索时，比较容易做到&b&「想得很深」&/b&，比如职业棋手可以提前算到 20 甚至 30 步棋；但难以做到&b&「想得很广」&/b&，通常情况下大脑只能做到从两种选择中找几个概率较大、有代表性的&b&结局样本&/b&做比较。所以副露判断显得难，其实只是&b&计算量&/b&的问题，而对于麻将 AI 来说，这&b&不是问题&/b&。&br&&br&&u&4. 防守端&/u&&br&&br&防守端需要解决的是&b&攻守判断&/b&和&b&防守打法&/b&两个问题，即「什么时候要防守」和「要防守应该打什么」。解决这些问题最好的方法是让麻将 AI 自己通过大量的牌谱（千万场量级）进行&b&自我学习&/b&。正如前文我所提到的，其实人们对于麻将应该如何&b&科学防守&/b&的研究也才刚刚开始，想要分析一个打过三筒和八筒的人真正需要的是几筒，需要&b&大量&/b&的牌谱作为样本进行研究。这部分研究现在还要等待电脑去完成，未来的麻将 AI 在这方面要比人类做得更好可以说是必然的。&br&&br&对大量牌谱所做的&b&出牌模式研究&/b&还可反过来应用于牌效率算法的&b&改进&/b&中。比如早巡打过八万的人手牌中有九万的概率较小，那么牌墙中剩余九万的概率就有所上升，牌效率中利用九万的路径的概率就可以做出相应的&b&修正&/b&。&br&&br&&u&5. 状况判断&/u&&br&&br&状况判断指的是麻将的&b&「大局观」&/b&，如为了争取第一名或者为了规避第四名而采取不同的策略。状况判断其实就是对&b&得分期望&/b&做进一步的&b&修正&/b&。比如某状况下我必须自摸 13 番牌才能逆转，那么最终结果是 13 番以下的牌的得分期望可以进一步降低，而 13 番及以上的牌的得分期望则可以提高。&br&&br&&br&总之，麻将的复杂度较低，算法上可以用&b&搜索树穷举法&/b&以及&b&大量牌谱的自我学习&/b&来解决，只要有大量牌谱资料，有人肯花时间，有人愿意出资，开发一个能胜过人类的麻将 AI，&b&非常容易&/b&。&br&&br&————————准备跑题的分割线————————&br&&br&最后的最后我想说，同为智力运动，相比棋类，人们对牌类的研究真的是太少了。虽然牌类的竞技性（区分选手竞技水平的必要对局时间）要普遍弱于棋类，但牌类也有其独特的策略与魅力。诚然，人们普遍对牌类项目有着各种各样的偏见与误解，比如认为牌类是纯运气项目，比如说起牌类就联系到赌博……也正由于此，牌类项目的规范化、竞技化、运动化才显得尤为迫切与重要。&br&&br&我希望有朝一日，麻将、斗地主、德州扑克这些项目能够获得与桥牌同样的地位与发展空间。我希望未来的孩子们既可以选择学习围棋，也可以选择学习麻将。我正走在追寻理想的道路上，而且我坚信理想并不遥远：&a href=&///?target=http%3A//www./n318/n352/c709465/content.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&国际智盟执委会：麻将扑克有望亮相下届智英赛&i class=&icon-external&&&/i&&/a&。
谢邀。很高兴能借着 AlphaGo 的东风，和大家分享一下麻将 AI 研究的现状。 一. 麻将和围棋有什么不同？ 从博弈论的角度来讲，围棋是完全信息动态博弈，而麻将属于非完全信息动态博弈。围棋中对局双方所掌握的信息是对称的，而麻将中各对局者间所掌握的信息…
----------------------------------更新线--------------------------------------------&br&今天打谱，1966年专业十杰战林海峰执白中盘胜高川格：&br&&img src=&/v2-6c40b3d3b156ea612afa124_b.jpg& data-rawheight=&500& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-6c40b3d3b156ea612afa124_r.jpg&&&br&看着这手飞刺，虽然意蕴不同，但还是默默地笑了。&br&-------------------------------------------以下是原答案---------------------------------------&br&这个答案下怎么这么多酸味呢？又是“灾难”了，又是“羞辱”了，又是找不到“借口”了，真是。&br&---------------------------------------------吐槽和正文的分割线----------------------------------------------&br&Alphago这一次重新出现在公众视野前，60连胜，基本上赢了现役所有的人类职业顶尖高手，包括柯洁/井山裕太/朴廷桓这三位中日韩现役第一人。从职业棋手对局后的感想看，纷纷表示跟目前这位Master差距太大。据孔令文说，井山裕太下完后跟他表示和对手差距太大，自己下的都不是棋。而柯洁，杨鼎新，芈昱廷，黄云嵩等则普遍表示得让先或者二子才下得动。换而言之，目前的Alphago，是最接近职业棋手之前想象的棋神的存在。&br&---------------------------------插叙的分割线---------------------------------------------------------------------&br&围棋天地之前曾经做过对一批中外一线职业棋手的访谈，据访谈之后的总体统计，一线棋手对围棋上帝和自己之间的棋力差距的回答中，普遍集中在3-4子之间（当然也有估计差距更大和估计差距更小的）。&br&--------------------------------------------回来----------------------------------------------------------------------&br&很多职业棋手都觉得，这一次的AI带来了很多颠覆性的东西，柯洁在微博中也表达了类似的看法，总体调子就是AI颠覆了之前人类的围棋理论，好像之前几千年总结出来的棋理都是错的。不过我倒不这么觉得。在表述我的观点前，我想先摆两个图。&br&&img src=&/v2-659da596f08b5fc14426cfb_b.jpg& data-rawheight=&274& data-rawwidth=&175& class=&content_image& width=&175&&这是去年公布出来的樊麾和当时的Alphago的对局的一个局部，AI在大雪崩定式中走出白1这样的失误。&br&&img src=&/v2-c13d53f36ee59e11915f0_b.jpg& data-rawheight=&124& data-rawwidth=&175& class=&content_image& width=&175&&这是去年李世石和Alphago五番棋期间AI标志性的一个下法，被职业棋手之前普遍认为巨俗，甚至是小恶。&br&但是等到今年AI再次出现，这种下法几乎绝迹了。取而代之的是：&br&&img src=&/v2-64d359b228cae411cdfc8d0b1a2f6ab8_b.jpg& data-rawheight=&225& data-rawwidth=&275& class=&content_image& width=&275&&这个&br&&img src=&/v2-ca8bb76b6f143d11f05fd9_b.jpg& data-rawheight=&174& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-ca8bb76b6f143d11f05fd9_r.jpg&&这个&br&&img src=&/v2-1ef08d9eaf473e1930d4_b.jpg& data-rawheight=&224& data-rawwidth=&150& class=&content_image& width=&150&&这个&img src=&/v2-11d52dcfc8e43716ccc4b_b.jpg& data-rawheight=&500& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-11d52dcfc8e43716ccc4b_r.jpg&&和这个。&br&的确，上面这些图也很罕见，但是与之前相比，AI这些手法，或是之前有人下过（比如妖刀，比如外刺星位单关角），或是有一定道理的新手（比如崭新的大雪崩外拐变化），或是有前辈曾经提过（比如星位两边有限制的情况下直接点三三，再比如AI频繁使用的小目大飞角，前者藤泽秀行曾经在研究会上提过，后者吴清源曾在晚年提出过小目大飞角优于无忧角的说法）。与我们之前看到的AI相比，现在的AI更像是一个手法更独特的人类棋手，换而言之，更加“人”化了。&br&与这些令人眼花缭乱，吸引眼球的怪招相比，真正支撑着AI60连胜的是什么呢？是力量。与其说Alphga是在颠覆人类的棋理，倒不如说Alphago用自己的力量支撑着自己的招法更好地兑现人类几千年总结出来的棋理。&br&昨晚有幸观战了Alphago网络公测的最后三局，经过60局的打磨，Alphago在最后三局中展现出的东西充分显示了其力量拔卓的特点。&br&&img src=&/v2-a77be5bbedfb62d987e32427_b.jpg& data-rawheight=&500& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-a77be5bbedfb62d987e32427_r.jpg&&第58胜执白对阵常昊九段，布局到这里难分优劣。&br&&img src=&/v2-19efe1f555be_b.jpg& data-rawheight=&500& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-19efe1f555be_r.jpg&&但常昊黑1试图威胁白棋让它再补一手的时候，AI立刻以白2、4、6飞压反击，一战将黑棋全部压迫在左边，筑起大势从而获胜，而黑棋根本来不及冲击白棋左下的缺陷。你说这一系列作战AI哪里颠覆了围棋理论？“宁失一子，不失一先”，“入腹争正面”，“逸劳互易忙须夺，彼此均先路必争”，这些棋诀棋理，哪个被颠覆了？实际上AI就是精确算到了常昊黑1是缓手，达不到黑棋想要达到的战略目的。你非要说颠覆，我觉得从这个局部看，让我感到最颠覆的是，在有充足算路支撑的前提下，梶原武雄那句“星单关角布局被人分投必败”还真有可能是真的。&br&&img src=&/v2-fccdc9f706054_b.jpg& data-rawheight=&500& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-fccdc9f706054_r.jpg&&&br&第59胜执黑对周睿羊九段。形势到这里又是难分高下，之前左上转换活角的时候负责解说的檀啸七段说白棋应该便宜了，但是走到这里檀啸七段一判断，觉得双方怎么差不多啊，檀啸七段说他不明白了，不过我这个弈城4段倒是有点明白。假设这个局面我执白，对面是弈城6段以上棋力，我肯定觉得不安，因为我知道黑棋必然能对中央一块白棋孤棋施以严厉攻击。果然，&br&&img src=&/v2-1f3efa47fb9b95cc35a0e_b.jpg& data-rawheight=&500& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-1f3efa47fb9b95cc35a0e_r.jpg&&&br&黑1就这么凌厉、蛮横、霸道地攻过来，之前转换时候黑棋积累的厚势效率明显会百分之一百地发挥，什么“厚势不围”，什么“厚势勿近”，这时候全变了真理。几手之后檀啸七段就打出一句：“看来又是难局。”这是什么？这就是用力量支撑的结果，你让我去执黑，这个局面黑棋上面空间这么大也想攻白？那真是“你也配姓赵”。马克思主义哲学原理怎么教的：真理是有quan条tou件da的。可惜很多人就只记得“真理是客jiao观tiao的”。&br&&br&&img src=&/v2-426ecb9e691bbeaf09f15dd0e4858eb0_b.jpg& data-rawheight=&500& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-426ecb9e691bbeaf09f15dd0e4858eb0_r.jpg&&第60胜执白对古力九段。古力九段这盘下得非常放得开，前半盘宇宙流，布局奔放有力，非常值得一看，但是，&img src=&/v2-091dc7990eade3_b.jpg& data-rawheight=&500& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-091dc7990eade3_r.jpg&&白1以下层层渗透扒皮，古力最终2目半失利。棋谚怎么说：“两番收腹成犹小”。但试问又有几位能做到精确渗透真的让古力这个级别的“成犹小”？这还是计算，力量在背后支撑。&br&你问我怎么看待AI的60战全胜，我觉得这是莫大的好事，现代围棋脱胎于日本一系，日本棋圣道策和秀策奠基这是第一变，到吴清源新布局至李昌镐打磨后半盘这是第二变。如今吴老仙去，新布局以来百年成果是不是就不需要新的血液了？答案显然是否定的。随着Alphago为代表的一系列AI的横空出世，必将以鲇鱼效应带动围棋新的变革。实际上去年李世石和老版的Alphago对弈时，还有专家担心过过拟合问题，并觉得AI的棋力是不是就此到顶了。从今年公测来看，围棋这项智力运动的发展空间之大远超之前人们的想象。我们有理由相信围棋在未来会发展得更高更远。&br&————————————————最后一点吐槽——————————————————&br&在与聂卫平对弈后，谷歌团队打出了“谢谢聂老师”这句话。说实话我看到以后很感慨。因为就在同一时间，网络直播中有无数的宵小之徒，无知无识之辈，在对这位曾经一手将中国围棋带上巅峰的老人大放厥词，肆意攻击污蔑。在职业棋手们前赴后继，以求道精神挑战AI的时候，不知有多少一辈子也摸不到这些围棋职业精英边的人借题发挥，满足自己那可怜的虚荣心与存在感，展示自己那不知从何而来的优越感。更有不少媒体，打出诸如此种的标题：&br&&img src=&/v2-535ca220c10d36cc838b7_b.png& data-rawheight=&25& data-rawwidth=&285& class=&content_image& width=&285&&&img src=&/v2-46f6dae9d5067defd350e723cf8bee8f_b.png& data-rawheight=&26& data-rawwidth=&317& class=&content_image& width=&317&&&img src=&/v2-ffb5feddd924c676f4e6f4ab_b.png& data-rawheight=&39& data-rawwidth=&282& class=&content_image& width=&282&&&br&&br&你们TMD还有点基本的素质和教养没有（没错友善度我不要了我也要讲）。&br&尔曹身与名俱灭，不废江河万古流！&br&---------------------------------------------我是脑抽的补充线------------------------------------------------------------&br&如果尧造围棋这个传说的时间节点是正确的，那么到元代《玄玄棋经》成书时，经过上千年的发展，先贤们不仅探索出了双飞燕、倒垂莲、大飞角，还探索出了这些：&br&&img src=&/v2-276ba64b5_b.jpg& data-rawheight=&125& data-rawwidth=&274& class=&content_image& width=&274&&&img src=&/v2-bc755fc5a48e289c6535ef2_b.jpg& data-rawheight=&150& data-rawwidth=&274& class=&content_image& width=&274&&没错这些如AI一般的奇招不仅记载于《棋经》中，而且还用了相当篇幅的变化图进行了研究，这些变化固然用今天眼光看不能说好，但是也并非完全不成立。所以只能说围棋真的是太玄妙太有趣了。&br&-------------------------------------------------------------------------------------------------------------------------------&br&再次感谢各位棋手的全力奉献，感谢谷歌团队的钻研付出与对科技的热爱，祝愿人工智能使我们的生活更加美好。&br&
----------------------------------更新线-------------------------------------------- 今天打谱，1966年专业十杰战林海峰执白中盘胜高川格： 看着这手飞刺，虽然意蕴不同，但还是默默地笑了。 -------------------------------------------以下…
这天比赛开始前，柯洁默默的将黑白棋子有序的摆在棋盘上，看似是在打谱，所有人都不知道他在干什么。&br&此时已经进化出人工智能的alphago好奇的扫描了一下&br&“这是。。。。。二维码！看看里面有什么，咦，xx卫士是什么，这个xx管家又是什么，唔，能加快开机速度！还能自动清理内存！还能杀木马！很有趣的样子啊，安装一下试试”&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&这天，人类再次战胜了alphago！！！
这天比赛开始前，柯洁默默的将黑白棋子有序的摆在棋盘上，看似是在打谱，所有人都不知道他在干什么。 此时已经进化出人工智能的alphago好奇的扫描了一下 “这是。。。。。二维码！看看里面有什么，咦，xx卫士是什么，这个xx管家又是什么，唔，能加快开机速…
道理大家都懂，赛前其实没人看好柯洁能胜哪怕一盘。&br&我只是很心疼他，外人看来他仍然是人类第一，围棋界数千年来少得的天才。但站在他的角度，连李世石都不放在眼里的傲娇的少年，一定也把狗当成了一个要认真对待的对手，不管他是机器还是人吧。&br&上帝对待这个天才的方式有点太过残忍。&br&在19岁的年纪，拥有了作为一生事业的围棋，然而现在告诉你，你面前有一位此生无法战胜的对手，哪怕你拿再多的冠军赢再多的人类，你也战胜不了它。它就是你此生的上帝。&br&这种绝望和窒息感，只有他自己可以体会吧，也是他哭的真正原因。&br&作为一个个体，输掉的那一瞬，真的有点怀疑自己接下来几十年的人生意义何在吧。
道理大家都懂，赛前其实没人看好柯洁能胜哪怕一盘。 我只是很心疼他，外人看来他仍然是人类第一，围棋界数千年来少得的天才。但站在他的角度，连李世石都不放在眼里的傲娇的少年，一定也把狗当成了一个要认真对待的对手，不管他是机器还是人吧。 上帝对待这…
Demis：第四局李世石下得非常出色。AlphaGo在下出第87手以后，发现自己误算。它追溯认为自己的第79手犯错误了（就是李世石年度妙手后电脑的那一着应手）。&br&&br&Demis：在李世石第78手的妙手之前，AlphaGo认为自己有70%左右的胜率，但是在第87手前发现误算，胜率大幅下落。&br&&br&评论：&br&&br&从这个情况看，AlphaGo在关键位置的蒙特卡罗计算深度不够，差了李世石4个回合。它可能不认为那是个关键棋，还是严格地只用了一分钟左右（它每步思索都是几乎恒定的一分钟）。尽管人类是可以看出来这里非常关键。如果AlphaGo在这个位置长考半个小时的话，应该能有好的应手。&br&&br&当胜率突然大幅落后时，AlphaGo出现了各种臭棋，感觉是很明显的过拟合。因为它训练的对手都是自己（电脑），在大官子阶段落后5目以上时，尽管从人类角度来看，棋盘很大，可以扳回，但它训练对手是电脑，无论正手还是乱走，都无法扳回（因为电脑官子几乎不犯错）。导致各落点获胜几率都一样很低。估值网络失去了作用，它随机选一步，或者选了训练棋谱中赢棋最多的招法（这种情况下翻盘，往往更多地出现在水平极低的业余棋手的相互对局之中），就变成乱走了。&br&&br&————————————————————————&br&更新一下：&b&我昨天的回复猜测很可能有误&/b&，update以免误导大家。 &br&&a data-hash=&be0d3bb133ad0151eefd188& href=&///people/be0d3bb133ad0151eefd188& class=&member_mention& data-tip=&p$b$be0d3bb133ad0151eefd188& data-hovercard=&p$b$be0d3bb133ad0151eefd188&&@田渊栋&/a& 在 &a href=&/yuandong/& class=&internal&&第四局AlphaGo败招的分析 - 远东轶事 - 知乎专栏&/a& 中汇报了Facebook围棋程序测试的结果，简要概述：&br&1.机器的确没有算到这一手。&br&2.但不是算力的问题，经过机器验证，&b&蒙特卡罗树可以在合理的深度算出正解位置&/b&（下方顶或上方打吃），正解尽管有一定风险或损失，但由于AlphaGo前半盘领先优势巨大，若正确应对，依然有胜望。&br&3.目前猜测有两种可能：(1).由于机器思考不久便落子，推测可能未经大量运算，说明在蒙特卡罗树这里出了一个隐蔽的Bug。如果是这样，改掉Bug，或者打个补丁就行了。(2).估值网络在这个局部形状得到的值不对，导致胜率统计出现问题。这个问题就比较棘手。&br&田博士猜测更可能是后者。&br&&br&补充：至于大官子阶段那些恶手，是因为机器的自我训练目标（获胜，而非赚目数）产生的。看起来AlphaGo的工程师已经料到并且不是很在乎。他们主要在乎前者。
Demis：第四局李世石下得非常出色。AlphaGo在下出第87手以后，发现自己误算。它追溯认为自己的第79手犯错误了（就是李世石年度妙手后电脑的那一着应手）。 Demis：在李世石第78手的妙手之前，AlphaGo认为自己有70%左右的胜率，但是在第87手前发现误算，胜率…
最新更新&br&那我就开个脑洞，既然是人工智能。然后学习人类打法，学习人类的道德观点等等一切。突然要求它和最顶级的队伍打一场比赛，他在比赛中发现自己可以直接读取数据却不被发现。哪你怎么知道他不会作弊呢，毕竟这也是人类的天性。既然人工智能可以学习哪就有可能学习到作弊，学习到自己其实更优秀，然后学习到自己要替代人类。 &br&人类因为一场lol灭绝哦。&br&&br&&br&原文&br&我同学买过一种外挂，全自动补刀、推塔、躲技能、指挥中推、泽拉斯三炮无脑必中。 他轻轻松松就打上了大师。 他开了挂人站在你面前只要不是锁定的技能99%都能躲掉。 你觉得这个一个月一百的外挂比谷歌的人工智能还要高级吗？&br&---------------------3-20更新-----------------&br&有的人老是把lol和dota里面的人机说是人工智能，哪不是人工智能好嘛，那只是给程序设定一个触发条件不停的触发罢了。 先去搜索一下人工智能的定义再来说好嘛。不然我会以为你真的很坐井观天哎。&br&还有我说的这个脚本外挂，意思不是说这个脚本就是人工智能的意思，我是说这么low的脚本你都打不过，就不要想着和人工智能玩了好嘛。&br&---------------------3-21更新-------------------&br&评论里有人说我吹牛逼，有人说不可能。有人说十万求。 你们爱信不信喽，没见过不代表没有。前段时间大部分主播不都遇到过吗，还有直播遇到的呢还录视频举报了呢。笑笑的直播&br&十万求的请私信联系我，一手交钱一手交货。&br&-----------------------3-22更新-----------/------&br&请大家不要私信我要外挂链接，如果实在想要可以给我打1万然后我就会给你了。&br&&br&---------------------3-23更新-----------------------------------------&br&&a href=&tel:&&&/a&，居然快要破千赞了。。。 实在是没想到这么个回答居然是我第一个千赞呢。感谢大家的点赞。 &br&&br&大家不要光感谢不赞，这简直就在耍流氓。动动小手不管你是左上角，右上角还是左下角，总之就是那个数字的地方给我个赞呗&br&&img data-rawwidth=&380& data-rawheight=&334& src=&/f6f69d61f8b18b96d162b4_b.jpeg& class=&content_image& width=&380&&&br&&b&加个关注，点个赞，任君自愿。&/b&
最新更新 那我就开个脑洞，既然是人工智能。然后学习人类打法，学习人类的道德观点等等一切。突然要求它和最顶级的队伍打一场比赛，他在比赛中发现自己可以直接读取数据却不被发现。哪你怎么知道他不会作弊呢，毕竟这也是人类的天性。既然人工智能可以学习…
“国际象棋电脑程序想要在人类大师级（Master）选手中赢得一场比赛的唯一可能，是等到这位大师喝得烂醉、同时在下着50盘棋、并且犯下一个他一年才可能犯一次的错误时。”&br&&br&上面这段话是1976年一位高级国际象棋大师（Senior Master）对当时的国际象棋程序所作出的评价。（这种说法是不是听起来很耳熟？20年前，人们差不多也是这么评价围棋电脑程序的。）&br&&br&但在接下来的20年中，随着电脑算法和硬件的不断升级，电脑程序在与人类选手的比赛中战绩越来越好，国际象棋大师们对电脑程序的评价也在一次次改变：&br&&br&“电脑永远也不可能击败特级大师（Grand Master）。”&br&&br&“电脑永远也不可能击败&b&实力强劲&/b&的特级大师。”&br&&br&“也许电脑可以击败实力强劲的特级大师，但它永远也无法击败国际象棋世界冠军卡斯帕罗夫。”&br&&br&1996年2月，世界冠军卡斯帕罗夫作为人类棋手的最后一道防线在美国费城迎战IBM的“深蓝”电脑，双方一共进行了六局的较量。在比赛的第一天，深蓝在第一局中击败了卡斯帕罗夫，这也是电脑第一次在标准比赛规则下战胜世界冠军。&br&&br&在第一局比赛结束的当晚，卡斯帕罗夫和他的助手在费城的街道上一直散步到深夜。期间，心烦意乱的卡斯帕罗夫曾经问他的助手“如果那玩意儿是不可战胜的，那怎么办？”&br&&br&不过，在次日进行的第二局比赛中，卡斯帕罗夫扳回了一局。在比赛结束后的采访中，他对深蓝做出了很高的评价：“在某些局面中，它（深蓝）看得非常深，就像上帝在下棋。”&br&&br&在随后的四局比赛中，卡斯帕罗夫两胜两平，最终以4：2的总比分击败了深蓝，捍卫了人类象棋大师的尊严。虽然深蓝失败了，但4：2的比分让深蓝的制造者们心里很清楚，用电脑程序战胜世界排名第一的人类棋手将只是一个时间问题了。&br&&br&要想明白在这20年内人们是如何将国际象棋程序的水平提高到足以跟世界冠军较量的，我们得先来看一下电脑程序下棋的原理。&br&&br&电脑下棋的基本原理其实一点都不复杂，在这里我们用简单的井字棋（Tic-Tac-Toe）来举例说明：&br&&br&&img src=&/e7d8dfc5a69a_b.png& data-rawwidth=&864& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&864& data-original=&/e7d8dfc5a69a_r.png&&&br&井字棋是一种非常简单的二人棋类游戏。棋盘上一共有九个格子，对战的双方依次在格子中画下圆圈或者叉叉。当一方的三个棋子以横、竖或对角的方式连成一条线时即为胜利。&br&&br&想要让电脑下井字棋，最简单的方法就是让它对所有可能的走法逐个推演一遍。比如说对于井字棋来说，第一步一共有三种走法，分别是下在角落上、边上和棋盘中间。对于这三种走法中的每一种，对手又会各有数种应对走法，从而形成更多数量的局面。电脑所要做的就是一步步计算下去，把每一种局面都推演一遍：&br&&br&&img src=&/64d79ac57dae83f6d1e63_b.png& data-rawwidth=&800& data-rawheight=&533& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/64d79ac57dae83f6d1e63_r.png&&&br&上面这张图片中显示了电脑推演过程的前两步。其中叉叉选手一共有三种开局，分别显示在图片的第二行中。图片的第三行中显示的是圈圈选手的应对走法。对于叉叉画在在中间的开局，圈圈选手一共有两种应对方法。对于另外两种开局，圈圈选手各有五种对应的走法。&br&&br&这种推演每多推演一步，我们得到的不同局面就会越来越多。上面图片中只推演了两步，或者说两“层”（Ply）。由于井字棋最多也只能下上9步，并且每步的变化都十分有限。从第一步下到最后一步，井字棋一共只有26830种不同的棋局。电脑可以很容易地将每一种情况都推演到底并记录下输赢结果，下面的图片是一个简化的示意图：&br&&br&&img src=&/403d1c525be4f1dd2b249fe9d7f14e0a_b.png& data-rawwidth=&800& data-rawheight=&545& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/403d1c525be4f1dd2b249fe9d7f14e0a_r.png&&&br&在上面的图片里，最后一行中蓝点代表的是选手一获胜的结局，红点代表的是选手二获胜的结果。对于可以直接“看穿”每一步棋的最终结果的电脑来说，在和人类下棋时只要尽量选择自己颜色获胜的分支去下就可以了。如果双方都按照最优方案去下，将永远是和棋的结果。&br&&br&让电脑下国际象棋的基本思路其实和下井字棋是一样的。但其中一个重要的区别是国际象棋的变化要比井字棋多得多。在国际象棋的中局阶段，平均每一步都有30-40种不同的选择，这意味着电脑往下推演一个回合（双方各走一步）就要计算一千种可能的情况，并且每多推演一个回合计算量就会增加一千倍。推演两个回合就要计算一百万种情况，四个回合就是一万亿种，八个回合就是一亿亿亿种……&br&&br&由于计算量随着推演回合数的增多呈指数式的增长，电脑是无法像面对井字棋那样直接计算到最后一步的。人们只好做出一定程度的妥协，让电脑在推演到一定数量的回合数就停止计算。由于无法直接推演到分出胜负，所以人们又在电脑程序中增加了评分系统，好让电脑从千千万万个推演结果中选出最优的一个。例如人们可以在评分系统中设定皇后=9分、车=5分、象=5分、兵=1分等等，然后再根据棋子的不同位置对得分进行修正。电脑程序会按照这个评分系统对推演出的每一个局面进行评分。&br&&br&接下来要做的事情显然是根据推演结果来选择下一步要走的棋了。假设电脑刚刚往下推演了两个回合，一共产生了一百万个可能的局面，并对它们一一进行了评分。我们现在是不是应该直接找出评分最高的那个局面，然后向上倒推出我们下一步应该要走的棋呢？&br&&br&当然不是。&br&&br&别忘了，在这两个回合一共四步棋中，只有两步是由电脑程序这一方来走的，还有两步是由对手来走的。对手走出的这两步棋一定是会尽力让电脑一方的评分降低的，所以电脑计算出的最优局面很可能只是存在于理论上而已，对手才不会乖乖地配合你走出这样一个局面。&br&&br&在计算出N个回合后的所有局面后，我们需要用到一个特殊的算法来确定下一步要走的棋。下面的图片中是一个非常清晰的简化示例：&br&&br&&img src=&/3acbfd8d53001e6_b.png& data-rawwidth=&800& data-rawheight=&468& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/3acbfd8d53001e6_r.png&&&br&在上面