听起来围棋跟人工智能八竿子打不着。
为什么围棋方面的一次人机大战会带火人工智能呢？
这可能跟围棋的机制有关系。
围棋虽然一向被认为是目前世界最复杂的棋盘游戏之一。
但围棋基本规则很简单。
围棋盘是方形的，由纵横各19条线组成。
19╳19形成了361个交叉点（以下简称为点），棋子就下在这些点上，在边、角、中腹任何一点都可以下。
下棋时棋子要下在棋盘的交叉点上，棋子下到棋盘上之后就不能再移动位置了。
黑先下子，黑子下一个，白子下一个，一直到最后，看哪一方占的地盘多哪一方为胜。
当然了，具体如何衡量占的地盘多寡，不同国家规则并不完全相同。
尽管围棋的规则很简单，但是这并不妨碍围棋棋局千变万化。
据称一局围棋中可能出现的变化比宇宙中全部的原子数目还要多。
在这种情况下计算机想通过穷举得出一局游戏中所有可能出现的变化是不太现实的。
程序想取得更高的效率只能在算法上做文章。
然而即便是利用算法，涉及到围棋方面：
电脑要在围棋中取胜比在国际象棋等游戏中取胜要困难得多。
因为围棋的下棋点极多，分支因子远多于其他游戏。
而且每次落子对情势的好坏飘忽不定。
在这种情况下传统的算法很难奏效。
别说传统的算法了，就是一般的人工智能方法都很难奏效。
诸如暴力搜索法、Alpha-beta剪枝、启发式搜索的传统人工智能方法这些在围棋中都效用不大。
正因为在技术层面困难重重。
前世虽然在97年的时候，在国际象棋层面人工智能就击败了人类顶尖棋手。
但在围棋方面，人工智能却一直折戟沉沙。
直到在击败国际象棋方面的顶尖高手18年之后。
人工智能才在围棋方面第一次击败了来自宇宙国的围棋九段高手。
这件事在前世也被解读为“在任何一个单项领域，机器都有可能远远的领先人类。”
虽然这种说法的正确与否还无从评判。
但不可否认“人工智能”这个概念就是在李世石和阿法狗AlphaGo的那次人机大战之后才突然火了起来。
这次对战影响不仅仅局限在研究人工智能的那个小圈子里。
而是引起了整个社会对人工智能极大的讨论。
反正林灰记得前世16年3月那段时间里，新闻、微博充满了AlphaGo和人工智能。
有讨论技术的，也有展望未来的，也有看到商机准备下场的……
当然，这喧闹的一切背后不排除有运作的可能。
毕竟据林灰所知，围棋其实主要流通于东亚这一带，并不是世界范围内高度流通。
而即便是在中国、岛国、宇宙国这样的围棋流通还算可以的地方。
普通人里面围棋爱好者的比例也不算太高。
即便有的稍微懂点规则，涉及到诸如劫争之类稍微麻烦点的也说不太清楚了。
林灰姥爷是围棋迷，之前还定过段。
林灰在其熏陶下对围棋也算很了解，大概业五这样的水平吧。
即便如此林灰从来不自诩擅长围棋。
毕竟业五面对真正的职业九段普遍要被让2~6子。
这种情况下“人工智能”的概念却能够借助“围棋”火了起来。
很难说这背后没有人在推波助澜。
不过这些来龙去脉就不是林灰关心的了。
既然前世这次围棋方面的这次人机大战能成为人工智能的爆点。
那么这个时空林灰也完全可以将阿法狗AlphaGo类似的程序搞出来然后想办法促成人机对战。
之后再适当加以运作使这次事件成为人工智能的爆点。
涉及到阿法狗AlphaGo。
前世阿法狗AlphaGo是deepmind这家嘤国公司推出的。
虽然这个时空也存在deepmind这家公司。
但林灰也不用担心撞车什么的。
前世阿法狗AlphaGo的诞生虽然跟deepmind这家公司有着千丝万缕的联系。
但涉及到阿法狗AlphaGo这个项目其实是deepmind这家公司被谷/歌收购之后他们才开始搞的。
总之前世阿法狗AlphaGo之所以能够诞生跟deepmind和谷/歌之间的py交易有着很大的关系。
可是现在这个时空里谷/歌和deepmind并没有进行该项目的合作。
而且大概率在将来也不会有合作的机会了。
林灰先前就了解过。
这个时空名为deepmind的公司确实存在。
但因为这个时空在人工智能上研究的整体性滞后。
deepmind这家公司虽然也从事人工智能方面的研究。
但进展什么的寥寥无几。
小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！而且deepmind这家公司并不是很好过。
前不久该公司还试图申请破产保护。
这样的公司想获得前世的成就基本不大可能。
在这个时空人工智能方面的研究整体滞后的情况下。
林灰要搬运阿法狗AlphaGo的话基本不用担心有什么技术撞车风险的。
虽然没什么风险，但涉及到阿法狗AlphaGo的搬运却稍稍有点麻烦。
倒不是技术理论方面有什么麻烦。
虽然这个时空的人们还没搞定相应的技术。
但对林灰来说技术理论道路什么的却很清晰。
像阿法狗AlphaGo这样的经典人工智能应用。
基本上十个搞人工智能的九个都专门钻研过阿法狗AlphaGo是怎么一回事。
涉及到阿法狗AlphaGo的技术：
无非就是蒙特卡洛树搜索与两个深度神经网络相结合的一个简单应用。
蒙特卡洛树搜索是一种用于某些决策过程的启发式搜索算法，最引人注目的是在游戏中的使用。
在棋类游戏中尤为常见。
具体的两个深度神经网络，其中一个是估值网络，另一个则是走棋网络。
前者是用来评估比较合适的落点的，走棋网络是用来调整最佳落子位置的。
为什么要采用这种设计呢？
很大程度上是受人类下棋的启发。
人类下棋的时候，首先棋手会通过过去的经验、棋谱先大致判断出下哪里不吃亏。
缩小搜索范围之后，棋手会对某一局部位置进行详细的推演。
至于推演时候，棋手主要思考的是自己如何落子、落子之后对手又会如何反应。
一般来说，优秀的棋手都应该具备这种的推演能力。
走一步看十几步甚至几十步，才能成为围棋高手。
至于推演的目的则是是为了找出对自己最有利的落点。
总结一下，优秀棋手要具有一下能力：
首先通过局势判断大概可行走法；
然后判断局势是否对自己有利；
再之后推演局势找出最佳落点。
人工智能虽然看起来是机器方面的学问。
但实际上是科研人员在试图让机器像人那样去思维。
阿法狗AlphaGo在运行的逻辑本质上很接近人类棋手的思考方式。
总之，涉及到阿法狗AlphaGo的技术实现什么的其实不是很复杂。