13. AlphaGo带给人类的启示到底是什么?

让我们再一次回到2016年3月的那场李世石与谷歌AlphaGo的围棋对局，在当时，绝大多数围棋界人士和人工智能界的科研人员，此前都没想到围棋程序会在如此短的时间内取得质的突破。因为国际象棋与围棋的复杂度相差甚远。1997年IBM深蓝在国际象棋围棋盘上战胜人类棋王的故事，并不足以让围棋高手信服，而且这么多年来，围棋AI程序的研发一直举步维艰。

直到2006年之后，随着蒙特卡洛搜索算法在围棋对弈软件中的应用，MOGO，Zen，crazy Stone等程序的棋力才得到了突飞猛进的提高。在国际对弈平台KGS上，2006年到2012年主流围棋对弈软件的棋力从业余二段猛升到业余五段，甚至业余六段，但也就此停滞不前。AlphaGo出现前，围棋界专家对围棋对弈软件棋力的评估基本比较一致，大多认为最好的计算机程序也可以和业余高手过招，但和职业选手之间，还是有着本质的差别。

在今天的围棋界，业余高手和职业高手之间存在2子以上的明显差距，通常这个差距是职业选手从童年开始，用10年以上的时间，刻苦训练得来的。业余选手极难弥补。另一方面，在计算机科学界，懂得蒙特卡洛搜索算法原理的人都知道，这种算法主要是利用抽样统计来提高搜索，单用此算法确实难有提高空间，这是AlphaGo出现前围棋界和计算机科学界两方面都不敢奢望人机大战即将到来的根本原因。但是深度学习改变了一切。

使用深度学习，并结合蒙特卡洛搜索的AlphaGo已注定被写入历史。AlphaGo问世的第一年内，其实进入大家视野的是3个版本，5:0击败樊麾的内测版本，4:0击败李世石的版本，以Monster网名60：0快棋挑落中日韩选手的版本，三个版本演进脉络明显，每次迭代都有重大升级。从围棋角度来说，AlphaGo最震撼的是计算机在人类传统认为极其玄妙的，电脑无法掌握的大局观上突飞猛进，远远将人类选手甩在身后，电脑计算大局观的方式和人类培养大局观的思路有根本的差别。人们不可能在这方面赶上电脑。