[评论]李世石输在了计算力上

（原标题：[评论]李世石输在了计算力上）

在这之前，押宝李世石赢的人是占多数的，工程师们也从技术角度深度分析了这场比赛并得出AlphaGo赢的几率较小的结论。然而，现实是，李世石输了。

之前大家分析AlphaGo 无法战胜李世石的原因，主要就是围绕在围棋的复杂计算力上。围棋有多复杂，在19 19的棋盘内，共有3⁶¹个点，就机器学习的角度而言，围棋的计算最大有3³⁶¹种局面，大致的体量是10¹⁷⁰，而已经观测到的宇宙中，原子的数量才10⁸⁰。一句话就是，这已经是超出宇宙范围的计算量了。

这么大的计算量是机器也难以承受之重，所以AlphaGo 的方式是，记住棋谱，3³⁶¹无法计算，几千万的棋谱还是能记住的，通过吸收这些高手留下的棋谱，AlphaGo 能够快速学习，再加上其人类无法比拟的计算力，战胜人类是迟早的事儿。在之前谷歌方面透露的数据是，AlphaGo 模仿人类下棋能够达到57%的准确率，有了这样的模仿能力之后，AlphaGo 就能准确预测人类下一步的走法了。

原英特尔中国研究院院长、现驭势科技联合创始人吴甘沙评论这场对弈时如此表示，“当我听说谷歌挪用了大量机器给AlphaGo 自己对弈时，这个结果也不在意料之外了。”

与其它神经网络一样，DeepMind 的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像，但后来有人发现，它们很适合深度学习。据悉，此次谷歌为了此次比赛，投入了2000个GPU，大概是五个月前AlphaGo 对战欧洲围棋冠军樊麾时的20倍，而当时的硬件设施已经是远超市面上所有的围棋程序了。其实这应该算得上谷歌的一次违规行为，因为之前DeepMind 的创始人Hassabis 曾表示，他们只会优化系统，但会在与李世石的比赛中使用相同的配置。如此看来，也难怪他们会在昨天的发布会上突然放言，这次比赛李世石毫无胜算。

当然，即使拥有这样强大的硬件配置，AlphaGo 也无法在比赛一开始计算好所有棋路，这次比赛中，我们看到AlphaGo 的下棋速度并没有我们想象中的迅速，显然是每一步都在计算。那么有没有可能在足够的硬件配置下，AlphaGo 能够在一开始就计算好所有步法呢。对此吴甘沙对记者的回答是，不可能，“不可能一开始全部算完，那么多可能性”。看来，人类还是有胜算可能的。

在接到谷歌的挑战书后，李世石只用了五分钟就接受了挑战，对于这个首次公开在毫无让子的情况下战胜了职业棋手的人工智能程序，他很好奇它的极限在哪里。了解到AlphaGo 会分析自己过往的棋谱并以此来对付自己，李世石在一开始就棋风大改，布了一个此前从未布过的局，这个也被很多人认为是使其最终输掉比赛的主要原因。比赛结束后，李世石在接受采访时的回应是，“首先作为棋手，我的大赛经验比较多，第一盘输了并不会动摇我的内心。我认为胜负才刚刚开始，我会继续去了解对手，现在来评价AlphaGo 为时尚早。“

比赛结束后，李世石一脸落寞

比赛一共为五场，即使出现3:0的情况也仍会比下去，接下来的比赛会在10号、12号、13号和15号进行，不过在这次比赛中，其实只要AlphaGo 赢了一场就已经意味着人工智能赢了。当然，最大的赢家将是谷歌。