总分4:1！人机大战AlphaGo战胜李世石

    3月15日，AlphaGo和李世石的第五局人机围棋大战如期而至。经过5个小时的拉锯战，最终AlphaGo轻松战胜李世石，将总比分最终定格在4：1，人工智能成功挑落围棋优异高手。

第五局最终棋局

第四局比赛：李世石下出神之一手翻盘成功

    3月13日中午12点，AlphaGo和李世石的第四局比赛依然受到全世界关注，大家都希望李世石能至少赢下一场比赛为人类证明。这场比赛李世石也没有让大家失望，盘中抓住AlphaGo的“Bug”，一举奠定优势，并最后获得这局比赛的胜利。双方还剩3月15日12点的最后一场比赛。

第三局比赛：AlphaGo无情战胜李世石

    3月12日中午12点，AlphaGo和李世石的第三局人机围棋大战如期打响，最终AlphaGo以明显优势再胜李世石，已经提前拿下这场比赛！赛前也许很多人都没有想到，AlphaGo能赢的这么彻底。

第二局比赛：AlphaGo轻松获胜

    3月10日中午12点，AlphaGo和李世石的第二局比赛如期进行，经过4个多小时的拉锯战，AlphaGo获得了最终胜利，将总比分改写为2：0！

AlphaGo（黑）和李世石（白）第二盘棋局

    今日比赛结束后，双方还将分别在3月12日(周六)、13日(周日)、15日 (周二)的北京时间中午12点进行剩余3场比赛。本次比赛用时每方2小时，1分钟读秒三次。比赛采用中国规则，黑贴3又3/4子(黑贴7目半)。采用中国规则是因Alpha GO以中国规则为基础开发。

第一局比赛：AlphaGo逆转获胜

    3月9日12点，全世界的目光都会聚焦在这一场没有硝烟的大战上。我们迎来了一场人机世纪大战！奖金更是高达100万美元。经过一场耗时许久的拉锯战，谷歌人工智能AlphaGo战胜韩国棋手李世石，获得了今日比赛的胜利。

AlphaGo（白）和李世石（黑）第一盘最终棋局

    围棋一直被视为最复杂的电脑游戏之一，因为其步骤的绝对数量比宇宙的原子数还多，这也是人工智能始终未解的挑战。因此，这场人机对弈也获得了全世界的关注。

    李世石于1983年3月2日生于韩国全罗南道，2006年3月12日与女友金贤珍完婚，同年9月3号女儿李慧琳出世。1995年入段，1998年二段，1999年三段，2003年因获LG杯冠军直接升为六段，2003年4月获得韩国最大棋战KT杯亚军，升为七段，2003年7月获第16届富士通杯冠军后直接升为九段。2006、2007、2008韩国围棋大奖——最优秀棋手大奖(MVP)。棋风特点——李世石属于典型的力战型棋风，善于敏锐地抓住对手的弱处主动出击，以强大的力量击垮对手，他的攻击可以用“稳，准，狠”来形容，经常能在劣势下完成逆转。

    阿尔法围棋（AlphaGo）是一款围棋人工智能程序，由位于英国伦敦的谷歌（Google）旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾；2016年3月挑战世界围棋冠军、职业九段选手李世石。

AlphaGo去年10月曾击败欧洲冠军

    谷歌曾于2014年以4亿欧元收购人工智能公司DeepMind。由DeepMind研发的AlphaGo项目已有两年历史，AlphaGo曾在去年战胜了欧洲围棋冠军樊麾(职业二段)。

    去年10月5日-10月9日，谷歌AlphaGo在比赛中以5：0的比分完胜了欧洲冠军。除了战胜人类外，AlphaGo还与其他的围棋程序对战，获得了500场胜利。

AlphaGo工作原理

    传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法对围棋并不适用。此次谷歌推出的AlphaGo，将高级搜索树与深度神经网络结合在一起。这些神经网络通过12个处理层传递对棋盘的描述，处理层则包含数百万个类似于神经的连接点。

    其中一个神经网络“决策网络”(policy network)负责选择下一步走法，另一个神经网络“值网络”(“value network)则预测比赛胜利方。谷歌方面用人类围棋高手的三千万步围棋走法训练神经网络，与此同时，AlphaGo也自行研究新战略，在它的神经网络 之间运行了数千局围棋，利用反复试验调整连接点，这个流程也称为巩固学习(reinforcement learning)。通过广泛使用Google云平台，完成了大量研究工作。

    AlphaGo在与人的对弈中用了“两个大脑”来解决问题：“决策网络”和“值网络”。通俗来说就是，一个大脑用来决策当前应该如何落子，另一个大脑来预测比赛最终的胜利方。■