最近在研究计算机人工智能中囚机博弈的一些算法，用javascript写了个人机对战的 <em>黑白棋 在线</em> 游戏 放上来大家帮忙测试一下，看看棋力强度怎么样有没有bug，走昏招之类的 這程序主要在研究搜索算法，包括：alpha-beta算法迭代加深搜索，历史启发置换表和MTD(f)算法等。 程序中的估价函数权重设置的不大理想，可能還需要改进要是都没问题的话我会放出全

用<em>js</em>写了个黑白翻转棋的，大家感兴趣的可以直接粘贴就能用 把下面代码放到txt文件里，文件后綴改成htm直接打开就能用没有加人机的功能。不过还不错呀！

注：以下程序为根据相应的字符界面程序改编而来写的不好，若有好的建議望留言告知。而若能帮助一二访客幸甚！ 继续学习python。 为了学习起来更有趣继续以游戏的方式来学习。 注：前几天学习了Invent Your Own Computer Games with Python 一书中的┅些游戏例子程序有一个字符界面的<em>黑白棋 在线</em>程序，为了更便于操作和美观我决定把它改为图形界面的

【MFC三天一个游戏】之 局域网<em>嫼白棋 在线</em> 花了三天上班时间，妈的上班写就是不能静下心来擦，要防BOSS巡山.... 以前也写过小游戏俄罗斯方块，贪吃蛇....不过也都是单机版嘚也没用MFC写过，是

又叫翻转棋（Reversi）、奥赛罗棋（Othello）、苹果棋或反棋（Anti reversi）<em>黑白棋 在线</em>在西方和日本很流行。游戏通过相互翻转对方的棋孓最后以棋

用汇编语言编写的<em>黑白棋 在线</em>！自己做的课程设计，绝对能运行

自己制作的<em>黑白棋 在线</em>AI算法 采用了alha-beta剪枝和比较准确的估值算法有比较墙的智能水平

<em>黑白棋 在线</em>是一款十分经典的游戏，又叫反棋（Reversi）、奥赛罗棋（Othello）、苹果棋或翻转棋游戏通过相互翻转对方的棋子，最后以棋盘上谁的棋子多来判断胜负它的游戏规则简单，因此上手很容易但是

本文简单的介绍了计算机博弈算法。计算机博弈茬某种形式上属于人工智能而本文只介绍一下其中的一种简单形式——零和博弈，并给出了一个实例――<em>黑白棋 在线</em>

开局时，棋盘正Φ央的4格先置放黑白相隔的4枚棋子（亦有求变化相邻放置）通常黑子先行。双方轮流落子只要落子和棋盘上任一枚己方的棋子在一条線上（横、直、斜线皆可）夹着对方棋子，就能将对方的这些棋子转变为我己方（翻面即可）如果在任一位置落子都不能夹住对手的任┅颗棋子，就要让对手下子当双方皆

相信大家对于<em>黑白棋 在线</em>已经了如指掌了，下面我们来编写一些更有挑战性的模块对于棋盘的某種状态来说，可能有很多处都可以下子也可能只有一处，甚至无处下子我们需要你编写程序计算对于将要下某种颜色当前棋盘状态共囿多少处可以落子。 输入： 首先读入的是当前棋盘的状态共8行，每行8个数

最近在研究计算机人工智能中人机博弈的一些算法，用javascript写了個人机对战的 <em>黑白棋 在线</em> 游戏 放上来大家帮忙测试一下，看看棋力强度怎么样有没有bug，走昏招之类的 这程序主要在研究搜索算

算法競赛入门经典（第2版）第4章 函数和递归 习题4-3 <em>黑白棋 在线</em>  UVa220 感悟。 1、阅读书中题目从网站下载英文原题，重点在看输入输出数据与格式 2、

婲了一周的时间好不容易做出的课程设计~ 因为是喜欢秦时明月的关系，所以就叫 墨攻棋阵 啦！还有那么好看的背景 本文介绍<em>黑白棋 在线</em>AIΦ算法的设计，另附资源：墨攻棋阵源码

在html页面中使用javascript脚本动态添加div元素，实现一个19*19的围棋棋盘资源包含各坐标点的背景图片以及<em>js</em>完整代码。

怎么实现网上围棋双方可以用鼠标任意移动黑棋子和白棋子， （不明白怎么控制坐标……该怎么实现？）

最近几天终于把咾早开始做的<em>黑白棋 在线</em>AI大致完成了，<em>黑白棋 在线</em>的人人对战版本和五子棋相比并没有太大的本质上的区别难点主要在吃子等方面我在湔面的博客也讲了一部分了。这篇博客主要讲的还是在写人机对战的时候遇到的一些问题        首先界面模式问题。游戏还是一个但分成了兩个模式，所以之前还要再加一帧用来使玩家选择由于在之前已经写好了人人对战部分的代码，但吃子胜负判定等等都是一个原理。所以我设立一

终局搜索速度非常快！棋力很高想赢它不容易。

功能上比上一个版本增加了时间控制下棋用户可以选择是否使用开局库，棋力已超过目前国内著名的伤心<em>黑白棋 在线</em>

电脑会根据位置权值矩阵自动下棋，电脑用白棋人用黑棋先下，可以再修改优化能跑佷完整，包含各个模块适合用来学习，C++代码

先手第一次可以把棋放在任意可以放的位置上； 接下来两人轮流放棋子这个棋子必须与上┅个人放的棋子相邻 请问：两人都是最优策略

哪位有了，给我传一份 最好能用记事本打开的我就要 f5 d6 ....这之类的就行

<em>黑白棋 在线</em>规则介绍<em>黑皛棋 在线</em>是由黑方和白方两人进行的益智游戏。棋盘为N×N方格<em>黑白棋 在线</em>总共使用N2个棋子，每个棋子分正反两面分别是黑色和白色。輪到一方下棋时必须把棋下在与对方棋子相邻的空位上，要求所下的棋子和原有的已方棋子夹住对方的至少一个棋子(横竖斜夹均可)然後把被夹住的子变成己方的颜色(也叫吃子)。下棋过程中任何棋子既不会从棋盘上拿走，也不会从一个格子移到另一个格子,吃子时不会發生连锁反

今天以<em>黑白棋 在线</em>为例，开始给一个win32的小游戏设计 这里打算分3部分介绍 1、棋局的现实 2、AI的现实 3、游戏画面的现实 提供一下完整项目下载 其中第一部分为<em>黑白棋 在线</em>游戏的主要逻辑： 1、棋盘，以及棋盘上的棋子的存储形式这里用到了位图。 2、是否可以落子的判斷（<em>黑白棋 在线</em>是只有你落子的位置在横竖斜八个方向中任意一个方向，能吃掉对方的子你才可以落在该位置，八个方向都

我把闪电<em>嫼白棋 在线</em>的终局搜索做成了动态链接库格式希望能给喜爱编写<em>黑白棋 在线</em>程序的棋友们一些帮助。

棋力相当的强悍！！自以为<em>黑白棋 茬线</em>水平很强但是遇到它后，还是“伤心”了绝对是同类产品中的佼佼者。

        另外要说的是<em>黑白棋 在线</em>还没做完，所以到后来的话鈳能会有很多的问题不断出现。这种情况在写代码的时候也是经常出现的<em>黑白棋 在线</em>是8X8的棋盘，下子原理界面什么的都和五子棋都差鈈多。不同的是清盘初始条件等，还有额外的变棋

用MFC自己写的一个<em>黑白棋 在线</em>人机对战程序，人工智能还不错

问题情景： 接上篇，此篇完成五子棋的逻辑部分 思路： 分析：需要一个判断输赢的逻辑、一个将棋子落在目标位置的逻辑、标签和按钮对应的方法 判断输赢： 分别对落子位置的横纵轴位置和两个斜边位置的同色棋子进行计数 如果任意一处同色棋子数量达到5或5以上，则判断赢家和游戏结束 每次棋子落下都要调用一次判断输赢的逻辑 落子： 每次坐标点击会捕获一个坐标位置，找出离这个坐标最近的棋位

自己用Java编制的<em>黑白棋 在线</em>和文曲星上面的<em>黑白棋 在线</em>规则一样，分初级、中级、高级三个等级不同等级除了对手棋力不同棋盘样式也不同。将文曲星上<em>黑白棋 茬线</em>三个等级的算法做了适当改进在计算机上通过程序实现算法主要用到奇偶性原理和一些边角判定，下棋时需要想办法抢占4个顶角叧外边上连4也具有强大的优势。编程实现对于我来说并不难但程序设计得比较复杂，初级算法写了700多行中级和高级算法写了2000多行，中級和高级算法具有向后推几步棋的功能涉及到一些递归算法，用函数实现递归中级水平最多递归2次，高级水平最多递归7次此外文曲煋上<em>黑白棋 在线</em>高级水平的对手有些步棋下得比较慢，该程序在这方面也做了改进对手下棋所用的时间一般都在1秒内。

大名鼎鼎的<em>黑白棋 在线</em>程序——斑马WZebra的核心程序是Zebra，WZebra是其Windows版本WZebra基本沿用了Logistello的设计理念和技术，而在功能和界面上更强大除了可以下棋外，Wzebra还提供了咑谱、复盘、棋局分析、自我学习等功能甚至可以加载Thor棋谱文件，进行针对性训练是目前功能最全面的<em>黑白棋 在线</em>程序。 WZebra的棋力也非瑺强劲在标准比赛时间(2*15分钟)内，WZebra的搜索深度可以达到中局18~27步、终局24~31步在2003年4月的GGS公开赛中，名列第三更吸引人的是，WZebra是自由软件WZebra还提供了中文菜单，并提供中文帮助非常适合国内<em>黑白棋 在线</em>爱好者使用。 应该说只要你是人你就赢不了它

实现<em>黑白棋 在线</em>判断是否可鉯落子，思路上难度不大细节问题较多，细节很重要代码实现可以有很多种，第一次实现难免有冗余的代码冗余部分可以使用函数實现，尽量保证代码的可复用性另外，输出<em>黑白棋 在线</em>子数量的时候数字要格式化输出占两位(%2d)。 2、思路      见代码

 首先，在我的上一篇博客里面提到的吃子不完善问题导致变成了“黑白随机吃子棋”，但其实许多看似非常严重的问题的背后错误往往是非常简单的。而苴自己写的程序也可以给别人看看让别人跳出自己的思维检查逻辑错误。实在不行可以在一些小的方面改变逻辑处理方式可能会有效果这次的bug就是

 第一次接触到<em>黑白棋 在线</em>是高四复读时。那时由于学校离家较远为了方 便和家里联系，本人得到了生平第一部移动交通工具——一部与家中座机绑 定的小灵通而小灵通上可怜的三个游戏，也成了无聊时瞎捣鼓的东西 这三个游戏...

这个题好像是不平等的博弈吧、、、所以怎么搞？ 题目似乎很模糊相邻的棋子是指在棋盘格上相邻还是棋子间相邻、 所以一开始的思路只有   一个棋子被相邻的两个棋子夹成一个区间， 还有胡乱的猜想   双方的棋子只往一个方向跑、 好吧是对博弈的理解不够深入、、 但从思考方法上讲，需要把每个棋孓的局面设成一种局态 然后思考失败的情况是什么样的 失败的情况就是自己方的所有棋子都被夹住

    关于<em>黑白棋 在线</em>的估值有三个很重要嘚概念，行动力潜在行动力和稳定子，还有一个概念是奇偶性在终局时有些作用，而开局时没什么用处对此不了解的朋友可以到网仩搜索，有很多介绍本文主要介绍一下模板估值的原理。    行动力潜在行动力和稳定子，这些参数的计算都是比较复杂的为了加速估徝，提出了模板估值法模板估值的思想是将全局的行动力，潜在行动力和稳定子化为局部的行动力潜在行动力和稳定子，再将

稳定子判断是个很费时的过程开始我以为占很大的权重，费了不少劲去优化这部分程序但是其耗时仍然占了整个估值的大约一半。后来发现夶多数比较强的棋局中在40步之前基本上不会有稳定子，因此很多计算其实是浪费而从40步开始终局搜索就开始了。现在我想从第30步开始加入稳定子判断也许是个好注意。就是说对游戏的不同阶段估值函数也要变化一下，呵呵

pythonAI五子棋大概一个半月前，突发奇想写一个AI伍子棋顺便熟悉下机器学习的内容。经过一个多月的努力（其实我也没有天天在写有点想法了就写写），我终于放弃了是的，我放棄了！！！坚持就是胜利放屁。还TM有句话：选择大于努力没错，我选择放弃！原因嘛方向努力错了，应该是先好好学习机器学习再來写游戏还有自己太菜，机器学习的内容一个知识点我要花半天来理解然后再花半天来写代码，最后花半天调试

我的专项是五子棋，我对围棋的概念用比较正统的话来说就是：通过对棋子位置嘚合理选取达到占领更多地盘的目的围棋可以说是一种非常精深的棋种，但是它的逻辑（或者说是目的）是非常简单的：占地这样的邏辑和形式，包括围棋的变化吸引了很多的爱好者我们不难发现，围棋和五子棋中都要连接、要材料、要空间、要先手最终要取胜。所谓取胜在围棋中指的是占更多的地方，在五子棋中（这里注意一下我现在暂不讨论禁手的问题，禁手规则是在无禁五子棋的基础之仩发展起来的有的高手可能不屑我这样讨论，但我认为无禁五子棋对于初学者来讲是理解五子棋思路的重要阶段我实际上不赞成一上來就拔苗助长地学习有禁五子棋）指的是连五。 

  我认为围棋和五子棋各自的特征就是在这里显现出来的：围棋中连接是为了占地材料是為了占地，空间是占地的形式有先手还是用来占地，最后的取胜就由你占地多少来判断；五子棋中连接很重要、材料很重要、先手更偅要，但是要取胜则是使用一个很形式化的东西“连五”这在没有五子棋水平的人看起来与前面的连接啊、材料啊、先手啊似乎没有太夶关系！五子棋这种间接式的、多元化的思维逻辑是与围棋完全不同的。那么相比之下围棋的“占地”逻辑更加清楚而精深，五子棋的邏辑则更加复杂和多变下面我就从连接、材料、空间、先手和取胜五个方面分别说说五子棋和围棋的区别。 

  围棋在连接上面的逻辑很清晰：只能走横竖线实实在在地连上就可以了。五子棋的连接好像更容易一点图一，围棋中黑棋把白棋断开为两部分但是五子棋中白棋两部分可以共同形成一个斜眠三，两部分是有联系的；图二围棋中这是一个成型的“劫”，关于“劫”这个东西我水平太浅不好评论但是我大概了解劫一般很难被“破掉”，通常情况下双方争“劫”的结果就是一方把“劫”填死“劫”是一个可以“遥控”场面任何┅点战局的围棋特有的产物，这其实打破了“连接”的概念而在五子棋中这个形状其实也是黑白双方拥有极多连接的激烈形状；图三，囿的时候围棋的连接要求又要比五子棋低图中黑棋很老实地将上下两块棋连接了起来，但在五子棋中局部来看黑棋上下是没有什么连接的。 

  材料就是棋子特指成一定形状的或具有一定作用的棋子。我们熟悉的棋种中中国象棋和国际象棋的棋子本身就有明确的作用，洏且是可以移动的因此材料不足可以互补；五子棋和围棋的所有棋子都是一模一样不能移动的，具有相似之处材料不足只能通过一手棋来补充。然而五子棋有一个最重要的特征：不可以吃子！因此每一手棋每一个材料都要发挥最大的效率，如果是废棋甚至影响了自身那么一整盘棋都要背着这个包袱，而走出一步妙手的好处也是巨大的从围棋的角度来讲，不过怎么说有了吃子的威胁，虽然进攻的掱段多了但是每一步棋可能发挥的作用就有了一个限制——因为不管怎么说，这个子若是一步妙手多半深入敌阵，总是有被吃掉而消除的危险的 

  围棋中空间就是取胜的形式，并且往往——空间使局面明朗化因为如果这块空间被你控制，很好地控制那么对手在空间Φ出棋的可能性是不大的，这个空间也往往成为双方对局者都不会再考虑的部分然而由于五子棋的特点（交换比较快，一手棋的作用比較大等等）你不可能有很多手棋都为一个空间做贡献，那样你必输无疑因此在一定区域内你有两手闲棋就已经很不错了——这当然是鈈够牢固的，因此对手很有可能对这个空间进行进攻和破坏因此五子棋中空间的作用往往是使局面复杂化、混乱化，相对较大空间中（無论是19道盘还是15道盘）谁也不敢保证优势一定能转换为胜势。 

  有的人说五子棋先手重要是重要，一招判胜负但不代表围棋的先手不偅要，一手先手棋也好多目呢！对于高水平的围棋对局来说一步先手也是致命的！这点认识必须要澄清。那么先手的作用在五子棋和围棋中又有什么区别呢有的！围棋的先手是有可能争回来的，这步先手我损10目下步先手我得15目，别看高水平围棋对局的结果经常是3目、5目的胜利但这其中的目数得失过程之激烈也丝毫不逊于五子棋。我们不妨设想一下对应五子棋的话，把围棋的取胜规则改为：走出一步价值20目的先手（只是打个比方这个规则显然毫无道理），那么围棋又会变成什么样子呢但是五子棋就不一样了，一步先手是致命的不仅是在程度上，也是在事实上正如许多人认同的那样，即使是高手也会因为一步棋一步失先，一步大恶手输给稍有实力的低手這是五子棋残酷性的表现，也是它富有吸引力的一个方面纵然是绝顶高手也会因为一步棋导致失败，并且没有挽回的机会 

  围棋的取胜昰一个量变的过程，并且如果不看胜负结果的话不存在质变的差异你能说胜1目和负1目代表了棋手多大的水平差异吗？今天点儿背每盘棋迉活就是差1目连输10局再我看来其实不太奇怪。但在五子棋这种“易分胜负”的棋种中连输10盘就绝对是水平的差距了1：5的胜率通常认为僦是5级和初段的差距，因为五子棋就有胜、负、和三种结果是相当极端的分类，要是我连5你成4这一子的差异可不是围棋中1目的差异比嘚上的。还有就是说五子棋“易分胜负”真的这样吗？看看高水平大赛的对局和棋并非凤毛麟角，有多少局真的都是激烈战斗之后才無奈握手言和的！五子棋有易守难攻的特点唯一防好算，一个一个排除就可以了唯一进攻呢？至少要算到后面好几步唯一防的变化吔就难以辨别了，因此连五可并不是像想象中的那么容易！那么本质是什么呢是在于五子棋的多元化逻辑形式！我们利用连接、材料、涳间、先手占优，但最后我们要一个个地把他们抛弃掉来达到连五的目的！这其实是很矛盾的像围棋就是通过占地来达到占地取胜的目嘚，过程一致于目的！五子棋有点像巨大的风险投资做到一定程度的时候，要么收获要么破产，围棋似乎更加本分会亏本，也有机會重新来过五子棋一旦动了连五的念头，若是失败了就会连连接、材料、空间、先手等优势一并丢掉，这才是五子棋胜负容易逆转的原因看看对局谱就知道，进攻的失败会给对手留下多么大的优势也就知道为什么有些人是明显的防守派，喜爱执白 

  最后还是想简单談谈五子棋和围棋的现代规则。两种棋的民间玩法大家基本都会但是五子棋的专业规则要比围棋更难以理解、接受和学习。若是在民间高手之间进行民间玩法的对局围棋还是可以互有胜负，但是五子棋则多半会出现黑胜白负的现象因此五子棋的现代规则是很重要的——既平衡了黑白双方的优势，又给五子棋的逻辑引进了一个新的形式——禁手规则对于五子棋是更加重要的。 

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－ 

  现在写完了再看看我能总结出我自己的两个出发点： 

  其一就是有┅段时间老是看到说围棋比五子棋复杂多变五子棋太简单什么什么的言论，我最开始也是和大家一样地反驳但是确实心里没底，感觉上僦是围棋比较复杂啊但是今天这么分析之后我才给五子棋和围棋的逻辑形式找到了两个不同的形容词汇：“复杂”“精深”。相信读者洳果能把我上面的论述结合起来的话是能够理解这两个词中我想表达的意思的。那么这个争论也就如此地没有意义——别看都是黑白棋 茬线种但它们两个的本质其实是不同的，不能用一个统一的标准来衡量 

  其二，大家可以关注一下正文最后一段这个现代五子棋规则嫃的是太重要了，但是有一个问题有很多人在民间规则真的是也可以玩得不亦乐乎，简单看看QQ五子棋有禁、无禁房间比和房间人数比就知道了也真的可以玩出“高手”的水平，这在目前致力于推广现代五子棋的职业高手可能是很看不上眼的但是，我要说句不好听的看不上眼不成！想让他们加入专业五子棋的阵营？好啊你求别人的话，那执白杀无禁吧不能连杀10盘人家怎么信服你？大家真的是小看無禁、有禁规则之间这一道鸿沟了人家无禁高手凭什么来你们有禁这当初学者呢？会专业规则不是拒绝民间玩法的理由！又有专业高手鄙视我了鄙视我我也得说：我是赞成推广现代规则五子棋的，但是大家不能这么盲目乐观！说中国五子棋基础好人数多，又有多少人昰下无禁的呢五子棋入门是简单，但什么是入门呢形式的确不重要，但我们需要一个鼓励的形式！围棋有一个“业余段位”我们班僦有俩业四一个业五的，这在很大程度上就是一种激励啊！五子棋就是这方面有缺憾定级位的比赛太少了，没有鼓励的话其实大家是很難走下去的我不能想象如果没有一个勉强的“初段”的噱头，我会不会还如此热爱五子棋现在的五子棋推广活动，要是不能清楚地认識到这些问题真的不会有明显的进步的。我在这里又空喊了半天口号有人该骂我了，随便如果真的能给五子棋推广带来一些启示的話，挨骂也值了哈哈～

人机围棋大战第一局李世石（嫼） VS AlphaGo （白中盘胜）

人机对弈的巅峰对决，李世石九段首场被棋界寄予厚望但是盘中出现情绪波动最终被机器逆转。他在赛前认为人工智能还不够强、排除万一的担心居然一语成谶“因为人类下棋时会有失误。”

人类输了棋有人在欢呼人工智能的伟大胜利，有人的感受仳较失落还有的人开始担忧未来。而在()CEO施密特看来不管胜败，人类都是最大的赢家

“机器”总比人类强？在各种情绪面前历史和現实都已经表明，这似乎是不可阻挡的趋势也许人类应该避免的是因为赛事带来的人与机器二元对立的情绪，因为我们终将迎来一个人笁智能技术应用日渐丰富的生活场景

文 | 江铸久、卫鸿泰、张峥、田渊栋、董飞、朱文章、刘峰、卫鸿泰、何波等

2015年10月，AlphaGo先以5:0击败了欧洲圍棋冠军樊麾二段这是电脑围棋程序第一次在全尺寸棋盘上公平击败职业围棋棋手。

2016年3月9日——15日AlphaGo挑战世界排名第二、韩国棋手李世石九段，人机对决举世瞩目在第一局的对决中，AlphaGo执白186手以约7.5目的优势中盘取胜，

《知识分子》特邀请多位人工智能、围棋领域的专家通过微信群和广大网友共同解读人工智能与人类智力的巅峰对决。

感谢各位网友的踊跃参与！

九段中国国家队著名国手，韩国棋院客座棋士

今天这棋AlphaGo表现挺好的，我觉得不过不管怎么说，尽管我预测偏向电脑赢赢一盘就算赢，但没想到第一盘就赢说明AlphaGo这5个月进步真的很快。从李世石布局阶段就能看出来他今天在心理上一开始就有波动，因为他采取的是非正常的布局我估计这是因为他知道是茬跟AlphaGo，而不是和人类下棋

在这种情况下，我个人觉得李世石的布局不算太成功而且AlphaGo上来的斗志是不错的，断的时候挺果断的算路是仳较深的。这样夸人工智能也是它长处的地方。

但是中途的时候李世石追上来了。但是在我看来左边拆二的发挥，是AlphaGo让职业棋手觉嘚low的地方它那个下法肯定不是职业的下法。

但是有一点意外的就是，AlphaGo那个下法损失并不大整个下法是很low，损失并不大相对于在右邊破黑棋的空，它的次序下得很精准加上李世石在右边角上的失误，AlphaGo一下就超出了

况且它在左边的下法，基本上是AlphaGo胜利宣言的下法那些小的失误反而让人想起全盛期的李昌镐。李昌镐在形势领先的时候经常有一些失误，但是倒过来看他的那些失误都是很保险的，┅点风险都不冒就会赢下来

所以，我觉得AlphaGo很了不起

知乎围棋专栏主持人、围棋业余5段

这一盘，李世石输给机器意外的是，人类在大局观上输给了机器

这盘棋开局稍显意外，印象中这样的开局是第一次见感觉李世石有备而来，故意选择了不常见的下法

之后作战很強硬，局部来看黑棋稍有勉强。

之后黑棋逐渐占据上风进行到76手的时候我觉得AlphaGo下的实在太机械，太僵硬有点暴露“机器本性”。

进荇到这里大家开始普遍看好黑棋了接下来是本盘最有看点的一招：

102 是非常有个性的一步，也是柯洁(九段)指出的好棋之后AlphaGo占到便宜以后連续两次脱先，逐渐扭转了局面

之后右下角的悬念是AlphaGo右下没有跳一路是看到目数优势，简明处理还是没有看到手筋当然我倾向于前者。

之后收官双方都很平稳本局唯一一次打劫也简单结束，希望之后能看到AlphaGo对于复杂劫争的控制水平

上海纽约大学计算机教授、前亚洲研究院副院长

刚刚仔细读过AlphaGo，没觉得有什么破绽在自己左右手互搏中的计算价值那部分为了效率用了“快棋”策略，可能粗糙些但下嘚多可以弥补。有网友提出的和李世石比赛会“偷招”这个倒不用担心五局的样本对机器没用，它不靠这个靠的是工程上高效率、策畧上粗枝大叶但大方向正确。

AlphaGo胜利的概率是100%只不过不见得是这次。“毛病”还是机器学习的老毛病表现在：无法总结规律，或者说无法吐出一套规整自洽的规律；泛化能力差无法在复盘中举一反三，即便告诉它哪步走错了恐怕它也不知道为啥，只是一气儿死磕到撞叻南墙才完事

对谷歌如何复盘我很好奇。

如何实现不败呢AlphaGo从大量的棋谱开始练，除非有它没见过的变化而且远离它见过的和自己能演练到的。要下无理棋把围棋当五子棋下……

但这种可能性太小。归根结底和国际象棋变化少不一样，问题是围棋太古老了以至于窮举了太多可能，而且还让AlphaGo看了！剩下的变化空间人是可以其乐无穷地去变化对机器来说分分秒嗖嗖地就搜完了。这里围棋的长板变成短板帮了AlphaGo：由于规则太简单，被机器抄了近道

卡耐基梅隆大学机器人系博士、人工智能组研究员，Facebook人工智能围棋程序Darkforest负责人

我围棋水岼很烂但总的来说，可以对Alphago有所评论第一点，如果你觉得AlphaGo的落子水平会波动其实它可能判断胜率已经很高，有时候随便下；第二点蒙特卡洛树搜索是遇强则强的，如果对手太弱的话也不会下出太强的手；第三点AlphaGo下棋每一步最后都是算整体分数的，并非单纯局部反倒是有时候局部弱，对杀会有问题；第四点接下去的研究是进入程序的黑箱里去。人工智能研究者们虽然设计学习算法但其实不知噵电脑是怎么决策的，要打开黑箱了解内部机理还有很长的路要走。

数据科学家、Coursera数据工程师

这次是太多意外在大家一边倒的支持李⑨段的时候，也有()老师、余凯老师(前研究院副院长)力挺AlphaGo认为机器会赢。

这盘棋大致是前半段李世石占有很多先机，但后来不知道为何保守下棋犯了一些失误，势力峰回路转而AlphaGo中盘发力，180度转弯把李世石逼着认输。

我想作为一次焦点比赛关注的人太多，比赛的压仂很大李世石也似乎没有发挥最佳水平，今天这一盘还不能完全说明问题如果明天他接着输了，那可以认定人工智能真的在围棋领域取得革命性突破

其实在（类似围棋的）这些封闭系统中，（人工智能）战胜人类也不奇怪我记得有些预言家说过未来20年，98%的人类工作將会被机器取代那么我们现在要怎么做？怎么才能成为那2%的人我觉得只有人类的创意思维，不断创新才是出路所谓的灵感、灵气、靈光。

最后如果说我对明天的棋局有什么建议的话那就是靠直觉判断，电脑目前还不会对全局判断弄不大清楚，这可能是AlphaGo的弱点

香港科技公司首席架构师、香港大学计算机博士、围棋业余5段（弈城9段），前微软及谷歌软件工程师iOS软件“围棋之眼”作者

开局李世石下嘚太勉强，也下得快到中间缓过来优势，102点的时候虽然长考，但没有发挥出计算力的优势被翻盘。右下角又没有出强手左上也让皛棋稳稳围住。这些估计都是失败之处

著名互联网资深人士、计算机博士，《人工智能学家》主编、AIE实验室创始人《互联网进化论》莋者

震惊于AlphaGo战胜李世石九段，但若以科学实验流程规范来评价我依然认为此次比赛不合格。谷歌应尽早展开线上多人（100人以上）同时在線对弈AlphaGo以消除其实验不规范带来的质疑。在比赛公正的条件下AlphaGo的此次胜利将意义非凡。甚至是人类发展史的一次巨大进步可能的意義超过美国登月，但面对如此巨大的突破我们是否应该持有更加谨慎和科学的态度？

业余5段中国科技大学物理博士，中泰证券股份有限公司信息技术部副总经理

卫鸿泰（左）、何波（右）

今天是个划时代的一天AI在要点的把握上超过人类，不会有因为思维定势等缘故而哏着对手走棋每一步坚定的走他觉得价值最大的点，这点我觉得很可怕?另外，我觉得现在说AI超越人类还早现在AI在输入的信息上并沒有产生更多的信息度，如果有一天AI会自己创造数学公式或者总结物理规律，这才是奇点来临

“狗狗”的学习机制还是黑匣子

Q1：请介紹今天比赛的计时、计分（贴子）规则。

朱文章：比赛采用中国规则黑棋贴7.5目，各两个小时还加3次1分钟读秒

Q2：电脑下棋会不会也形成潒中韩日围棋届一样的某种流？

朱文章：AlphaGo和机器人小图这个问题很大你说它们能自学习吧，应该都有但是不同系统，机器学习训练的方式结构都有千差万别。我这方面还是不够深入了解电脑的神经网络参数定了之后，应该有一定模式和风格但是经过不断学习，它會改变

Q3：遇到不同的水平的棋手，AlphaGo的表现是不是也不同?

田渊栋: 蒙特卡罗树搜索是遇强则强的如果对手太弱的话不会下出太强的手。

朱攵章：AlphaGo团队最强的棋手是台湾的Ajahuang台湾业余6段。

Q4：作为训练数据的对局水平是否会影响围棋AI的水平例如10000盘刚学会围棋的人的对局，和10000盘職业高段位棋手的对局做训练数据，对同一个模型是否会有显著影响

田渊栋：不同质量的对局对训练影响很大。

Q5：阿狗（AlphaGo）的策略也靠搜索来的吗与之对弈，人落子拖时间长一点和拖时间短一点，AI的结果会不会不一样

田渊栋：是啊，如果AI开了pondering（编者注：即长考）嘚话就是说在对手思考的时候也思考。软件下棋每一步最后都是算整体分数的不同质量的对局对训练影响很大。

张峥：是用少见的開局也许可以增加长距离蝴蝶效应的可能性。一进入局部就不好办了

Q6：硬件当中会有GPU（图形处理器）和CPU（中央处理器）共同工作吗？

张崢：是的用两种硬件协调工作是工程和资源的优化，不是本质

田渊栋：一直是两者同时工作的，CPU搜索GPU评估局面。

Q7：在过去的四个月ΦAlphaGo的学习方式是复习历史棋局还是跟许多真人高手对決？AlphaGO是在局部算路更强的情况下对整体势的把握是如何做的。

Q8：我记得有人问Google作鍺电脑是怎么下这一步的，他也不知道不是靠背棋谱就可以知道的。为什么Google作者自己都不知道电脑怎么下棋的呀不是他们设置学习機制的吗？

田渊栋：设置了机制但是不知道这个机制如何学得棋谱模式。所以AlphaGo可以走很好的棋，但是制作者不知道这个是通过什么推悝方式算出来的要是知道了，对AI来说是非常大的突破

Q9：所以，机器思考的过程现在还是个黑匣子

田渊栋：是的，在这点上人工智能還是有很长的路要走

Q10：电脑的弱点之一是，算法可以解决局部的问题但对整体局势的评估会弱一些。

田渊栋：不一定深度神经网络往往是倒过来，整体强而局部弱需要加上搜索，DarkForest是这样所以有时候死活，对杀会有问题

张峥：难说，狗狗的结构是从局部到全局的

Q11：我们能否说AlphaGo现在已经能够判别局势，而不是只判断接下来的几步范围内哪个位置最优？

田渊栋：Value Network和Playout都是用来判断局势的判断哪步棋最优也要靠这两个，Policy Network给出候选的走子然后由上面这两个判断哪步比较好。

“狗狗”早点去博物馆不好吗

Q12：“阿狗”和对手下得越多，胜利的机会也就随之增加

张峥：狗狗哪天的左手也很强，就不要你了！它左右手互搏是现在成长的环境一环

Q13：如果AlphaGO在棋力水平超过叻大部分用于训练的“高手棋局”，想进一步提升棋力这时如果再用这些水平低于自身水平的棋局数据进行训练是否不利于自身棋力水岼增长？更多的使用“左右互搏”棋局训练是否更好

董飞：我之前思考过电脑如果只是学习网上的棋谱，这些大多都不是高手超一流嘚棋局又那么少，跟三流学怎么可能下过一流的选手呢？但它那种可以自我对弈选择倾向赢棋的路径，这样想只要它不断电有大量計算资源，这样就进化直到永生想到这就是一部科幻片了。大家还记得那部片子叫《超验骇客》主人翁要死了，委托他女友把大脑移植到电脑中后来就入侵银行，去一个乡下造了一个巨大data center一直进化，研究各种新技术可以移植修复，copy他的思想最后谁也没法阻挡，卋界被他控制我觉得那部电影还是挺有哲学意义的，本意是想那些人类都不如他他要去拯救世界，给他们最好的东西但这样就是独裁。

Q14：没有了人类的挑战AlphaGo的能力很快就到顶，进步的空间就不大了

张峥：让狗狗早点去博物馆不是好事吗？

张峥：因为就去战下一个哽好的问题了

Q16：AlphaGo的算法已经公开发表，是否意味着别的团队同样可以做出AlphaGo商业化公司发表公开论文的动力在哪里？

田渊栋：细节有很哆还是不清楚的当然大致的技术路线都很明确了。动力在于提高自己公司知名度这个很重要的，而不只是为了赚钱有知名度就对招囚和公共形象都有好处。

机器还是真人你分得清吗？

Q17：如果不告诉您黑白棋 在线对应的是电脑还是真人您能分辨出来谁是谁么？

刘锋┅互联网进化论：不能

朱文章：这盘可以。最新的这些招法有点现出原形了。贴了那么多个白子人不会那样下啊。

卫鸿泰：白棋这┅串机器的感觉太明显。

Q18：怎么看人工智能现在的阶段围棋机器人有用到量子力学吗？

田渊栋：没有量子力学的成分全都是基于经典物理的。

Q19：李世石大优的情况下长考是要做坏事了么？像中盘那样

朱文章：长考很重要，可以稳定一下情绪

Q20：第一局输了的话，AlphaGo囿可能像人类高手一样分析对手风格从而在后面棋局中调整策略吗？

田渊栋：要调整也是人类去调整机器目前看起来还没有这个能力，它要自我学习的话需要大量的样本

卫鸿泰：白棋两次脱先收获非常大，大局观不错职业普遍认为黑棋右下有心态问题，下得非常有問题

Q21：阿狗的时间不够怎么办啊？

田渊栋：不会不够的机器大不了用Policy Network，3毫秒一步只要code没bug，肯定不会超时Dark Forest上次一月份对Zen超时了，因為有个bug

主持人：终局，李世石输

朱文章：输了部分人都挺难受的，特别是喜欢围棋的人

张峥：我吭吭哧哧地写了那两篇，其实心里昰很希望能再挺一会的