19、AlphaGo：人工智能围棋领域的深度探索与突破

AlphaGo：人工智能围棋领域的深度探索与突破

1. 棋类游戏与人工智能研究的发展历程

在人工智能的发展进程中，计算机与人类在竞技游戏，尤其是像国际象棋和围棋这类完全信息游戏中的表现，一直被视为人工智能发展的“现实测试”和基准。国际象棋在人工智能研究中曾扮演着重要角色，被形容为“人工智能”甚至“推理”的果蝇模型。然而，为掌握国际象棋而设计的算法却误导了研究人员。计算机国际象棋采用了特定的“算法文化”，以“极小极大算法”和“暴力计算技术”为特征，虽然计算机在国际象棋上的表现越来越好，但这种玩法被认为“浅薄”且缺乏创造力，未能为人工智能研究带来突破。

例如，IBM的国际象棋程序“深蓝”与世界冠军加里·卡斯帕罗夫的对决就是一个典型例子。1996年“深蓝”输给卡斯帕罗夫后，在1997年战胜了他，但比赛情况存在争议。尽管“深蓝”取得了胜利，但其玩法被认为“浅薄”且缺乏灵感。此后，计算机国际象棋程序的能力虽有提升，但人工智能研究仍陷入僵局。科学家们开始转向围棋，但要让计算机玩好围棋，需要一场算法文化革命。

围棋相较于国际象棋，在西方社会的文化资本较少，但在数学家和程序员中一直有大量追随者。围棋规则简单，但复杂度远超国际象棋。围棋每回合的平均可能走法（分支因子）为250，而国际象棋仅为35，且这个差距会随着每一步的进行呈指数级增长。围棋的合法棋盘状态数量甚至超过了可观测宇宙中的原子数量，因此“暴力”方法在围棋中难以取得理想效果。直到2006年，蒙特卡罗算法的应用使计算机围棋取得了一定突破，此后围棋程序能够在公平比赛中击败优秀的业余选手，但仍无法战胜职业选手。

2. AlphaGo的技术突破与特点

在大多数人认为计算机还需要十年才能击败职业围棋选手时