最近，在一場世界級的圍棋大賽中，“絕藝”以7∶0戰勝“星陣”獲得冠軍，倆選手都不是人。絕藝來自馬博所在的騰訊AI團隊，星陣的前身是清華大學開發的“神算子”。

參加本屆騰訊世界人工智能圍棋大賽前，絕藝曾對陣柯潔豪取13連勝，還以11連勝的戰績奪得第10屆UEC杯計算機圍棋大賽冠軍，成為這項承載“攻克圍棋”使命的AI賽事里最后一個冠軍。它的名字來自杜牧詩句“絕藝如君天下少，閑人似我世間無”。

比起UEC杯，騰訊舉辦的人工智能圍棋大賽參賽門檻更高：參賽程序需要獲得過世界人工智能圍棋比賽(最近3年)前8名的成績，或棋力在騰訊野狐圍棋平臺九段及以上。大賽吸引了包括日韓兩國國家圍棋隊指定訓練AI在內的眾多高手，一度被外界認為是一場“眾神之戰”。

人類世界的圍棋高手只是觀眾

2016年3月以來，在騰訊程序員馬博的工作計算機里，絕藝幾乎24小時都在跟自己下棋，每天對弈成千上萬盤。

這樣的對局數，是人類棋手一生幾萬盤棋難以企及的。而在19×19的方格世界中，存在著10171種有效對局盤，數量超過宇宙原子的總和。

兩年前，李世石以1∶4敗給阿爾法狗，后者的訓練數據是3000萬盤棋。人類不再心存“贏”的幻想。此后阿爾法狗又連勝中日韓高手60盤，其技藝“讓人類棋手感到絕望”。

兩周前，眾多圍棋國手來到他們熟悉的中國棋院對弈場，只當觀眾。馬博和絕藝研發團隊第一次走進中國圍棋最高殿堂：“棋圣”聶衛平、“八冠王”古力、“天才少年”柯潔都曾在此留下名局。

AI棋手沒有環肥燕瘦或迥異個性，它們不像聶衛平那樣嗜煙如命，在煙霧繚繞中陷入棋局的沉思。也不會有柯潔的年少輕狂，對陣前輩李世石前放話“勝算95%”。它們是一行行代碼和后臺的計算資源，人類棋手要緊跟棋盤局勢都顯得十分吃力。

“比賽現場觀眾都是一些職業棋手。”馬博對中國青年報·中青在線回憶，他將筆記本電腦接入比賽的對弈系統，點擊屏幕上的“開始”后，就“與我無關”了，人類棋手則緊盯著對弈臺后面的電子棋盤。雖然人類前輩在幾千年前就已經開始黑白“搏殺”，并且一直是勝負的主角，但此刻的棋盤上還是有太多人類從未見過的“殺招”。

“我們和AI的思考層級不同，在計算量上存在著差距。”作為決賽解說嘉賓的古力表示，他曾和絕藝有過數次交手，但對手成長之快，他始料未及。3年前，風頭正盛的日本圍棋AI“DeepZenGo”開發者加藤英樹曾表示，人工智能攻克圍棋至少需要10年。

我們是人類，人類會犯錯誤

兩年前的絕藝還只是業余五段的水平，如今古力已用“不可思議”來解說昔日對手的戰術了。就在4個月前，古力在個人微博上曬出“絕藝正式成為中國國家圍棋隊訓練專用AI”畫面，并配文“國家隊的訓練方式跟上了時代步伐”，而此前的中國國家隊并沒有專用AI。

在賽場上，馬博偶爾也會聽聽解說嘉賓聊起的圍棋段子，或是走下對弈臺喝喝茶，和羅洗河聊聊天——后者是絕藝的圍棋顧問，也是開發團隊中唯一能下完一盤圍棋的人。這位曾在2006年1月終結“李昌鎬時代”的傳奇棋士，也是截至目前和絕藝對弈最多次的人類。他需要通過與之對弈發現漏洞，將它打造成“圍棋上帝”。

比起棋盤走勢，馬博和他的對手更關心各自電腦屏幕上閃現出來的一行行勝率計算結果，那是AI通過算法分析落子位置得出的獲勝概率。屏幕上勝率持續上升，意味著此前的算法分析沒有出現失誤，布局意圖正逐步實現。但隨著對手落下一顆棋子，局面的勝率就會被算法重新統計。

絕藝使用的算法框架并非馬博團隊的首創。“人工智能領域有很多公開的算法框架，按照這些框架很快就能做出產品。但如果要達到更高的勝率，就要在算法細節和計算能力上努力了。”雖然馬博為絕藝寫下了第一行代碼，但其核心算法框架來自于DeepMind團隊。

2016年1月28日，谷歌旗下的DeepMind團隊在《自然》雜志發表論文，介紹了阿爾法狗程序的技術細節，還附帶它以5∶0橫掃三屆歐洲圍棋冠軍樊麾二段的喜訊。

樊麾并沒有像1997年國際象棋世界冠軍卡斯帕羅夫那樣，在被IBM研發的象棋AI“深藍”擊敗以后，指責這款電腦程序作弊，并要求重新比賽。他也并沒有像這位俄羅斯棋王一樣，有過3次擊敗“棋桌對面新型智慧”的戰績，并坦言“自己還有幾年的安穩日子”。面對比國際象棋10120種變化更為復雜的圍棋，樊麾的劣勢要更加明顯。

“人類是會犯錯誤的，因為我們是人類。”阿爾法狗在樊麾眼里像一面沒有任何情緒波動的墻，穩穩地堵住了他調動的一切經驗和智力攻勢，也壓住了一名頂尖棋手求勝的欲望。如果沒有事先告訴他阿爾法狗是程序的話，樊麾甚至會認為對方是一個棋路清奇的人類棋手。

一年后的烏鎮棋局，阿爾法狗又以3∶0的戰績強勢逼哭了棋盤對面的柯潔，這位圍棋史上最年輕的五冠王第一次在賽場上失控落淚。在離開對弈臺的20分鐘里，他覺得自己就像一個“無助的孩子”，對過程和結局都感到絕望。

“對手非常完美，沒有任何缺陷和失誤，而且也沒有任何心態上的波動。”柯潔賽后曾表示。阿爾法狗也在此戰后成為中國第43位中國圍棋九段獲得者，它的42位九段前輩都是人類。

人工智能下圍棋不需要人類對手了

“沒有情緒”或許是人們對阿爾法狗最為感性的理解了。

實際上，阿爾法狗有著兩個強大的決策網絡：PolicyNetwork(策略網絡)和ValueNetwork(價值網絡)。前者主要判斷在當前局面下，下一步棋該怎么走。作出這樣的判斷，不僅需要提前輸入人類已探索出的大量棋譜，還要讓其能夠通過大量的自我對局結果來學習評價每一步棋的優劣。后者則相當于人類棋手的“大局觀”，阿爾法狗在自我對局中會逐漸學習評價整體局面的走勢。

第一個網絡在從人類棋手已有的走法中篩選出若干種可能的同時，也會通過蒙特卡洛樹搜索來展開這些走法并給出優劣判斷。蒙特卡洛樹搜索正是圍棋AI算法的核心之一。在對弈時，它會隨機選擇一種落子路徑并向下展開，如果這種落子路徑能夠獲勝，就會被賦予一定的權重，并在下次隨機選擇路徑時被優先選中。

第二個網絡則會利用整體局面的判斷刪除那些無法得到高勝率的落子路徑，同時也能根據下一步棋將導致的新局面的優劣，給出落子建議。最終的落子決定則是由兩個網絡被平均加權后作出的。

這種既有局部判斷又作全盤分析的思考方式已經接近人類棋手的思維。雖然棋手選擇的落子位置并非由局部和全盤的思考加權平均決定，但DeepMind在論文中卻得出了這樣的結論：兩個大腦取平均的結果比依賴兩者各自得出的結果要好很多。

2017年10月，在宣布阿爾法狗退役后的5個月后，DeepMind又在《自然》雜志發表最新論文。他們最新的“狗”在3天時間內積累了490萬盤圍棋賽的訓練數據，并以100∶0完勝曾經打敗過李世石、柯潔等人的——過去的那個自己。此時的阿爾法狗已經完全不再需要人類棋手的定式了，所有的訓練都是通過自我博弈增強學習來完成。

馬博團隊先后借鑒了DeepMind兩篇論文，但他們已經不再熱衷戰勝人類棋手，以證明絕藝的實力了。很多圍棋界的棋手期待絕藝能逼出阿爾法狗與之一戰，探索圍棋之道的極限。

這樣的眾望，人類曾寄托于吳清源、聶衛平、李昌鎬……當然，也給過出戰阿爾法狗之前的人類棋手。