AlphaGo公開點名挑戰圍棋世界第一柯潔 - 圍棋

Megan avatar
By Megan
at 2016-03-14T18:27

Table of Contents

Google AlphaGo「不小心」排名世界第四,公開點名挑戰圍棋世界第一柯潔

作者 虎嗅網 | 發布日期 2016 年 03 月 14 日 18:02 | 分類 Google , 人工智慧

不管是不是「故意」認輸,連贏李世石 3 盤的 Google 人工智慧 AlphaGo 13 日第四盤
輸給了李世石,讓網友大喊「李世石終於替人類挽回尊顏了!」南韓網友紛紛致敬:「就
像李世石 12 日說的,昨天輸的不是人類,而是李世石。那麼今天贏的當然也不是人類,
而是李世石。」「深深地被打動了」。

巧合的是,這一天是李世石結婚十周年,Google 給他送上了一份先苦後甜的賀禮,也不
知道 AlphaGo 這個心機婊是不是故意的。

在第四盤比賽中,AlphaGo 執黑先行,激戰中李世石敏銳捕捉到戰機,順利吃住黑棋七
子,逐漸獲得主動權。AlphaGo 在落後情況下,下出黑第 97 手的極端無理棋,走到了左
下角兩顆白棋中間處,李世石白第 98 手果斷吃掉這顆黑子……雖然此後在讀秒階段,李
世石多次都在最後 1 秒落子,令人捏了把汗,但李世石最終還是有驚無險地贏下了這盤
棋。

在人們為人類終於拿下一盤的「狂歡」中,AlphaGo 卻「因禍得福」。
根據新浪科技報 導,由於這場失利,AlphaGo 得以正式進入世界職業圍棋選手排名。因
為按照世界職業圍棋排名網站 GoRatings.org 的演算法,如果一名選手從未遭受失利,
就不會進入排名統 計。Goratings.org 的世界排名是基於全歷史排名演算法(WHR)統計
的,每日更新資料。

根據 GoRatings.org 公佈的世界排名,AlphaGo 位列世界第四,僅次於中國柯潔、南韓
樸永訓以及日本井山裕太,而南韓李世石則位列世界第五。

DeepMind 研發工程師 Raia Hadesell 在 Facebook 上公開表示:「AlphaGo 現在可以有
正式排名了。(謝謝輸給你,李世石,如果一直贏棋就不能被排名演算法統計)。現在
AlphaGo 積分是 3,533 分,排名世界第四。柯潔,準備好了嗎?」

當 13 日李世石終於贏下一盤後,柯潔又調侃起李世石,並且半夜跟古力等好友喝得爛醉
,估計這孩子這幾天替人類尤其是替李世石憋屈。想想,要是這次 AlphaGo 直接對戰的
是柯潔,而不是李世石,結局是不是會不一樣呢?歷史無法假設。

不知道柯潔何時跟 AlphaGo 對弈?這個心有猛虎細嗅薔薇的 18 歲少年,內心是興奮還
是激動或者害怕,前者居多吧。問題是,在哪兒下呢?肯定不是中國吧,畢竟 Google在
中國已經從技術層面被牆很久了。

(本文由 虎嗅網 授權轉載)

http://technews.tw/2016/03/14/google-alphago-challenge-china-teenager/

超期待啊!

--
Tags: 圍棋

All Comments

William avatar
By William
at 2016-03-16T22:45
吼吼 來囉XD
Frederica avatar
By Frederica
at 2016-03-19T05:42
只要一直贏就沒有分數啦
Erin avatar
By Erin
at 2016-03-22T01:18
心機婊XD
Heather avatar
By Heather
at 2016-03-22T15:18
來囉~~KJ你準備好了嗎?
Elma avatar
By Elma
at 2016-03-22T21:43
在此預測以後前10名大概都是ai
Ina avatar
By Ina
at 2016-03-27T13:37
說過了 在香港比
Edith avatar
By Edith
at 2016-03-29T18:41
第二不是朴廷桓嗎...
Oscar avatar
By Oscar
at 2016-04-03T00:03
Alpha進入中國能活著出來嗎? 不怕被駭?
Hedwig avatar
By Hedwig
at 2016-04-04T10:12
是這作者自己點名吧? 別人吃麵他在喊熱
Robert avatar
By Robert
at 2016-04-04T12:26
所以是去香港呀,這工程師也很直
Brianna avatar
By Brianna
at 2016-04-09T03:56
最後一句.....
Emma avatar
By Emma
at 2016-04-11T19:05
看FB的程式什麼時候可以對決AlphaGo
Zenobia avatar
By Zenobia
at 2016-04-15T04:21
最後一句XDD
Zenobia avatar
By Zenobia
at 2016-04-17T03:25
來台北比吧!
Agatha avatar
By Agatha
at 2016-04-18T08:42
來台北阿
Todd Johnson avatar
By Todd Johnson
at 2016-04-21T23:45
整篇報導只是想說最後一句吧XD
Bethany avatar
By Bethany
at 2016-04-23T15:30
XD
Emily avatar
By Emily
at 2016-04-24T07:15
為什麼阿法狗可以直衝第4名?是如何算的?
Jack avatar
By Jack
at 2016-04-25T08:14
3:1第5名的不排第四說得過去嗎?
Hamiltion avatar
By Hamiltion
at 2016-04-27T14:59
柯J跟阿法狗單挑一日雙城不知道誰會贏
Frederica avatar
By Frederica
at 2016-05-02T09:37
狗狗第四很多人不開薰
Mason avatar
By Mason
at 2016-05-05T23:44
第二是朴廷桓吧,拜託記者先查證再寫好嗎?
Agatha avatar
By Agatha
at 2016-05-10T16:34
井山:好險不是點名我,不然殺翻日本棋界被電腦屌打就難看了
Megan avatar
By Megan
at 2016-05-12T08:39
別把井山看得那麼孬 他好歹也是自己會想出去被殺的那種等級
Candice avatar
By Candice
at 2016-05-16T05:48
如果找上他 他應該很快就答應了XD
Kama avatar
By Kama
at 2016-05-18T15:48
任何被指名挑戰的人選 下完都會變強
Una avatar
By Una
at 2016-05-23T11:42
井山對小李 生涯是2勝4負
Eartha avatar
By Eartha
at 2016-05-24T12:00
希望之後大量在日本測試,好提升日本水準
James avatar
By James
at 2016-05-26T18:36
柯潔,屁股洗乾淨了嗎?

電腦弱點:中腹有打劫可能的複雜生死戰?

Anonymous avatar
By Anonymous
at 2016-03-14T17:56
: 電腦好似還有一個問題就是落後時下出的各種大虧損無理手。當然可以理解電腦 : 的邏輯就是:這樣下你不應我就贏了所以勝率很高,但這對人類是沒用的。相對 : 於之前有人假設電腦落後會變更強因為要追回來,目前看起來反而是電腦落後就 : 走遠了,因為它的追棋方式對人類來說是毫無意義的只會讓自己越虧越多勝機越 : 渺 ...

電腦弱點:中腹有打劫可能的複雜生死戰?

Queena avatar
By Queena
at 2016-03-14T17:25
※ 引述《Vonix (台灣大賭場歡迎您)》之銘言: : 我嘗試用一句話來講ALphaGo的弱點 : 昨天AlphaGo第一次暴露出弱點,不知道是不是李世石有意為之? : 李世石在左右方都避開了戰鬥,卻在大局不利時才在中央掀起戰鬥, : 從盤後解析可以看出,白78神手挽回了局面,但若黑棋應對得宜, : 局面其 ...

初學者選購圍棋

Bethany avatar
By Bethany
at 2016-03-14T17:15
各位前輩, 最近想跟家人好好的學一下圍棋, 所以想買一組, 但有些疑問想請教 幾年前, 有朋友教我怎樣玩, 當是的棋盤是一片塑膠, 棋子也是塑膠的, 很爛, 很不好用 大概教了我一些基本的規則, 但其實我完全不會, 棋力是0, 連跟他玩玩的能力都沒有 最近跟家人提這件事, 也願意一起學習, 所以想說買正常 ...

阿爾法會修正第四盤錯誤明天不再犯嗎?

Elma avatar
By Elma
at 2016-03-14T16:31
其實有個很大的問號,雖然阿爾法對外的更新已經中止 但他自己有學習功能 上一場輸給李世石那盤,為了避免劫爭而導致崩盤的情形 不知在第五盤時是否會自動修正這個失誤? 面對類似選擇時,會下別的位置,或勇於打劫呢? 因為有前盤and#34;經驗and#34;,使他不再重蹈覆轍? 不知電腦自動學習功能是如何 ...

圍棋AI AlphaGo 之我見

Rosalind avatar
By Rosalind
at 2016-03-14T16:18
1. 據說 AlphaGo用到的Neuro Network深達13層 有任何穩定性的報告或是說明嗎? 2. 圍棋的勝敗至少包括兩種,一種是壓著打或是完勝,另一種是反敗為勝 AlphaGo的設計應該是循著第一條路線 問題是餵它的千萬盤訓練用人類棋譜卻包含非常多第二類棋譜 反敗為 ...