10 years of AlphaGo: The turning point for AI | Thore Graepel & Pushmeet Kohli

### TL;DR 2016年AlphaGo在围棋中击败世界冠军李世石，成为人工智能史上的转折点。本文回顾了围棋的复杂性、AlphaGo结合直觉与规划的技术原理，以及那场改变世界的比赛细节。 ## 围棋：AI的终极挑战 围棋规则简单却产生指数级复杂的局面，比国际象棋高出几个数量级。在深蓝击败国际象棋世界冠军后，围棋成为人工智能领域公开的挑战。Thore Graepel解释：“它如此优雅而简单，成了当时要攻克的最佳游戏。” Pushmeet Kohli补充，不仅搜索空间广度（每步可选项多达200-300），还有博弈深度（对局远超国际象棋的60-70步），使问题极其复杂。 ## AlphaGo的诞生：从实习项目到世界舞台 Thore Graepel回忆第一天到DeepMind上班：“大卫·西尔弗问我：‘你是围棋棋手对吧？能帮我们测试一个东西的婴儿版吗？’当时甚至还不叫AlphaGo——那是一个实习项目，从互联网上获取了几十万局棋谱训练系统。”他成为“第一个正式输给AlphaGo的人”，在众人围观下以微弱差距落败。这让他认识到，这个基于人类职业棋谱训练的早期版本，完全知道如何应对传统下法。 ## 核心技术：快速思考与慢速思考 AlphaGo巧妙融合了两种思维过程： - **快速思考（直觉）**：通过深度学习网络实现。价值网络评估棋盘优劣（对黑方或白方），策略网络根据职业棋手概率排列所有可行步法。深度学习在2012年后成熟，第一次提供了学习这种近似函数的工具。 - **慢速思考（规划）**：沿用传统AI的搜索方法（类似深蓝），对游戏树进行显式推理，分析各种可能性的后续变化。 Graepel指出：“这与人类下棋方式高度吻合——我们凭直觉被某些步法吸引，再通过规划验证。” 直觉与计算结合，共同应对庞大的搜索空间。 ## 早期验证：与欧洲冠军范辉的对局 团队邀请欧洲围棋冠军范辉（职业棋手）到办公室测试。Thore Graepel与大卫·西尔弗打赌：Graepel认为AlphaGo至少会输一局，西尔弗赌10:0。结果AlphaGo以10:0获胜，Graepel不得不打扮成古代日本围棋大师的样子上班一整天。这次胜利给了团队信心，准备挑战更高水平的对手。 ## 首尔对决：与李世石的世纪之战 李世石是当时最优秀的围棋选手之一，多次世界冠军，常被比作罗杰·费德勒。他确信自己能赢AlphaGo，基于此前AlphaGo与范辉的对局记录，但未意识到AlphaGo通过训练和算法改进在不断进步。 比赛在韩国首尔的一个酒店楼层进行，现场气氛堪比明星事件。在韩国，顶级围棋选手是名人，大批摄影师和纪录片摄制组围绕。Graepel坦言紧张：“我们通过评估系统计算Elo分数，但不确定李世石在评分尺度上的确切位置。这是世界舞台，输了就是声誉打击。” 团队工作到最后一刻，确保系统稳定。 ### 第一局：意外的优势 Pushmeet Kohli在西雅图观看：“第一局中途，从媒体、评论员和李世石本人的反应就能看出AlphaGo达到了那个里程碑。” 早期人们普遍认为李世石会赢，但随着比赛推进，AlphaGo在目数计算上逐步建立优势。一位美国职业棋手起初批评AlphaGo下了“蠢棋”，赛后却感慨：“这是我经历过最非凡的事，能见证机器在这个水平上对弈，我们能学到太多。” ### 第二局：震惊世界的第37步 这一步成为历史标志。职业评论员几乎一致认为没有人类棋手会做此选择。AlphaGo自身评估人类选择该步的概率仅为万分之一。Graepel回忆现场：“国际解说室里，美国评论员迈克尔·雷德蒙把第37步的棋子放在演示板上，然后退后说‘这一定是错的’。他拿回来，又看屏幕确认，再放回去，困惑不已——那对人是多么违背直觉的一步。” 最终李世石虽在第4局赢回一局，但AlphaGo以4:1赢得整个系列赛。当李世石放下两颗棋子认输时，世界瞬间改变。 ## 影响与展望 十年后，我们见证了大型语言模型、AI智能体和蛋白质折叠等突破。现代AI革命可以说正是始于韩国那块木制棋盘上。AlphaGo不仅攻克了围棋，更验证了强化学习与深度学习结合的强大能力，这些技术如今被用于解决科学和现实世界的关键问题。 --- Source: [10 years of AlphaGo: The turning point for AI | Thore Graepel & Pushmeet Kohli - Google DeepMind](https://www.youtube.com/watch?v=qoinGjj60Fo)