AlphaGo前後共有18個不同的系統版本，谷歌一直讓裝載不同版本的AlphaGo進行對戰，沒有一個重複的動作。将要與李世石對戰的系統是第18版本

《财經》記者 孫愛民 特約記者 全芙慶/文

北京時間3月9日12點，Google人工智能圍棋系統AlphaGo與韓國圍棋9段李世石的首場比賽即将在首爾打響。比賽前一日下午，Google副總裁、Deepmind創始人兼CEO戴密斯·哈薩比斯（Demis Hassabis）在接受《财經》專訪時表示，在完成與李世石的比賽後，Google或将帶AlphaGo到中國與日本，與職業圍棋高手對決。

Google選擇李世石，是因為在圍棋界，李世石是一位頂級選手，“我們想讓這一場對戰，即使在20年以後也被人津津樂道，因此，為AlphaGo安排一位職業9段選手進行對決，需要選手在圍棋領域擁有超過10年的頂尖地位。”戴密斯認為，此戰也可使李世石成為圍棋曆史上的傳奇式人物。

對于AlphaGo自去年10月對戰樊麾以來、做過哪些系統升級，戴密斯賣了一個關子，說要到比賽結束之後才會公布細節。他表示，如果還用去年10月份的AlphaGo系統，李世石肯定會輕易赢得比賽，“李世石肯定比樊麾能力強，所以我們必須不斷升級程序，相信有機會赢得比賽”。

戴密斯稱，AlphaGo前後共有18個不同的系統版本，将要與李世石對戰的系統是第18版本，“我們一直讓裝載了不同版本的AlphaGo進行對戰，場面很有意思，你絕對不會看到一個重複的動作。”

AlphaGo的研發團隊緻力于增強人工智能系統的深度學習範圍，使其在同一個系統下，不僅可以學習圍棋，還可以學習其他多種行為。

中國科學院計算技術研究所研究員陳雲霁在接受《财經》采訪時表示，目前的人工智能系統還隻是面對一個問題進行設計，所能學習到的行為也具有單一性，要實現人工神經網絡學習能力的遷移性，科學與工程還有很長的路要走。

人類的大腦裡存在千億以上的神經元細胞，神經元細胞之間的連接靠突觸，而突觸的數量達百萬億級别，如此龐大而充滿未知的網絡，使得人的大腦擁有強大的信息處理能力與學習能力。AlphaGo之所以能夠學習圍棋棋譜，歸功于其搭載了人工神經網絡，這個網絡是對人體神經細胞和突觸進行數字化的抽象。

陳雲霁表示，人工智能能夠實現深度學習，主要原因是借鑒人腦了多層處理的機理。Google尚未公布AlphaGo的技術細節，但陳雲霁估計，AlphaGo至少有10層神經元細胞。

為何AlphaGo還隻能學習圍棋，而難以達到甚至超越人類智能，學習并做到更多的行為？

陳雲霁認為，即使現在最先進的人工智能系統，與成人人腦相比也沒有可比之處。“微軟的人工神經系統擁有152層神經網絡，裡面神經元的數量也隻是千萬級，而人腦是千億級；AlphaGo的神經元不會超過千萬。”

現有計算機的硬件，尤其是CPU（中央處理器）與GPU（圖片處理器）難以滿足千萬級别神經元人工神經網絡的運行，“現在的GPU和CPU不是為了智能處理設計出來的，他們本質上是用于做加減乘除的，一貫的設計思路是為了科學計算。”陳雲霁說。

如果要用現有的CPU去做出人腦這麼大規模的神經元，需要1600萬CPU核，在運行時，每分鐘都會出現CPU損壞情況。

陳雲霁分析，AlphaGo裝載的依舊是傳統的CPU與GPU，并沒有用專門的深度學習處理器，神經網絡規模上還不夠大，“某種意義上講，AlphaGo的人工神經系統相當于人類大腦中的一小塊。”

（《财經》實習生闵敏、李名清、侯力嘉對此文亦有貢獻）

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部