2017年5月23日，第二次“人机大战”火热开赛。去年曾大比分击败韩国选手李世乭的AlphaGo，再度与柯洁等为代表的中国顶尖棋手进行对弈。比赛采用中国规则，三番棋，无论输赢，每方3小时，5次1分钟读秒。因为此前对战李世乭时AlphaGo表现出了超强实力，几乎以“碾压人类”的方式取胜，所以对于第二次人机大战，众多业内人士觉得人类希望不大。
去年第一次人机大战之前，搜狗CEO王小川曾在知乎发表评论，明确表示AlphaGo将完胜李世乭。而对于这次比赛，他再次在知乎表达了自己的态度：“我们的关注点不再是机器是否会赢——而是机器将用什么姿势战胜人类。”
王小川说，AlphaGo2.0和1.0技术原理有着巨大不同，更接近于人，因此这次比赛的最大看点是，AlphaGo2.0或许会频现“怪招”，完全颠覆人类对围棋的理解。AlphaGo告诉我们：我们还有极大的发展空间；而AlphaGo2.0告诉我们：如果有合适的条件，完全可能有其他的生命进化路径，以及更不一样的进化结果，相当于重演一部进化史。
以下为王小川知乎全文：
该来的终于来了。
一年前AlphaGo发布，看完论文后我就在知乎上发文预测机器会完胜人类。好些行业朋友不相信，为此我收了很多“智商税”，之后微信发红包一直发到春节才发完。此外我还立了两个断言：一个是Google很有可能再研发出AlphaGo 2.0，摆脱“监督学习”，不再需要人类下围棋的历史数据，而是只通过“增强学习”，两台AlphaGo自我对战学习如何下棋，并达到登峰造极的地步。从公开的资料判断，此言中了。这意味着什么呢，又有什么看点呢？
技术重大提升：和1.0原理大不同 更接近于人
AlphaGo 1.0 是巧妙地混合了三种算法：蒙特卡洛树搜索+监督学习+增强学习。其中蒙特卡洛树搜索是一种优化过的暴力计算，比1997年深蓝的暴力计算更聪明。而这里的监督学习，是通过学习3000万步人类棋谱，对六段以上职业棋手走棋规律进行模仿，也是AlphaGo获得突破性进展的关键算法。而增强学习作为辅助，是两台AlphaGo从自我对战众中学习如何下棋，据悉对棋力提升有限。
根据公开资料推测，此次AlphaGo2.0的技术原理与之前有着巨大不同：
1. 放弃了监督学习，没有再用人的3000万局棋谱进行训练。这本是AlphaGo最亮眼的算法，也是今天主流机器学习不可避免的核心条件：依赖于优质的数据，在这个特定问题下就这么被再次突破了。
2. 放弃了蒙特卡洛树搜索，不再进行暴力计算。理论上，算法越笨，就越需要暴力计算做补充。算法越聪明，就可以大大减少暴力计算。从AlphaGo 2.0的“马甲”Master的历史行为看，走棋非常迅速，约在每10秒钟就走棋一步，如此速度很可能是放弃了暴力的计算。
3. 极大地强化了增强学习的作用，之前敲边鼓的算法，正式成为扛把子主力。想想看有多励志：两台白痴机器，遵守走棋和获胜规则，从随机走棋开始日夜切磋，总结经验，不断批评和自我批评，一周后终成大器。
在这样的算法下，AlphaGo 2.0对计算资源开销极小，把当前棋局输入神经网络，电流流过，输出就是最佳的走棋方案。我猜测如此算法下，有可能仅仅依靠一个GPU工作，每一步棋消耗的能源接近人的大脑。
本文网址：
