陈祖源：AlphaGo成功是围棋对人工智能一大贡献

NP问题位居7大“千禧难题”之首

　　作者介绍

　　陈祖源，中国围棋规则专家。曾制订2008年智运会围棋规则，出版《围棋规则演变史》、《循环劫》等围棋规则领域专著，目前正在为欧洲围棋联盟制定欧洲围棋规则。

　　AlphaGo学习人类围棋思维成功是围棋对人工智能的一大贡献

　　有很多文章说到围棋是np问题，np问题能否得到数学的表达即np=p？位于21世纪七大数学难题之首。围棋的特殊在于这个难题虽不可解，但经过人类几千年研究积累事实上已经达到了非常接近最优解的程度。如果能夠把人类的围棋思维应用到其它np问题上去，无疑具有重大的现实意义。

　　AlphGo利用两个神经网络和深度学习技术把人类的围棋技术都学到了。AlphaGo下棋等于是在下每一步棋时，所有的高手都来出主意，並且互相争论 ，最后决定下哪里。AlphaGo的原理是图像识别，即尽可能的最像是高手下出的图像，因此它的每一步棋一定是在某一个类似的棋谱中出现过的。图像识别只有更像，但不可能超越，因为它不可能创造出比人更像人的东西来。AlphaGo用来战胜李世石的每一步棋归根结底还是来自人，AlphaGo与李世石的对局相当于所有高手共同与李世石对局，前提只在于AlphaGo是否能达到这个程度。

　　（来源：喆理围棋）　　从实用意义上说这还是不夠的，据说AlphaGo还要研究不依赖于高手棋谱库，从零开始通过自我对局深度学习来达到同样的高度。要注意这个自我学习的方法是建立在现在这个程序的基础上的，也就是说它已经学到了人类围棋思维的模型。到了这一步原则上就可以把它应用到其它np问题上去了。打个比方相当于转基因。那也就是围棋对人工智能的一大贡献了。