计算机挑战人类：下赢国际象棋 却下不赢围棋

Facebook和谷歌等科技公司正在研究围棋人工智能技术，希望有朝一日能让计算机战胜人类围棋冠军。Facebook最近几年进行了不少基础科学研究，最近的一项研究是教计算机下围棋。围棋这项复杂的竞赛活动拥有2500多年的历史，但到目前为止，计算机仍无法战胜人类。

围棋棋盘盘面有纵横各19九条等距离、垂直交叉的平行线，共构成19×19(361)个交叉点。比赛双方交替落子，目的是在棋盘上占据尽可能大的空间。被完全包围的敌方棋子被移动，所占空间归属另一方。

围棋虽然是一种典型的极简主义游戏，但这只是表面现象，事实上它具有令人难以置信的深度和微妙之处。当棋盘为空时，先手拥有361个可选方案。在游戏进行当中，它拥有远比国际象棋更多的选择空间。

马修·本特森(Matthew Bengtson)是一位钢琴家和象棋大师，他28岁时开始玩围棋，目前是费城围棋俱乐部主席。本特森为围棋总结出如下特点：模仿是不现实的，先手并不拥有明显优势，同样的开局顺序和战略基本不会重复出现。

Facebook并不是唯一一家试图让计算机在围棋比赛中战胜人类的企业。今年11月，谷歌旗下DeepMind研究部门也宣布进行类似的研究。

Facebook和谷歌的努力不禁让人想起IBM当年对国际象棋的兴趣。1989年，IBM推出了一个名为“深蓝”的研究项目，希望让计算机战胜国际象棋世界冠军。1997年，深蓝真的战胜了国际象棋界公认的棋王格里·卡斯帕罗夫(Garry Kasparov)。

该项目并未给IBM带来可以销售的产品，但却让我们意识到：基础科学研究所面临的巨大挑战是值得我们去迎接的，虽然企业在这方面的收益还无法量化。

随着顶级科技公司争相在产品中融入智能技术，Facebook和谷歌在围棋人工智能方面的研究具有极大的代表意义。与国际象棋相比，围棋更具深度。要让计算机掌握相关技巧，需要更多类似于人类的模式识别和直觉判断技巧。

Facebook对围棋人工智能的研究整合亮相最新的计算技术：深卷积神经网络(deep convolutional neural networks)和蒙特卡洛树搜索(Monte Carlo tree search)，前者利用类似于大脑的算法来学习和识别棋盘上各种模式的重要性，而后者相当于一种超前思维，用于计算详细的战略步骤。

本特森还称，与国际象棋相比，他目前更喜欢围棋，原因之一是：计算机象棋软件越来越优秀，已将揭开了这项游戏的神秘面纱；相比之下，围棋目前更加神秘。

但将来，围棋的神秘色彩也可能不复存在。