AlphaGo 的诞生

2016 年 3 月，当 AlphaGo 以 4:1 击败李世石时，全世界都在问：这个改变人工智能历史的程序，究竟是怎么诞生的？

答案要从一位国际象棋神童的梦想说起。

---

DeepMind 的创立

Demis Hassabis：从神童到 AI 先驱

Demis Hassabis 是 DeepMind 的共同创始人兼首席执行官。他的人生经历，几乎就是为创造 AlphaGo 而准备的。

国际象棋神童

1975 年出生于伦敦的 Hassabis，在 4 岁时学会下国际象棋，13 岁时达到国际象棋大师等级（Elo 2300+），是英国史上第二年轻达到此水平的棋手。

这段经历让他深刻理解：

• 棋类游戏是智能的试金石：下棋需要规划、直觉、模式识别
• 人类智能的本质：棋手如何在庞大的可能性中找到好棋？
• 计算机的局限：1997 年深蓝击败卡斯帕罗夫靠的是暴力搜索，而非真正的「理解」

游戏设计师

17 岁时，Hassabis 加入 Bullfrog Productions（由《上帝也疯狂》创作者 Peter Molyneux 创立的游戏公司），参与开发了经典游戏《主题公园》（Theme Park）。这段经历教会他：

• 如何设计复杂系统：游戏是模拟现实世界的简化模型
• 玩家行为预测：AI 需要理解人类的决策过程

认知神经科学家

在剑桥大学取得计算机科学学位后，Hassabis 在伦敦大学学院（UCL）取得认知神经科学博士学位。他的研究主题是：海马体如何让人类进行想象与规划。

这项研究发现：

• 人类的记忆与想象使用相同的脑区
• 我们通过「心理时间旅行」来规划未来
• 这种能力可能是智能的核心

这些洞见直接影响了后来 AlphaGo 的设计——让 AI 能够「想象」未来的走法，并从中学习。

共同创始人

2010 年，Hassabis 与两位伙伴共同创立 DeepMind：

创始人	背景	贡献
Demis Hassabis	神经科学、游戏设计	愿景与战略
Shane Legg	机器学习博士	AGI 理论基础
Mustafa Suleyman	社会企业家	商业与应用

「解决智能，用智能解决一切」

DeepMind 的使命宣言是：

"Solve intelligence, and then use that to solve everything else."

「解决智能，然后用它来解决所有其他问题。」

这不是一家普通的 AI 公司。他们的目标不是做产品，而是创造通用人工智能（AGI）——一种能像人类一样思考、学习、解决任何问题的 AI。

为什么要先「解决智能」？因为一旦我们有了 AGI，它就能帮助我们解决气候变化、疾病、能源等人类最大的挑战。

---

早期突破：Atari 游戏

在挑战围棋之前，DeepMind 首先证明了自己的能力——用 AI 玩 Atari 游戏。

DQN：学会玩游戏的 AI

2013 年，DeepMind 发表了 DQN（Deep Q-Network） 算法。这个 AI 能够：

1. 只看屏幕像素——不给它任何游戏规则
2. 自己学会玩游戏——通过试错
3. 达到人类水平——甚至在某些游戏超越人类

DQN 在《打砖块》（Breakout）中学会了一个人类需要几个小时才能发现的策略：挖隧道让球跑到砖块后面，一次消除一大片。

这证明了深度学习 + 强化学习的组合，能够发现人类未曾想过的策略。

为什么从游戏开始？

Hassabis 选择游戏作为研究平台，有几个原因：

1. 环境可控：游戏有明确的规则和目标
2. 可衡量进步：有客观的分数来评估 AI 能力
3. 人类基准：可以与人类玩家比较
4. 多样性：不同游戏测试不同能力

这套方法论，后来也用在围棋上。

---

Google 的收购

5 亿美元的赌注

2014 年 1 月，Google 以约 5 亿美元收购 DeepMind。这是当时 AI 领域最大的收购案之一。

为什么 Google 愿意付这么多钱买一家只有 75 人、还没有产品的公司？

答案在于 博弈论：

• Facebook 也在竞标：传闻 Facebook 出价 4 亿美元
• AI 是未来的关键技术：谁先掌握 AI，谁就掌握未来
• DeepMind 是最好的团队：他们证明了深度强化学习的可行性

Google 首席执行官 Larry Page 亲自出面，才说服 Hassabis 选择 Google 而非 Facebook。

收购条件

Hassabis 在谈判中争取到几个关键条件：

1. 独立运营：DeepMind 保持伦敦总部，独立研发
2. 学术自由：可以发表论文，而非全部保密
3. 伦理委员会：成立 AI 伦理审查机制
4. 长期研究：不需要短期商业化压力

这些条件让 DeepMind 能够追求长期、高风险的研究——比如用 AI 征服围棋。

Google 的 AI 战略

收购 DeepMind 是 Google 「AI 优先」战略的一部分：

时间	事件
2011	成立 Google Brain
2013	收购 DNNresearch（Hinton 团队）
2014	收购 DeepMind
2015	TensorFlow 开源
2016	TPU 发布

Google 意识到：搜索、广告、翻译、语音——所有核心业务都将被 AI 重塑。谁有最好的 AI，谁就是赢家。

---

选择围棋作为目标

为什么是围棋？

被 Google 收购后，DeepMind 有了更多资源。Hassabis 决定挑战一个看似不可能的目标：用 AI 击败人类围棋冠军。

为什么选择围棋，而不是其他问题？

1. 围棋是「AI 的圣杯」

2016 年之前，专家普遍认为 AI 至少需要 10-20 年才能在围棋上击败人类。围棋被称为「AI 最后的堡垒」。

原因：

• 搜索空间巨大：10^170 种可能的局面（宇宙原子数只有 10^80）
• 评估困难：不像国际象棋有明确的棋子价值
• 直觉依赖：顶尖棋手常说「这步棋感觉对」，却无法解释原因

2. 深蓝的启示

1997 年，IBM 的深蓝（Deep Blue）击败了国际象棋世界冠军卡斯帕罗夫。但这个胜利有争议：

• 深蓝靠的是暴力搜索（每秒评估 2 亿个位置）
• 使用人类专家设计的评估函数
• 这不是真正的「智能」，而是「计算力」

Hassabis 想证明：AI 可以用学习而非暴力搜索来解决问题。

3. 可衡量的目标

围棋有国际排名系统（Elo rating）和职业棋手，提供了客观的衡量标准。如果 AI 能击败世界冠军，就是无可争辩的成功。

4. 与神经科学的联系

人类棋手的直觉——看一眼棋盘就知道哪些位置重要——正是 Hassabis 想用 AI 复制的能力。围棋是测试「机器直觉」的完美场景。

---

AlphaGo 团队

核心人物

AlphaGo 的成功，来自一支多学科背景的团队：

David Silver：首席研究员

David Silver 是 AlphaGo 论文的第一作者，也是强化学习领域的顶尖专家。

• 背景：剑桥大学数学系毕业，阿尔伯塔大学 RL 博士
• 导师：Richard Sutton（强化学习之父）
• 专长：蒙特卡洛树搜索、时序差分学习

Silver 在博士论文中就研究过计算机围棋，但当时的技术远未成熟。加入 DeepMind 后，他终于有机会实现这个梦想。

Aja Huang：围棋专家

Aja Huang（黄士杰）是台湾人，业余六段棋手，也是计算机围棋领域的先驱。

• 背景：国立台湾师范大学计算机博士
• 专长：计算机围棋程序设计
• 著名作品：Erica（早期计算机围棋程序）

Huang 在 AlphaGo 团队中扮演关键角色：他不只理解围棋，也理解 AI。在与李世石的对局中，他是实际操作 AlphaGo 的人。

其他关键成员

成员	角色
Chris J. Maddison	蒙特卡洛树搜索专家
Arthur Guez	强化学习研究员
Laurent Sifre	深度学习工程师
George van den Driessche	分布式系统工程师

跨领域合作

AlphaGo 的成功证明了跨领域合作的力量：

• 围棋专家提供领域知识
• 机器学习研究员设计算法
• 工程师实现大规模训练系统
• 神经科学家提供理论灵感

这种团队组成，后来成为 DeepMind 的标准模式。

---

Nature 论文发表

秘密的惊喜

2016 年 1 月 27 日，DeepMind 在顶级学术期刊《Nature》发表论文：

"Mastering the game of Go with deep neural networks and tree search"

论文宣布 AlphaGo 已经：

1. 击败了所有其他围棋程序
2. 以 5:0 击败了欧洲冠军 樊麾（职业二段）

这个消息震惊了世界。在论文发表之前，没有人知道 DeepMind 在研究围棋。

论文的核心贡献

《Nature》论文描述了 AlphaGo 的三大创新：

1. Policy Network（策略网络）

用深度卷积神经网络预测人类棋手的下一步。训练数据来自 3000 万局 的人类棋谱。

准确率：57%（预测人类专家的下一步）

这比之前最好的计算机围棋程序高出 10 个百分点以上。

2. Value Network（价值网络）

用另一个神经网络评估当前局面的胜率。这取代了传统的随机模拟（Monte Carlo rollout）。

精度：与 15000 次随机模拟相当，但计算速度快 15000 倍

3. 蒙特卡洛树搜索整合

将两个神经网络整合进 MCTS 框架：

• Policy Network 引导搜索方向
• Value Network 评估叶节点

这让 AlphaGo 既有「直觉」（神经网络），又有「推理」（树搜索）。

学术界的反应

论文发表后，学术界反应热烈：

"这是人工智能的登月时刻。" — Stuart Russell，UC Berkeley 教授，AI 教科书作者

"我原本认为还要 10 年，没想到这么快。" — Martin Müller，计算机围棋专家

但也有人持怀疑态度：

"樊麾只是职业二段，不是真正的顶尖棋手。让 AlphaGo 和 Lee Sedol 下一场再说。"

DeepMind 接受了这个挑战。

---

挑战李世石

为什么是李世石？

李世石（Lee Sedol）是韩国棋手，当时被认为是过去十年最强的棋手之一：

指标	数据
世界冠军头衔	18 个
国际赛冠军	32 个
最高世界排名	第 1
风格	「天才」「神算」

选择李世石，DeepMind 是在挑战最强的人类对手。

1 百万美元奖金

Google 为这场比赛提供了 100 万美元 奖金：

• 如果李世石获胜：奖金归李世石
• 如果 AlphaGo 获胜：奖金捐给 UNICEF、STEM 教育等慈善机构

这不只是一场技术展示，也是全球瞩目的体育赛事。

比赛前的预测

比赛前，多数职业棋手预测李世石会轻松获胜：

"AlphaGo 可能赢一盘，但 5 盘比赛我会 5:0 获胜。" — 李世石，赛前采访

"计算机下棋死板，顶尖棋手很容易找到弱点。" — 某位职业九段

但 DeepMind 团队有不同的看法。David Silver 后来透露：

"我们在内部测试中，已经让 AlphaGo 对阵樊麾的版本下了 500 盘。新版本赢了 499 盘。"

---

2016 年 3 月：改变世界的五盘棋

第一盘：震惊开始

2016 年 3 月 9 日，首尔四季酒店。

李世石执黑先行，AlphaGo 执白。经过 3 小时 28 分的对弈，AlphaGo 中盘获胜。

这是人类顶尖棋手首次正式输给 AI。

第二盘：神之一手

第二盘诞生了被称为「神之一手」的第 37 手——AlphaGo 在五路下出一步肩冲，所有职业棋手都认为是失误，结果证明是制胜关键。

（详见下一篇：「神之一手」深度分析）

AlphaGo 再次获胜。

第三盘：3:0

第三盘，李世石尝试了非传统的开局，但 AlphaGo 应对自如。3:0。

全世界开始意识到：这不是偶然，AI 真的超越了人类。

第四盘：人类的反击

第四盘，李世石下出了被称为「神之一手」的第 78 手——一步精妙的挖，让 AlphaGo 出现了混乱。

AlphaGo 在接下来的几步中下出明显的坏棋，最终认输。

这场胜利证明：AI 也有弱点。李世石找到了它。

第五盘：最终比分

第五盘，AlphaGo 恢复正常，以中盘获胜结束比赛。

最终比分：AlphaGo 4:1 李世石

---

影响与余波

全球关注

这场比赛的影响远超围棋界：

• 全球 2 亿人 观看了直播
• 《纽约时报》、《经济学人》等主流媒体大篇幅报道
• Google 股价在比赛期间上涨
• 「人工智能」成为当年最热门的科技话题

对围棋界的影响

比赛后，职业棋手的态度从「轻视」转为「敬畏」：

"我们以前认为人类理解围棋，现在发现我们只是懂一点皮毛。" — 柯洁，中国棋手，当时世界排名第一

许多职业棋手开始使用 AI 来训练，围棋的下法也因此改变。

对 AI 领域的影响

AlphaGo 证明了几件事：

1. 深度学习可以解决专家级问题：不只是识别猫狗，还能下围棋
2. 强化学习可以超越人类：通过自我对弈，AI 可以发现人类未知的策略
3. 神经网络 + 搜索是强大的组合：直觉 + 推理 = 更强的智能

这些洞见后来被应用到：

• AlphaFold：蛋白质结构预测（2020 诺贝尔奖级成就）
• AlphaZero：通用游戏 AI
• MuZero：不需要规则的学习

---

动画对应

本文涉及的核心概念与动画编号：

编号	概念	物理/数学对应
E7	从零开始	自组织
E5	自我对弈	不动点收敛
F8	涌现能力	相变
H4	策略梯度	随机优化

---

延伸阅读

• 下一篇：关键对局回顾 — 樊麾、李世石、柯洁的完整对局分析
• 技术细节：Policy Network 详解 — AlphaGo 如何学会下棋
• 动手实践：30 分钟跑起第一个围棋 AI — 亲自体验

---

参考资料

1. Silver, D., et al. (2016). "Mastering the game of Go with deep neural networks and tree search." Nature, 529, 484-489.
2. Mnih, V., et al. (2015). "Human-level control through deep reinforcement learning." Nature, 518, 529-533.
3. Hassabis, D. (2017). "Artificial Intelligence: Chess match of the century." Nature, 544, 413-414.
4. 《AlphaGo》纪录片 (2017)，导演 Greg Kohs。