谷歌alphago和李世石的比赛棋谱吸引了不少的围棋爱好者，通过观察此次AlphaGo围棋VS李世石的棋谱，可以看出，人工智能还是比较强大的，下面来一起看下谷歌alphago和李世石的比赛棋谱精彩对局吧。
比赛采用5局3胜制，最终比赛获胜方将获得奖金100万美元。李世石在本轮战败后，只有剩下3局全部获胜才能以3:2总比分战胜AlphaGo，而AlphaGo下一局只需获胜即可宣布战胜李世石。
剩余赛程如下（北京时间中午12点开赛）：
第三场比赛：3月12日（周六）
第四场比赛：3月13日（周日）
第五场比赛：3月15日（周二）
终盘画面，有网友说黑棋像个“死”字
在刚刚结束的人机围棋大战中，李世石再一次输给了谷歌的AlphaGo。目前来看，总体形势不容乐观，有可能李世石会连败五局。而机智的网友们马上开始发挥P图本领，通过棋谱来对可怜的小李子进行嘲讽。
▲这张图说AlphaGo在嘲讽小李子是一个弱鸡。
▲这两张棋谱写着李世石今天一定会输，因为写着今天我死。
网友嘲讽归嘲讽，但是李世石的实力还是毋庸置疑的。作为韩国最强棋手，李世石九段还是具有很大的实力的。希望小李子调整好心态，勇敢地面对接下来的三场对AlphaGo的比赛。
AlphaGo赢了，但我找到了它的两个“弱点”
谷歌人工智能（AI）程序AlphaGo围棋逆转战败李世乭九段的消息让人颇为震惊，大呼“最后的骄傲”也丧失了。确实，在很多事情上，人工智能都能够代替人类来完成。但就今天这局“世纪围棋”之战来说， 胜负在棋盘之外。或者说，AlphaGo的胜利并没有神奇到可以说“人工智能战胜人类”。
一、计算力强势碾压
在AlphaGo的系统上，开发团队使用了更大的计算机网络——包括170个GPU和1200个标准CPU。结合蒙特卡洛搜索算法，AlphaGo能够看到的可能性走法清晰而全面，纯计算的方式同时避免了失误的可能。计算机一分钟的计算量（实战中AlphaGo前期步时约1分钟），人脑也许需要半小时甚至更多。
而据搜狗CEO表示，如今AlphaGo的配置已有了极大的改善，其中GPU达到2000以上。也就是说，AlphaGo拥有了这个先决的优势条件，在走子上的表现也不足为奇。在Alphago之前，也已经有多种纯计算软件战胜棋力高强的人类选手。
从今天的对局来看，AlphaGo（执白）非常擅长近身肉搏，可见其局部计算之精密。
二、不懂大局谋划，形势判断仍未突破
AlphaGo和李世乭今天的对局中，前期李世乭使用大规模布局的作战方式，形势上偶有领先。但是，形势属虚，在后来近身肉搏的过程中，AlphaGo比李世乭要凶猛。比如下图，黑棋在左下方定型时，白子回到上方挑事，非常顽强，所以黑子才会被白子挖走一块又一块。
但是，这样说明计算机程序对于布局还没学会。布局变数比应着要多，形势要虚，判断依赖棋感。在这一点上，AlphaGo仍然体现出了电脑的弱点。古力九段表示，AlphaGo对厚势（外势）的判断没有搞清楚。
而恰好，李世乭的强项和弱项都和AlphaGo的特性对上了。“中国围棋第一人”柯洁九段分析称：“李世乭的强项是后半盘的翻盘能力，布局则是李世乭最差的地方，判断力也不是太好，这对于AlphaGo来说是个重大利好，因为计算机一般来说也是强在后半盘。”
三、AlphaGo在进取，但更多的是反应
到了中盘，尽管黑方已经定势，但AlphaGo非常进取，以致黑方未能坐实优势。这是AlphaGo表现优秀的一面。因为按理说，要破这种形势需要找到最优的妙手，可见AlphaGo的蒙特卡洛搜索算法的准确度有了极大的提高。
不过， AI目前只能在特定场景下，遵循规则产生特定的结果。在此对局中，AlphaGo虽然执白属后手，但基本无法抢得先手，也很少能够主导局面形势的变化，更多的是顺着对方走，直到对手失误。
曹大元九段在对局结束时表示，AlphaGo的表现令人吃惊，但人工智能与人类本质上还没有分出胜负。就弈棋而言，低手比棋谱，强手比计算，高手比棋理。
我们不能否认AlphaGo在人工智能上取得的突破，人工智能的复杂性和艰巨性不言而喻，它的每一小步都意味着人类科学迈出的一大步，即便它还是这么“蠢”，我们仍为它欢欣鼓舞。
图片来源：弈客直播
本人作为一名围棋爱好者，就此发表了一些个人见解，不喜勿喷，也欢迎交流。
【AlphaGo分析】
AlphaGo简介
AlphaGo去年10月击败欧洲冠军
谷歌曾于2014年以4亿欧元收购人工智能公司DeepMind。由DeepMind研发的AlphaGo项目已有两年历史，AlphaGo曾在去年战胜了欧洲围棋冠军樊麾(职业二段)。
去年10月5日-10月9日，谷歌AlphaGo在比赛中以5：0的比分完胜了欧洲冠军。除了战胜人类外，AlphaGo还与其他的围棋程序对战，获得了500场胜利。
AlphaGo原理简介
传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法对围棋并不适用。此次谷歌推出的AlphaGo，将高级搜索树与深度神经网络结合在一起。这些神经网络通过12个处理层传递对棋盘的描述，处理层则包含数百万个类似于神经的连接点。
其中一个神经网络“决策网络”(policy network)负责选择下一步走法，另一个神经网络“值网络”(“value network)则预测比赛胜利方。谷歌方面用人类围棋高手的三千万步围棋走法训练神经网络，与此同时，AlphaGo也自行研究新战略，在它的神经网络 之间运行了数千局围棋，利用反复试验调整连接点，这个流程也称为巩固学习(reinforcement learning)。通过广泛使用Google云平台，完成了大量研究工作。
AlphaGo在与人的对弈中用了“两个大脑”来解决问题：“决策网络”和“值网络”。通俗来说就是，一个大脑用来决策当前应该如何落子，另一个大脑来预测比赛最终的胜利方。
值得一提的是，李世石也是第一次与机器对战，所以他无法像和人类对战那样，先研究对方的棋谱和下棋风格。李世石所能做的就是和自己对弈。谷歌AlphaGo也是通过这种方式锻炼自己，真正做到了“人工智能”。
关于这盘棋，会有很多解读。不止在今天，甚至在数十年之后，这盘棋还可能会被拿出来研究，从棋谱上，更从人机不同的思维上。不论未来回看这盘棋的是人类还是真正有了自我意识的AI，想必都会有与当下的我们不同的感受。而我们有义务把我们的感受和思考记录下来，让后人知道当时的人究竟是如何理解这盘棋，他们有哪些错误的认识、可笑的想法，又有哪些深刻的洞察。
我们来看看，今天这盘棋，究竟发生了什么。这盘棋可能将是有史以来职业棋手最难以统一意见的对局，以下观点是我个人见解，只是在围棋AI时代毫无预兆迅猛而来时，一名棋手尽可能理性的分析和思考。
一、李世石的针对性策略
从棋谱来看，我认为李世石在这盘棋前后主要使用了一个试探，和两个策略。
1）试探：从未出现过的布局
棋谱复盘人机大战
李世石第7手，没有按常规布局在上边连片，而选择走在右边。李世石自己在职业比赛中从未使用过这一开局，甚至整个职业围棋界，没有人见过这一开局。
李世石不按常规布局，显然是对电脑的一种试探。在去年10月AlphaGo对樊麾的五盘棋中，所有开局都是常规布局，虽然那五盘的开局在今天已经不是主流，但都是曾经流行一时的布局。
避开流行布局，甚至避开曾经流行过的已经被淘汰的布局，选择一个从未出现过的布局。李世石在考验AlphaGo在布局阶段的应变能力。我们知道AlphaGo的深度学习基于大量已有对局的数据，那么，面对一个棋谱库里从未见过的布局，AlphaGo你将如何应对？
AlphaGo给出了完美的回答。
棋谱复盘人机大战
白8挂角正常，黑9二间高夹最为激烈。白10，这一手……非常出色。
通常情况下，在右上白8遭遇二间高夹的时候，白10是“不存在”的一手，它不在任何定式之中。面对黑9，白棋有诸多定式选择，却没有白10这一手。
然而，我认为白10是好手。
白10的好处在于使黑7变成效率低下的一手，虽然在右上局部白棋稍稍亏损，但加上黑7的低效，白棋一点也不吃亏。
AI竟然会通盘考虑！传统的围棋AI，会根据已有棋谱来走定式，定式是经过长期检验的局部双方可以接受的定型。然而定式的弊端就在于，不同的周围环境，定式的适用性有所不同。从这盘棋来看，黑9夹击之后，白棋如果选择面对二间高夹最常用的“妖刀”定式，即走在15位，反而将使黑7的位置成为绝对的好点，黑7的效率将会大大提升。
实战白棋选择了一个定式里没有的、局部稍亏的、却使得黑7这个遥远棋子的效率变低的下法，非常清楚地证明了两点：
电脑不依靠背谱来下棋
电脑的考虑基于全局而非局部。
当然，第一点其实在对樊麾的棋谱中已经可以看出来。在对樊麾的常规开局中，AI出现了数次不同于“谱着”的下法。其中有一盘出现“大雪崩”定式，电脑选择的次序是定式和棋谱里没有的，而且是从逻辑上不如谱着的。注意，这里强调是逻辑上不如谱着，而不是在经验上。即，AI当时的次序是“绝对弱于”谱着，只可能亏没可能便宜，虽然选点是正确的，但在我们看来是“次序错误”。这体现出，AlphaGo不依赖于定式和谱着，但也暴露出AI在逻辑上的不足，反应在棋盘上就可能会出现次序错误。这一点，也是棋手普遍不看好AI能战胜李世石的一个原因。
但这一问题在这盘棋我们并没有看到。起码，没有非常明显地显现出来（后面会提到一个细微的类似问题）。
而第二点则是这盘棋AI开局给我们秀出的能力。他轻易摆脱了李世石设下的定式圈套，以全局的视野作出了定式中不存在的选择。
如果说第一点是我们在AlphaGo对樊麾时已经能够看到的情况，那么第二点则是这局棋在布局阶段对人类试探的完美答复。如果只依靠大量棋谱堆砌出来的局部图像识别，AI做不出这样的选择。
