A.I. 传奇

引子

  20年以后,柯洁和伙伴们隐藏在群山里的简陋营地,躲避着硅基文明的清剿,他总是忍不住地回想起那个下午:为什么没有冲过去,砸碎对面那台叫做“AlphaGo”的超级电脑,也许,那是人类摧毁“天网”的最后机会……

————来自于网友评论

电影《终结者》中的终结者T800

达特茅斯的年轻人

盛产紫丁香的新罕布什尔州,位于美国东北部的新英格兰地区,自然景色优美,著名的康涅狄格河流过全境。在康涅狄格河边的汉诺佛小镇上,矗立着一所闻名遐迩的古老学府:达特茅斯学院。成立于1769年的达特茅斯学院虽然规模不大,却是美国乃至全球顶尖的私立大学。

达特茅斯学院的主楼

1956年的8月,一群天才的青年科学家,聚集在达特茅斯学院,他们热烈讨论着一个在当时看来完全不食人间烟火的主题:用机器来模仿人类学习和智能。

事情的起因在两年前,达特茅斯学院数学系四位教授同时退休,对于达特茅斯这样的小学院,数学系一下子少了四位教授,可是件大事,刚刚担任数学系主任的克门尼慌了手脚,他跑回母校普林斯顿大学求援,结果带回来四个年轻的助教,其中就有刚刚拿到博士学位的约翰·麦卡锡。

约翰·麦卡锡

美国的教授都是9个月薪水,要挣钱就得有研究项目,如果没有研究经费,就只能在暑假出去打短工挣点外快。在普林斯顿攻读博士学位的时候,麦卡锡每年暑假都会去IBM和贝尔实验室打短工,现在当了助教,自然首先考虑找项目拉研究经费。麦卡锡对逻辑和计算理论一直有着强烈的兴趣,他1948年刚到普林斯顿读研究生时,就认识了冯·诺伊曼,在老冯影响下开始在计算机上模拟智能。所以,麦卡锡准备发起一场研讨会,讨论计算机模拟智能。

在贝尔实验室打暑期短工的时候,麦卡锡结识了克劳德·香农和马文·明斯基,他决定首先拉他们入伙。

马文·明斯基也是普林斯顿的数学博士,他是纳什的师弟,就是美丽心灵的那个纳什。明斯基的博士论文做的是神经网络,他在MIT(麻省理工)一百五十周年纪念会议上回忆说是冯·诺伊曼和麦卡洛克启发他做了神经网络。对于麦卡锡模拟智能研究会议的邀请,明斯基兴趣浓厚,并且很快成了会议的另一个推动者。

马文·明斯基

克劳德·香农比其他人大十来岁,是这群人中间真正的大佬。他和麦卡锡观点其实不太一样,但麦卡锡和明斯基需要香农来撑场面。香农是MIT的数学博士,毕业后先后和数学家外尔,爱因斯坦,哥德尔等巨头共事,二战期间在贝尔实验室从事密码破译的研究,跟计算机之父图灵交情不错,俩人还一起讨论过用计算机下棋。香农当时已经是贝尔实验室的大佬级人物,有了香农的加入,会议的号召力大大增强,赫伯特·西蒙和艾伦·纽厄尔也同意参加会议。

克劳德·香农

艾伦·纽厄尔是在普林斯顿数学系完成的硕士学习,博士学位则是被赫伯特·西蒙拉去卡内基大学得到的礼物。赫伯特·西蒙当时已经是卡内基大学的工业管理系主任,实际上他算是纽厄尔的老师,可他是真的欣赏纽厄尔,每次合著论文的作者署名,他都把纽厄尔的名字放在自己的前面,这是真正的忠厚长者,两人在卡内基大学合作了一辈子,不仅在1975年分享了图灵奖,还和一起参与创立了卡内基梅隆大学的计算机系,让CMU成为计算机学科的重镇。

艾伦·纽厄尔

凑齐了会议的主要参加者,麦卡锡和明斯基着手搞定会议经费,他们的目标是洛克菲勒基金会。会议的原始预算是一万三千五百美元,麦卡锡预计会有六位学界的人出席,会议应该支付每人两个月的薪水一千两百美元,可洛克菲勒基金会最终只同意给七千五百美元,不太理想,不过总比没有强。

在写给洛克菲勒基金会的经费申请书中,麦卡锡给这个活动起了个当时看来别出心裁的名字:“人工智能夏季研讨会”(Summer Research Project on Artificial Intelligence)。这里出现了一个新的词组:Artificial Intelligence—AI,人工智能。一个全新领域就这样被命名了。

普遍的误解是“人工智能”这个词是麦卡锡想出来的,不过麦老晚年回忆承认,这个词最早是从别人那里听来的,但记不清是谁,人老了真是没办法。

新罕布什尔州的夏天凉爽而短暂,天才们围绕AI的讨论持续了两个月,直到秋天的降临。对于人工智能的发展方向,会议没能达成普遍的共识,但是达特茅斯会议,算是正式开启了人类科学家对人工智能(AI)领域的探索。参加会议的年轻人们,后来都成为了人工智能相关领域的领路人。在之后的二十年里,明斯基,麦卡锡,香农,纽厄儿和西蒙,因为对人工智能研究的贡献,先后获得了计算机界的最高荣誉“图灵”奖,而西蒙则在1975年获得了诺贝尔经济学奖。

值得一提的是,赫伯特·西蒙在1957年就曾预言:十年内计算机下棋就会击败人类。1968年麦卡锡和象棋大师列维打赌说:十年内下棋程序会战胜列维。结果是赔了列维两千块。乐观的预言总会给对手留下把柄,人工智能最有名的批评家,兰德公司的德雷弗斯,每年都拿此事嘲讽AI,说“计算机下下跳棋还行,下象棋连十岁的孩子都干不过。”这便宜话一直说了四十年,直到一个名叫许峰雄的台湾青年,出现在卡内基大学的计算机系。

传奇岁月的大幕,慢慢拉开了。

疯狂鸟和“深蓝”

许峰雄的绰号叫疯狂鸟:Crazy Bird,他喜欢这个绰号,总是让人叫他CB。毕业于台湾大学的许峰雄绝对是另类学霸,从小成绩优异的他,满脑子古怪想法,在卡内基梅隆大学攻读硕士博士学位时,许峰雄的博士导师是孔子的后人孔祥重博士,孔博士秉承先人“因材施教”的风范和宽容,这助长了疯狂鸟的不务正业,他迷上了计算机博弈,就是用计算机下棋。疯狂鸟不仅自己疯,还拉起了一个小团队和自己一起,研究专门下棋的机器。受到影响的人群中,就有他卡内基梅隆大学的博士学弟李开复。

“深蓝之父”许峰雄博士

1988年,许峰雄拿到博士学位,同一时间,他的疯狂团队开发出了第一代真正能下棋的机器:“深思—Deep Thought”。“深思”的集成电路板上配有200块芯片和两颗处理器,每秒钟能够分析70万个棋位或“想”出10步的棋着,其战力大体相当于一位级别稍低的国际象棋大师。疯狂鸟和他的古怪机器,引起了“蓝色巨人”的高度关注,经过李开复的穿针引线,IBM向疯狂鸟发出了热诚的邀请,许峰雄随即加盟了这家伟大的公司。在IBM,他将和另一位来自台湾的资深科学家,IBM超级计算机计划负责人谭崇仁博士合作,开发真正可以和顶尖棋手对抗的超级计算机。

在IBM强大的支持下,疯狂鸟展开双翅,开始飞向天际中的那一片深蓝。

超级计算机

卡斯帕罗夫绝对是这个世界上最聪明的人之一,自从击败他的前辈卡尔波夫,成为新的世界冠军以后,在国际象棋的世界里,卡斯帕罗夫就再也没有了对手。不仅人类无敌,卡斯帕罗夫还曾经在一次对抗中,一个人击败了35台电脑,所以,在卡斯帕罗夫看来:机器战胜人类?也许存在这种可能,但绝不可能发生在他的身上。当IBM向卡斯帕罗夫发出人机对局邀请的时候,卡斯帕罗夫在好奇的同时,也充满了不以为然。

卡斯帕罗夫

1989年10月,许峰雄的深思获得一个机会,和国际象棋世界冠军卡斯帕罗夫进行一次交手。在第一次碰撞中,经过升级已经能够在一秒钟内分析200万个棋位的“深思”,根本招架不住“天下第一高手”的妙棋杀招,深思溃不成军。事实证明,超级计算机,在超级大脑面前,依然稚嫩得像个孩子。

第一次的大败没有让IBM停下脚步,更没有让疯狂鸟放弃疯狂。许峰雄意识到要真正击败人类,必须有更强大的硬件。这个想法立即得到了谭崇仁的全力支持,经过六年的不懈努力,许峰雄主持开发的超级计算机芯片获得了成功,IBM的第一代超级计算机问世,它被命名为“深蓝”。”深蓝”采用了项目小组设计的国际象棋专用处理器芯片,并且配备了IBM的RISC System/6000平行可扩充系统,棋力(性能)数百倍于原来的“深思”,运算速度达到每秒种一亿棋步。

IBM “深蓝”

1996年2月,”深蓝”和卡斯帕罗夫在费城进行了第二次对决,许峰雄代表”深蓝”落子,全世界开始关注“人机大战”。在这场比赛中,卡斯帕罗夫捍卫了世界第一人的荣誉,以3胜2和1负,总比分4:2击败了”深蓝”。和上一次不同的是,卡斯帕罗夫输了一盘,他开始感受到了来自冰冷机器的压力。

那一盘的胜利,让许峰雄和谭崇仁看到了一线曙光。他们立即着手改进和升级深蓝,很快,”深蓝”达到了每秒钟2亿棋步的惊人算力。为了确保比赛的胜利,谭崇仁和许峰雄邀请了四位国际象棋特级大师作为顾问,在团队的不断打磨中,”深蓝”越来越强大,终于具备了和卡斯帕罗夫一争雌雄的强大实力。许峰雄把最新版本的”深蓝”戏称为“更深的蓝”,疯狂鸟准备用更深的蓝淹没骄傲的对手。

1997年5月,IBM的超级计算机”深蓝”,和国际象棋世界冠军卡斯帕罗夫,在美国纽约进行了那场至今仍家喻户晓的人机对决。这一次,全世界的目光都注视着这块棋盘。

当时用于比赛的IBM“深蓝”,使用了30台IBM RS/6000工作站,每台工作站有一个主频120MHz的Power2 CPU加上16个VLSI国际象棋专用芯片,所以“深蓝”的计算能力是30个CPU加480个象棋芯片,理论搜索速度每秒10亿个棋局,实际最大速度大约是每秒搜索2亿个棋局。”深蓝”全套系统重达数百公斤,是真正的“重量级”选手。

许峰雄依旧代表深蓝落子,和上一次一样,他穿着深蓝色西装,配着深色领带,安静地坐在卡斯帕罗夫的对面。和第一次不同,卡斯帕罗夫在棋局开始时,感到了一丝不安,但雄居世界顶峰12年带来的自信和骄傲,让卡斯帕罗夫依然表现出极度的强硬,他顺利地拿下了第一局。转折出现在第二局的中盘,”深蓝”向世界冠军发起了令人惊叹的巧妙打击,措手不及的卡斯帕罗夫,始终无法摆脱困境,然后败下阵来。世界冠军的信心开始动摇了,胜负的天平,慢慢地向另一边倾斜。随后的对局中,”深蓝”开始了步步紧逼,和局,和局,和局,,,气氛紧张得令人窒息。

终于,双方来到了决定命运的最终局。连续高强度的对抗,让卡斯帕罗夫的体力和精神。都被顶到了极限,他终于垮了。

在最终局,”深蓝”仅仅用了19步,就迫使世界冠军停钟认输。

疯狂鸟和脱胎换骨后的“深蓝”,迎来了“人机世纪大战”的最终胜利。

事实上,卡斯帕罗夫输棋,很大原因是他错误估计了”深蓝”的实力。另外一个细节,此次比赛的总奖金是110万美元,胜方得70万美元,负方得40万美元,卡斯帕罗夫自己单独又下了30万美元的赌注,因此,他承受了除名誉以外来自金钱的巨大压力。

卡斯帕罗夫比赛现场

比赛结束后,“深蓝”计算机被一分为二,一半捐给了位于华盛顿的Smithsonian博物馆,另一半则作为资料在IBM永久保存。

在人机大战结束后,谭崇仁向媒体表示,计算机能够击败国际象棋,是依靠硬件累积的算力优势,是用暴力击败了人类,还不能算真正的人工智能。围棋,将是挡在计算机面前的一座高山,因为,那需要非常非常大量的计算,也许,在量子计算机问世以前,这种大量的计算力是无法解决的。

A.I.的目标瞄准了围棋。

AlphaGo

围棋,英文名称为“go”。根据大英百科全书的记载,围棋发源于公元前2356年的古代中国,所谓“尧造围棋,丹朱善弈”,围棋最初是用于占卜星象。围棋盘上纵横各19道线条相交形成了361个交叉点,正中心被称为“天元”,其余360个交叉点代表中国古代星象的360爻。围棋子分为黑白两色,代表阴阳太极,四个角象征四象,边上的八颗星位代表八卦,加上天元的九个星位代表九宫。阴阳太极,两仪四象,八卦九宫,小小一块棋盘,可以说浓缩了中国古代文化的菁华。

所谓君子四艺琴棋书画,其中的棋,指的就是围棋。

中日两国自古就有奕棋的传统,历史上两国的围棋天才层出不穷,上千年的研究,使得当代围棋水平达到了前所未有的高度,近年来,韩国围棋后来居上,形成了中日韩三足鼎立的局面。

在深蓝获得胜利的同年7月,疯狂鸟的小同乡,自幼酷爱围棋的黄士杰,考入了台湾交通大学,攻读计算机与信息科学。

2010年,哈萨比斯在伦敦创立Deepmind公司,开发人工智能,公司的重点是神经网络的研究和应用。

2012年,黄士杰通过博士论文答辩,论文题目是《应用于电脑围棋之蒙地卡罗树搜寻法的新启发式演算法》。同年11月,黄士杰受邀加入Deepmind公司,担任高级研究员。2014年1月,在一场规模不大的收购战中,Google击败Facebook,将Deepmind并入旗下,哈萨比斯的神经网络研究,得到了来自Google的强大支持,他将第一个目标锁定为古老的围棋。

2014年2月,AlphaGo项目成立,作为围棋业余六段,黄士杰成为项目组核心成员。

黄士杰博士

由于神经网络的应用快速发展,AlphaGo的算法取得了突破性进展,实力突飞猛进。没过多久,业余六段黄士杰就已经远远不是对手,黄士杰知道,Alphago不同于之前所有的软件,它彻底改变了依靠硬件算力累积,暴力提升的道路,这是第一款融合了神经网络的算法,真正具备自我学习能力的AI,它已经达到了前所未有的高度,至于到底有多高,只有一个办法,找职业棋手进行测试。而这一切,都应该保密的前提下进行。

2015年9月,刚刚蝉联欧洲围棋冠军的旅法职业棋手樊麾,在法国的家中接到了一封邮件,发件人自称是AlphaGo团队的Maddy,邮件里只有一句话:我们是一家伦敦的公司,希望邀请你来我们公司。最初樊麾以为这是一封垃圾邮件,没打算理会,可鬼使神差地,他回复了“OK”。他不会想到,这个回复会使他成为历史上最著名的职业二段。

欧洲围棋冠军樊麾

随后双方用Skype进行了在线沟通,AlphaGo的项目负责人席尔瓦也参加了对话,他告诉樊麾,Deepmind是谷歌收购的公司,他们希望邀请樊麾秘密前往伦敦。樊麾觉得这个事情充满神秘感,他很好奇,反正有人出路费,他同意前往伦敦。在伦敦,樊麾第一次见到了黄士杰,签署了保密协议之后,他被告知,Deepmind公司开发了一款围棋软件,希望和他进行一场正式比赛。听说是和软件下棋,樊麾整个人顿时放松了。“我只需要一个小时”,樊麾轻松地告诉黄士杰,对于职业棋手,当时的各类围棋软件,相当于小孩子的玩具,“分分秒秒就搞定了”。

尽管黄士杰反复提醒,这款软件非常厉害,可樊麾心里认为,那不过是业余棋手的观点。

2015年10月,樊麾按照约定第二次来到了Deepmind公司,在伦敦中央车站旁边那栋小楼里,他和AlphaGo进行了第一次正式五番棋对局,这也是Alphago第一次面对职业棋手。

在对局刚开始的时候,樊麾的心情非常的放松,但很快他就感觉到了压力,作为欧洲围棋冠军,他已经很久没有碰到如此强劲的对手。开局的放松,让樊麾的局面变得很不乐观,他开始发力追赶,以往的围棋软件,总是在职业棋手发力之后迅速落败,可这一次,AlphaGo没有露出破绽,樊麾输掉了第一局。

樊麾感觉有些不可思议,但他仍然坚持认为,输棋的原因,还是自己轻敌,那就再来。樊麾很快就知道自己错了,无论他采用怎样的策略,AlphaGo都可以轻松化解,并且将胜利稳稳地保持到终局。5:0,樊麾呆坐在那里,那一刻,他感觉自己的围棋世界彻底崩塌了。

回到法国的樊麾,陷入了深深的痛苦,根据保密协议,他不能透露比赛的任何细节,因此,他只能自己消化所有的苦闷。

对樊麾的轻松胜利,让黄士杰和AlphaGo团队终于确信,公开AlphaGo的时机已经成熟,他们距离创造历史,越来越近了。

 

2016年1月27日,科学界权威的《自然》杂志,以封面论文的形式,介绍了DeepMind团队开发的AlphaGo,以及它击败了欧洲围棋冠军樊麾的消息。

席尔瓦和黄士杰,并列成为这篇论文的第一作者。

对局棋谱的公布,让樊麾承受了来自围棋界巨大压力,职业棋手们立即对五局棋谱进行了解读,大家得出了一致的观点,AlphaGo的实力一般,下出了很多违背棋理的招法,任何一个职业高手,应该都可以轻松地击败它。樊麾五连败的原因只有一个,樊麾实在是下得太臭了。那一段时间,职业围棋界充满了对樊麾的鄙视,中国棋圣聂卫平,更是直接指责他给人类棋手丢了脸。不堪重压的樊麾一度关闭了手机。

 

1月底,Google宣布AlphaGo将在3月挑战围棋世界冠军李世石,谷歌公司将为获胜方提供100万美元奖金,如果AlphaGo获胜,奖金将全部捐给慈善机构。这个消息引起了轰动,围棋界一致认为,李世石将轻松取胜。中国年轻棋手柯洁认为,AI在顶尖棋手面前将不堪一击,谷歌完全是在给李世石送钱。

这时的柯洁,已经夺得了自己职业生涯的第一个世界冠军。在随后12个月内,柯洁三次问鼎,等级分迅速上升到世界第一位。

事实很快将会证明,人类的自大有多么可怕。

人机大战

2016年3月8日,韩国首尔迎来了一波降温,连续几天的西北风让首尔夜晚的气温降到0度以下。与寒冷气候形成反差的,是韩国棋院内热烈的气氛。

AlphaGo与李世石的“人机大战”将在这里展开。提前抵达AlphaGo团队开始布设分布式服务器,现场挤满了来自世界各地的媒体记者

韩国著名棋手李世石

李世石被围棋界称为“小李”,这是为了区别韩国另一位杰出棋手李昌镐。小李感觉很轻松,不仅是因为赛前一边倒的舆论,还有他对自己实力的自信。作为15次世界冠军的获得者,李世石稳稳坐在现役职业棋手的顶峰,尽管在过去三个月里,他已经五次被柯洁击败,可这并不妨碍他代表人类最强,柯洁还是个孩子,距离统治棋坛,还有很长的路要走。

能够获得这次机会,小李觉得自己非常的幸运,100万美元奖金,还有25万美元对局费,远远超过了围棋世界大赛的奖金数额,这让他收获了相当多的嫉妒,不过他不在乎,特立独行是小李的招牌,就像他的棋风,被大家称为“僵尸流”。妻子专程从美国飞回来助威,这让小李感动而满足,他知道,自己已经过了竞技最巅峰时期,以后也许不会有太多这样的机会,称为全世界的焦点,这一次,必须有完美的表现。就算是自己在围棋世界隆重的告别演出吧。

9日中午12:00,比赛正式开始,包括中国中央电视台在内的众多媒体,直播和报道了这场比赛。身穿深蓝色西装的黄士杰,端坐在棋盘对面,他将代替AlphaGo落子,这是黄士杰第一次出现在全球观众的视线里。

对弈中的黄士杰

李世石后来回忆说:“黄士杰是此次人机对弈中最辛苦受累的人,他担心我会受到影响,对弈期间,他一直面无表情,甚至连一次洗手间都没去过”。

由于本次比赛规定双方用时各为三个小时,一盘棋可能耗时近6个小时。在与李世石五局的对弈中,黄士杰只喝过一口水,甚至没有去过洗手间。这种像机器一样不知疲倦的表现,深深地印在李世石的脑海,甚至走进他的梦里。

人机大战现场

有一天酒店送来早餐,李世石的妻子唤醒他起来吃早饭。李世石竟然回答说:“嗯,我要和Aja一起吃。”Aja是黄士杰的英文名字。

第一局,李世石开局走得稍稍有些过份,局面不太好,小李随即四处出击,很快就扳回局势,棋至中盘,观棋的高手们一致认为,小李领先,小李一直领先着局面,直到102手。AlphaGo在第102手突然强硬打入了黑棋的阵地,黑棋形势急转直下,小李输掉了第一局。

 

总比分0:1。

局后复盘,所有人都认为这是一场意外,AlphaGo能够翻盘实在太幸运了,高手们承认,AlphaGo比大家预计的还要强一些,不过也就是仅此而已了,小李如果能够迅速调整好状态,赢得最终胜利应该不在话下。

Deepmind公司CEO哈萨比斯委婉地提醒,从后台数据来看,其实全局AlphaGo一直保持着领先,,,没人想理会一个外行的评论,哈萨比斯善意的提醒,再次被忽略了。

3月10日第二局,小李执白,输了第一盘,小李变得谨慎和严肃,他明白对手比他预想的要强大,他必须全力以赴才能取得胜利。

其实昨天输棋以后,李世石十分痛苦,彻夜未眠,他反复拆解棋谱,苦苦思索着AlphaGo的行棋逻辑,寻找破解之道。

李世石不知道,在同一家酒店谷歌团队的房间里,黄士杰睡得很沉稳,可AlphaGo没有休息,也不需要休息,它进行着自我模拟对局,这一夜,它下了一百万盘棋。当第二天来临的时候,李世石并不知道,他所面对的对手,和昨天相比已经发生了变化,更加的强大。

双方的第二局,AlphaGo执黑棋,开局进行得比较胶着,全力以赴的小李,开局就摆出了针锋相对的态度,局势不明。然后就来到了黑棋的第37手,当AlphaGo这一手下出来以后,围棋界愣住了,这是什么鬼,这手棋违反了几乎所有的棋理,很多观战高手几乎笑出声来,大家心照不宣,原来真的不过如此,,,

可是李世石为什么开始长考了。好像是不太好应付,让我们再好好看看,仔细研究之后,职业棋手被震惊了,这是一手好棋,李世石陷入了困境。如果仅仅是一手好棋,不会让见多识广的围棋大师们如此失态,大家吃惊的地方在于,这手棋不是线性思维的结果,下出这手棋,显示AlphaGo似乎具备了抽象思维能力。这怎么可能呢?如果这是真的,那就意味着,之前所有人的判断都错得离谱,AlphaGo远比想象中的更加强大,强大到超出了大家的想象。

被震惊和困扰的李世石失去了斗志,再次败下阵来。

 

0:2。

第三局的进程,小李显然受到了前面两局的影响,尽管战斗态度依然顽强,可始终无法对AlphaGo形成太大的威胁,小李完败。

0:3。

事实上,到这里人机大战已经画上了句号,可由于赛前的约定,无论前三盘结果如何,双方都要下完五盘棋。在第三盘赛后的发布会上,李世石表态,尽管已经输掉了整场比赛,但他会在剩下的两局棋竭尽全力,力争一胜。

第四盘棋,是人类在本次人机大战唯一的亮点,在不利的局面下,李世石下出了令人匪夷所思的第79手,“神之一挖”,面对这有如天外飞来的一击,AlphaGo茫然失措,迅速地崩盘了。李世石艰难地赢得了一场胜利,当时的人们还没有意识到,这一场胜利,将是人类最后一次战胜计算机。

对于“神之一手”,围棋界在赛后进行了多方位的解读,在深入研究之后,大家发现这“神之一手”,其实并不成立,事实上,这手棋只是击中了AlphaGo程序深处存在的BUG,引发了后续一连串的错误。

“神之一手”

最终,AlphaGo 4:1击败15次世界冠军得主,韩国棋手李世石,在赛后的新闻发布会上,倔强的李世石首次含泪哽咽,为自己的失败,向全世界棋迷道歉。他同时表示,再也不想和AI下棋了。李世石终于体会到了比樊麾更深刻的痛苦。

 

全程观看了比赛的柯洁承认:AlphaGo具有顶尖棋手水平,可自己仍然有绝对信心击败它,“它能够击败李世石,但它不能击败我!”

不知道是不是对于未来有所预见,柯洁悄悄地把自己著名的网名“柯洁大棋渣”,改为了“棋士柯洁”,他知道自己应该像一个棋士,开始准备战斗了。

围棋史上最大的群殴

网络围棋平台,是一个江湖,这个江湖吸引着众多的围棋爱好者,顶尖的职业棋手乃至世界冠军们,也喜欢在闲暇时间,换上另一副马甲,在这里行走江湖,快意人生。

 

2016年12月29日的晚上,一个名为“Master”(中文为大师)的账号悄悄登陆了全球最大的网络围棋平台“弈城”。Master公开资料显示注册地为韩国,棋力为P9段。在弈城,9段没有什么了不起,这里的段位和现实世界不同,完全靠对战成绩进行升降,很多业余高手,都是弈城9段,这里真正牛逼的是职业棋手,他们的段位前面会标注一个英文字母“P”,P9段是最高级别,意味着账号主人是围棋界最高等级的职业9段。不过,几乎所有的职业高手都有弈城账号,其中有超过100位P9。弈城江湖的吃瓜群众见惯了大场面,所以新人Master的P9,没有能引来任何特殊的关注。

“Master 血洗弈城”

“新手”Master一登陆就向一个个知名高手发出对局邀请,不过,高手们并不太搭理这个“新人”。

Master不动声色,转而先挑战那些名气不是很大的棋手,在围棋界初露锋芒的谢尔豪职业四段,首先接受了Master的对局邀请,30秒一步的超快棋,还没摸清对手的路数,谢尔豪就成了第一个受害者。紧接着倒下的,是孟泰龄职业六段和世界女子第一人於之莹职业五段,Master开始引起棋友关注,围观人群越来越多,在韩一洲四段和乔智健四段落败之后,应战的棋手名气越来越大,实力也变得越来越强,Master继续低调前进,安静下棋不聊天,只是在每盘结束时打出谢谢两个字。

 

迅速地完成十连胜,将当日战绩定格为10:0,Master悄然离线,留下众多观战的吃瓜群众,兴奋而一脸懵逼。

神秘高手踢馆的消息,在弈城飞速传开,这一夜,弈城不再安静。

 

和其他的江湖一样,弈城也有弈城的江湖,有江湖就有大佬,大佬们的责任,就是维护江湖的秩序,这里面自然包括修理那些不知天高地厚的踢馆者,每隔一段时间,总有些人,喜欢换个新马甲上来装逼,大佬们的责任,就是把他们打回原型。

 

30日下午,Master再次现身弈城网,和昨天不同的是,大批跃跃欲试的职业棋手已经等候多时。Msater按照惯例,不废话直接开战,迅速地击败王昊洋职业六段和严在明职业三段,Master完成了热身。

 

弈城的大佬们开始出手了,韩国围棋第一人朴廷桓九段率先登场,这是真正的重量级棋手,世界等级分排在第二位。30秒一步的超快棋,对于棋手的基本功,是个非常严峻的考验,多次获得快棋比赛冠军的朴廷桓,就是那种基本功异常扎实的高手,对于快棋,朴廷桓有理由充满信心,但是,Master马上就动摇了朴廷桓九段的自信心,韩国第一人很快就发现时间不够用,因为对方完全不按套路下棋,不断下出匪夷所思的新手,疲于应付的朴廷桓,迅速耗尽了三次读秒时间,在局面大大落后的情况下超时告负。一片哗然之后,弈城安静了下来:如此轻松地击败世界第二朴廷桓,Master是谁?

 

战斗继续,受害者也继续增加,另一位著名棋手连笑七段上阵应战,这更像是大戏中间的尿点,结果没有意外,连笑两战皆败。

 

一直安静观战的“吻别”出场了,圈内人都知道,“吻别”是柯洁在弈城网的另一个账号,这是真正的大BOSS。“吻别”和Master展开激烈的战斗,说激烈,只是形容战斗的态度,至于战斗结果,不过是让Master更快地把当日战绩再次变成10:0。

说完谢谢,Master又下线了,弈城的气氛开始变得有些诡异。而柯洁则在当晚住进了医院,当夜,医院中的柯洁在微博感言:人类研究围棋超过一千年,可现在才发现,我们可能全都错了。柯洁话里有话,李世石为什么不参加战斗?

 

31日中午,Master如约而至,新科百灵杯冠军陈耀烨九段、芈昱廷九段和唐韦星九段,高手们一个接一个出战,然后,一个接一个倒下。不甘心的朴廷桓再次披挂上阵,结果又连输两盘,Master当日总战绩又是一个10:0。

 

在弈城累计取得30连胜后,Master和大家告别:“今天累了,明天休息一天。”神秘的Master用这样轻描淡写的语调,结束了自己在弈城的连胜旋风。

 

Master离开了弈城,可故事还没有结束!

 

1月1日,2017年元旦,已经在弈城取得30场连胜的Master,现身另一个围棋平台,腾讯公司旗下的野狐网。

和弈城不同,Master这一次的P9旁边,加上了金色王冠,这是腾讯为世界冠军特制的标志。Master的出现,立即让野狐网骚动起来,面对汹涌而来的高手,大师手起刀落,很快,包括李钦诚九段,古力九段党毅飞九段在内的12位高手,被抬出了战场。

 

自现身以来,Master保持不败!围棋界被吓呆了。

 

1月2日晚,被Master击败的著名棋手古力按耐不住,发出微博称,“希望明天,有我们真正的勇士,来终结它的连胜!”同时他还宣布,第一个在野狐网上战胜Master的棋手,将获得他个人提供的10万元的奖励。

 

重赏之下,可以激励勇夫,但未必能带来胜利。

第二天,也就是1月3日,又有三位世界冠军棋手先后挑战Master,第一个出场的还是朴廷桓,面对朴廷桓构筑的大模样,Master立即打入,随即在黑阵中下出一连串妙手,无力招架的朴廷桓,再一次败下阵来。第二个上场的是韩国世界冠军元晟溱,他依然未能打破神话,中盘脆败告负。此时Master的连胜纪录已经扩大到49局。

第50局开始,与Master对阵的棋手叫作“潜伏”,所有人都知道,这是柯洁的主账号,世界第一人正式挑战,引起了空前的关注。这盘棋柯洁执黑先行,他似乎是研究了刚刚朴廷桓与Master的棋局,走出了和朴廷桓那盘类似的布局。面对大师在左上角的奇招,柯洁下得非常强硬,局部似乎获得了成功,然而Master很快扭转了战局,最终柯洁在中盘黯然投子。

从最初的无人搭理,到现在所有高手排队等着翻牌子,集结了全人类的高手,却拿Master毫无办法,围棋界面临空前的尴尬。

1月4日,中国棋圣、64岁的聂卫平也按耐不住,决定出手来碰碰运气了。在与聂卫平的对战中,Master特意把比赛用时调整为每方1分钟一手,以示对聂卫平的尊敬。最终进行至254手,执白的聂卫平以7目半的较大劣势落败。对弈结束后,Master打出一行字:谢谢聂老师。

 

截至2017年1月4日夜,Master战绩停留在59胜,已经击败了现役全部的16位世界冠军,其中包括中国、韩国、日本各自的“当今第一人”柯洁、朴廷桓和井山裕太。当然,没有李世石。

 

围棋界惨遭灭门。

 

中国围棋队主教练俞斌表示,“对中日韩顶尖高手取得这么压倒性的战绩,几乎可以排除是人类棋手。”

 

Master是谁?是它吗?不是它还能有谁?

 

谜底终于揭开了。在第59胜之后,Master在屏幕上打出了一段话:我是AlphaGo的黄博士。果然是它,AlphaGo回来了。

谷歌公布“Master”身份

下完最后一盘,锁定了60:0,黄博士和AlphaGo飘然而去,身后是鸦雀无声的围棋江湖。

终局之战

在网络群殴事件中快棋惨败,柯洁的自信受到了沉重的打击,但年轻人的激情很快让他恢复了斗志,他渴求与AlphaGo进行一次真正的对决,棋士般的番棋决战。

 

2016年12月,应中国围棋队的邀请,谷歌公司的传奇创始人之一,“小飞侠”谢尔盖·布林,携谷歌CEO皮查伊,以及哈萨比斯和黄士杰博士等人来到北京,访问了中国国家围棋队,感受到了中国围棋界的热诚,谷歌公司同意AlphaGo接受中国国家围棋队的挑战。

 

2016年5月,世界围棋大会在中国乌镇举行。

柯洁将在这里,和AlphaGo进行最终的对决,几家中国企业为这场比赛提供了空前的150万美元奖金。如果说一年前的柯洁大棋渣,还不够资格代表人类出战,那么今天的柯洁棋士,已经手握四个世界冠军,连续12个月霸占世界等级分排名的榜首,足以代表人类围棋最强者,和AlphaGo进行终极之战了,棋力快速的提升,柯洁对胜利再次充满了信心。

哈萨比斯和AlphaGo团队来了,这一次他们带来的,是AlphaGo最新的版本:Zero。

14个月前和李世石比赛的AlphaGo,是第一代版本,当时使用了20个TPU,需要分布式服务器支持算力,学习过程中消化了上百万盘人类棋谱。而这一次,是一个单机版,只用了一个TPU。和之前版本不同,这个版本采用了谷歌神经网络的最新算法。Zero没有看过一张人类棋谱,只是输入了围棋比赛规则,通过程序之间自我对局,学习了七天的围棋,然后,就战胜了第一代的Alphago和第二代的Master。这是第一款真正具备了自主学习能力的AI,代表人类在人工智能领域探索了半个多世纪,所能达到的最高成就。

人类在进步,而AI,在进化!

 

同样穿着深蓝色的西装,柯洁和黄士杰相对而坐,比赛开始了。

终局之战柯洁落子

第一局,柯洁下得十分稳健,他耐心地寻找机会,局面始终混沌不明,AlphaGo似乎只有微弱优势,全世界观战的棋迷,燃起了希望,柯洁会创造奇迹吗?和围观者的看法不同,此时的柯洁心里已经十分明白,他会输四分之一子。没有和AlphaGo下过棋的人,永远无法理解,人类棋手面对它的无奈,只有那么一点点的差距,可是你就是追不回来,它会稳稳地控制着局面,差距再小,你也没有获胜的机会,这样的输法,柯洁无法接受,因为,对手至始至终牢牢地控制着局面,连战斗的机会都不给你。第一局,AlphaGo显示了完美的控制力,以四分之一子的优势获胜,柯洁输的风平浪静,作为一场对决,他渴望战斗,可他甚至都没能逼迫对手拔出刀来。

第二局,柯洁改变了策略,他知道,和电脑比稳健,他没有机会,只有战斗,混乱的战斗,殊死的搏斗,或许可以给他带来一线生机。比赛一开始,柯洁就四处煽风点火,每一个局部,都用最强的态度对抗,决不妥协。柯洁就是要逼着对手拔刀亮剑。他的策略一度成功了,战至中盘,局面似乎开始向着有利于柯洁的方向发展,柯洁只要不被杀棋,实空已经大幅度领先,观战室的队友和教练开始兴奋和紧张起来,也许柯洁真的有机会赢下这一盘。AlphaGo似乎读懂了大家的心思:你们可能高兴的太早了。寒光一闪,屠龙刀出手,AlphaGo对柯洁的大龙痛下杀手,棋局戛然而止。

0:2

 

第二局虽然落败,但柯洁的表现赢得了赞扬,哈萨比斯承认,这是AlphaGo迄今为止遇到的最强挑战,后台数据统计胜率显示,局面一度前所未有的接近,柯洁的表现令人钦佩。受到鼓励的柯洁,决心在第三局创造奇迹:我承认它比我强,但我一定要赢它一盘。

第三局开始,柯洁向着AlphaGo发起了前所未有的猛烈冲击,就像赛前柯洁自己说的:我将用必胜的信念和必死的决心去战斗!

所有人都能够看出来:柯洁是在拼命了。

 

来自AI的打击,一如既往地无情落下,当黑棋落下那一手时,柯洁只觉得心里一阵冰凉,完了,他感觉快要控制不住自己的身体,不能倒在直播现场,他赶紧起身前往洗手间,可洗手间里有人,他茫然地游走,终于找到了一个没有人的地方,赛场广告版的后面。确认没有人也没有监控之后,柯洁终于崩溃了,他捂住了脸,浑身颤抖,痛哭失声。

 

最初黄士杰以为柯洁是去了洗手间,五分钟过去了,十分钟过去了,柯洁没有回来,黄士杰有些不安,因为他听到了隐约传来的哭声,现场的记者们应该也听到了,大家都没有动,尽管所有人都已经猜到发生了什么事情,现场十分的安静。

痛苦的柯洁

 

担任裁判的,是国家女子围棋队的棋手,她坐不住了,起身前去寻找柯洁。已经是AlphaGo教练组成员的樊麾,也坐不住了,除了李世石,他是此时此刻最能理解柯洁心情的人,他跟着裁判找到了在广告牌后面,哭成一团的柯洁,看到柯洁的那一瞬间,樊麾也有些心酸,他赶紧拥抱住柯洁,柯洁也抱住了他,一边哭,一边重复地说:我做不到,我赢不了它,它太完美了,我真的赢不了,赢不了……

樊麾搂紧了柯洁:没关系,你表现得很好,真的,非常好。

他完全地知道,骄傲的柯洁,在承受怎样的痛苦,而此时的柯洁,甚至还没度过他20岁的生日,他还是个孩子。

 

20分钟后,柯洁回到了棋盘边,黄士杰用眼神关切地询问柯洁,你还好吗?要继续吗?看到柯洁肯定的态度,黄士杰松了一口气。

柯洁坚持下完了最后一盘棋,0:3。

在比赛结束后的发布会上,柯洁致歉时再度落泪,现场给予这个倔强的年轻人,热烈的掌声。而AlphaGo之父、DeepMind创始人戴密斯·哈萨比斯,则发表了一个十分动情的感言:“本周的比赛聚集了围棋起源地最优秀的棋手参与,是AlphaGo作为一个竞赛系统能够对弈的最高级别对手。因此,本次中国乌镇围棋峰会是AlphaGo参加的最后对弈比赛。”

AlphaGo项目结束了,世界等级分排名第一的“职业棋手”AlphaGo,正式退役。谷歌公开了最强版本AlphaGo自我对局的50局棋谱,供围棋界研究,同时宣布,将向全世界开放AlphaGo的核心算法。

古老的日本棋院宣布,授予AlphaGo围棋职业十段称号。

 

在AlphaGo获胜之后,Facebook公司CEO扎克伯格宣布,Facebook公司将退出人工智能领域,因为“在人工智能领域,人类从0到1这伟大的一步,谷歌公司已经完成了,这使得我们的一切努力,都失去了意义。”

Facebook CEO 扎克伯格

 

尾声

还是下一个序幕?

 

谭崇仁博士从IBM退休后来到香港,创建了香港大学电子商业学院并长期担任负责人。

许峰雄博士进入位于北京的微软亚洲研究院,和老朋友李开复一起,继续从事研究工作。

 

樊麾回到了自己的生活。担任法国围棋队教练的同时,在欧洲推广围棋运动。

 

柯洁落败后进行了调整,随后在职业比赛中获得了惊人的22连胜,当年12月,他夺得了自己第五座世界冠军奖杯。

 

黄士杰博士于2017年12月调离AlphaGo项目组,从事AI在医疗领域的应用研究。

 

谷歌公司宣布,最新的AI算法将首先应用于医疗和金融领域,谷歌将继续和人类共享科技成就带来的进步成果。

 

2016年1月24日,创立人类第一个人工智能实验室的马文·明斯基,在波士顿去世,享年88岁。至此,1956年达特茅斯会议的参与者们,全部离开了人世,他们没能看到人工智能在今天取得的伟大成就,但是,他们是伟大的先行者。

达特茅斯会议的参与者50年后再聚首

约翰·麦卡锡   马文·明斯基   克劳德·香农   艾伦·纽厄尔   赫伯特·西蒙

60年来,一代又一代的科学家,沿着先行者开创的道路,砥砺前行,终于创造出了真正具备自我学习能力的人工智能。

历史已经翻开了全新的篇章。

未来已来

文章来自 棋友的公众号: 量子的世界


智能时代正在逼近我们的生活,AI已经出现在我们生活当中:衣食住行,教育等多方面。硬件的发展促进了AI的进一步应用扩大,但通常AI围棋仍然是属于少部份人才能玩得起的技术。 深思围棋也在利用当前火热的AI技术,率先进入儿童AI围棋教育。并且通过互联网将复杂的AI计算功能移至云端,让普通的围棋爱好者和学生们都可以 通过深思的AI技术 来提高自已的围棋水平 — 布局和中盘的实战对局能力。

请个AI 围棋专家 陪着我长棋!

34 total views, 34 views today

深思AI围棋教室 深圳南山中心店 2019暑期围棋启蒙班火热招生!

深思AI围棋教室 定位于少儿AI围棋线下教育, 是深圳第一家AI围棋教育机构.

我们目标是 在传统围棋教学模式下, 引入AI围棋教学工具辅助教学, 提高围棋教学质量,节约小朋友和家长金钱和时间花费,

同时让小朋友从小学习和培养AI方面技能, 为未来的AI时代打下基础.

我们的第一个实体店位于深圳南山中心区南山书城旁60米左右, 文心二路天悦园A座505.

实体店环境舒适优雅, 有下棋活动场所, 有围棋教室和电教室. 在实体店我们提供AI围棋教育软件(深思围棋)体验.

我们的教学方式灵活, 收费模式采取阶段性收费, 不按课时计费. 教学方式包括:小班授课 + VIP私教 + AI围棋工具教学.

法人刘振宇, 资深IT专家. 捷利交易宝(8017.HK)的联合创始人和前技术总监. 围棋爱好者, 业余4段水平. 深思围棋软件作者.

郑秋, 围棋总教练,少儿围棋资深老师, 10年以上少儿围棋教学经验(从启蒙到高段班), 业余5段.

暑期启蒙班安排:

1. 开班时间:    2019年7月16日 ~  2019年8月10日.
2. 课程安排:    每周3次课,  1,3,5 或者2,4,6上课。总共12节课.
3. 费用:    1800元.    现报名7折, 1280元. (优惠至 6月30号)
4. 年龄:    4岁~13岁0基础小朋友.
5. 授课老师:

郑老师:少儿围棋资深老师, 10年以上少儿围棋教学经验(从启蒙到高段班), 业余5段.

刘老师:资深IT技术专家, 围棋业余4段水平, 深思围棋作者.

5.  教学地点:  南山中心区南山书城附近60米左右 文心二路天悦园A座505
6.  报名方式:

联系人:          刘老师
电话或微信:   18927437030

7.  教学环境:






深思AI围棋工作室:



 

服务号:

订阅号: DeepthinkGo

168 total views, 4 views today

星阵和Alphago谁更强?超越或许只是时间问题

近日,星阵围棋蓝V认证的官方微博正式开通了。星阵围棋团队於6月1日,在微博上与网友们进行了密切互动,陆续回答了大家关心的一些具体问题。有些问题是星阵在面对镜头与媒体时经常遇到的,有些问题是围棋爱好者们站在提高棋力的角度最关心的,而有些问题却是非常犀利,回答以後或许会引发争议的……
网友:一直想知道星阵围棋是如何实现动态贴目的。
星阵:星阵的技术叫做任意贴目,星阵采用多任务学习技术,通过训练领地网络和子差网络,学会点目,於是可以进行任意贴目的对局。
————————————-
网友:星阵前身为「神算子」,以前采访中,金博士说星阵早期用人类棋谱,後期用自我对弈训练。那这早期用人谱,已和Alphago zero纯自我对弈训练不同。从技术角度来说,这是否影响星阵围棋棋力的上限?
星阵:无论是使用人类棋谱版本开始,还是像Zero一样从零开始,并不是最重要的差别,两种方式都可以通过强化学习螺旋上升达到很高的水平。影响棋力上限的不是起点,而是学习的方法和过程
————————————-
网友:是否有计划推出电脑版本或移动设备版本?
星阵:星阵陪练小程序就是移动设备版本,可以满足从入门级棋友到职业级棋友的练棋需求。
————————————-
网友:下了几盘,体验非常好。不知道用户量大起来以後,服务器还能不能跟得上。
星阵:用户大量增加时,我们也会增加相应的服务器资源,以保证服务质量。
————————————-
网友:运行星阵围棋电脑需要什麽配置?
星阵:星阵不提供本地版,星阵AI部署在云上,AI水平与本地电脑配置无关。
————————————-
网友:星阵能否放出一些自对弈棋谱让大家欣赏?像阿法狗那样。
星阵:可以,後续我们可以放一些自对弈棋谱供大家欣赏。
————————————-
网友:是否敢和人类棋手下一年一盘棋的比赛?比方和聂卫平对局,一天一方只走一步。这样人类可以避免计算力不足和昏招,而AI可以更深入检验围棋理论深度。
星阵:这样的比赛需要组织者和愿意参与的人类棋手。如果有人组织这样的比赛,星阵也愿意参加。
————————————-
网友:如果星阵跟棋手搭档下联棋,觉得哪一种棋风会配合得比较好?有具体的棋手人选麽?
星阵:星阵以「不退让围棋」着称,搭档力战风格棋手应该更能让棋局展现的精彩刺激!在这一点上芈昱廷丶时越丶连笑等都是绝佳人选。但联棋还讲求心灵上的默契,而星阵毕竟是一款程序,在双方的配合上就更需要人类去多照顾和适应AI。例如在关键处如果判断不清可以打将後交给星阵处理,星阵选择一种下法後尽量去理解他的战略意图,以保持行动一致,都是很有用的联棋技巧。
————————————-
网友:在围棋领域的其他方面会不会带来一些突破?
星阵:(不知道其他方面是指排除了哪些方面)星阵的任意贴目任意棋盘路数是突破。星阵通过智能棋手族用少量算力满足广大棋友对不同水平AI的需求,匹配任意棋迷的水平,也是一项突破。还会有更多突破,例如智能裁判,棋谱分析,水平评测等。
————————————-
网友:开发,训练围棋AI,在物力人力方面,都花费很多资金。 人工智能的应用,又很难短时间带来现金收益。 请问贵公司如何长远发展下去呢?
星阵:随着过去几年人工智能围棋的飞速发展,星阵与整个围棋行业都正面临历史性的机遇,通过人工智能的技术驱动,可以改变对弈丶训练丶教学丶考试等方方面面,将围棋行业推向智能化丶标准化丶体系化丶科学化。
————————————-
网友:星阵围棋和AlphaGo Zero相比谁更厉害或者差距有多少?
星阵:真要比较星阵和AlphaGoZero的棋力水平的话,只有通过比赛才能获得有说服力的答案。但是很遗憾,AlphaGoZero不再继续研发了,也没有机会通过比赛进行比较了,如果有可能的话,星阵随时愿意应战。
然而事实上,星阵棋力超过AlphaGoZero只是一个时间问题,仍未超越或已经超越,其实都不再重要。更有意义的是从技术突破而非棋力比较的角度来考虑这个问题。AlphaGo将深度学习和强化学习技术引入了围棋AI,取得了举世瞩目的成就,星阵则站在巨人的肩膀上继续前进,研究了多任务学习和迁移学习在围棋AI上的应用,也取得了不错的进展。技术的发展是递进式的,围棋的问题足够复杂,留给研究者的空间足够广阔,相信未来还有更优秀的研究团队,可以取得更大的成绩。

84 total views, 2 views today

博思杯人机对抗赛星阵四战全胜

4月30日,“博思杯”2019世界人工智能围棋大赛人机对抗赛在福州东湖新天地数字小镇举行。第二届吴清源杯四强棋手芮乃伟九段、王晨星五段、李赫五段和曹承亚二段四名棋手,在受让两子的情况下与“博思杯”2019世界人工智能围棋大赛冠军星阵围棋展开人机对抗赛。最终星阵围棋毫无悬念四战全胜。

芮乃伟激斗星阵围棋

 

曹承亚二段

曹承亚二段

李赫五段

李赫五段

芮乃伟九段

芮乃伟九段

王晨星五段

王晨星五段

靠计算 人脑很难在赢回电脑了。

258 total views, 4 views today

学点小技巧:博思杯 世界AI大賽第二局

白1拆 似乎變成了這個三三定石的固定應對

如鞭下面 則黑逼過來 白漂浮
所以白拆很大是可以理解的

黑這個貼 似乎變成這個拆之後的 固定應對

不過這個地方 白下 不是很大 所以我認為這個貼沒有這麼的一定

黑貼一個的用意 上面看來頗大

右下角 白棋這個下法 跟下一圖 比較一下 青菜蔔菠 各有所好

普通是這樣 可以跟上圖 比較一下

黑1拆 標準配備 這時白2又押了 不過這個押並不是圍左下 是有一個A的小陰謀

白1之後 待黑2 白3 星陣多麼簡單易懂

征子發揮作用

黑1 只好另謀高就 這個戰役結束 右邊一子被鯨吞 白大獲成功

由 夏大銘老师 FB分享

 

130 total views, 4 views today

各路AI人工智能围棋 简介

腾讯绝艺:绝艺(英语:Fine Art)是中国腾讯公司的AI Lab(腾讯人工智能实验室)开发的围棋和游戏人工智能。绝艺之名出自唐朝诗人杜牧的诗“绝艺如君天下少,闲人似我世间无“。围棋人工智能绝艺在2017年3月18-19日的第10届UEC杯世界计算机围棋大会上夺得冠军。

绝艺人工智能的第一个版本于2016年3月4日完成。6月下旬突破业余6段,8月开始在腾讯野狐围棋网络对弈平台测试,8月23日首次战胜职业棋手,11月2日第一次战胜世界冠军棋手[6]。曾用账号名包括虎虎有生气、野狐扫地僧、天下无狗20、绝艺、骊龙、刑天等[7]。其中绝艺账号使用时间最久,对弈盘数最多,名气最大。

金毛:PhoenixGo是由腾讯公司的微信翻译团队 依照DeepMind在科学期刊《自然》上对于AlphaGo Zero所发表的论文《Mastering the game of Go without human knowledge》所实做出的开源计算机围棋程序。也就是不使用人类棋谱与累积的围棋知识,仅实做围棋规则,使用单一类神经网络从自我对弈中学习(不像AlphaGo以人类角度思考,设计了Policy Network与Value Network)。

团队除了以BSD许可证发布可供对弈的代码以外,另外发布了20 blocks的训练数据供下载,但由于未放出训练代码或完整的原始训练数据(如棋谱)。但开放的20 blocks版本棋力相较于比赛版本弱不少,且使用不同的架构,相较于同时间开源且开放训练数据的其他软件(主要是Facebook的ELF OpenGo),社群可重复利用的资源较少。

现今在野狐围棋所使用的账号名称金毛測試与金毛陪練,故昵称为“金毛”。

那个新晋国产最强围棋AI——PhoenixGo(凤凰狗)初出茅庐便在福州2018人工智能围棋大赛上击败绝艺夺冠,PhoenixGo备受关注、风头正劲。 — GPU

弈客:弈小天是弈客围棋开发的一款人工智能程序,以Leela Zero引擎为开源围棋程序。创新方面,采用分布式引擎/训练程序、使用LCB与渐进式搜索、利用贝叶斯方法优化程序参数、使用多智能体更新策略、自研特性(围棋相关)、监督学习+强化学习训练方法。

星阵:“星阵围棋”是一款纯国产的AI,它的前身是清华大学团队开发的AI“神算子”经过技术升级以后变成了现在的星阵,其实力也大幅度提高。最重要的一点是星阵比较像人类,棋风具有人情味。它在优势下面不会退让,能多赢你时就绝不会求稳,像是人类赌气的感觉。这一点与其他AI占优时,为了确保获胜常常大幅退让的做法是大相庭径。

星阵围棋参考了AlphaGo架构,在此基础上的创新包括除胜率外可以给出目数判断,可适应不同贴目规则,兼顾数目法与数子法规则,以及适应不同路数棋盘等。同时,星阵围棋并未使用任何开源围棋程序,为完全独立研发。

棋精灵: 棋精灵是聂卫平围棋道场开发的一款完全具有自主知识产权的人工智能程序。棋精灵使用了pachi和fuego作为棋盘控件存储棋盘信息,使用gogui作为连线器。使用tensorflow框架进行神经网络的训练。参考了AlphaGo Zero的论文作为理论方法,并无其他使用的库模块。也无其他创新。

Raynz :Raynz是近年来逐渐成为一支老牌劲旅的日本围棋人工智能,作者为小林祐樹、松崎憲介、吉枝悟等人。

BADUKi : 系韩国高等科学院出身的围棋AI,可谓集万千宠爱于一身。BADUKi根据AlphaGo和AlphaGo Zero的两篇自然论文开发而成,采用ELFGo自玩游戏和ELFGo与BADUKi比赛游戏进行训练。

比利时的Leela Zero: Leela-zero和AlphaGo-zero一样,是使用蒙特卡洛树搜索和深度残差神经网络算法,不依赖于任何人类棋谱训练出来的围棋AI。leela-zero是AlphaGo-zero忠实的追随者。 和绝艺不一样的,leela-zero是开源免费的项目,其成果是全人类共享的。目前绝艺只提供给国家队使用,而leela-zero任何人都可以免费使用。 Zero顾名思义,就是从零开始。leela-zero需要从零开始学习围棋,通过自对弈产生棋谱训练自己,逐步成长为围棋高手。

法国的Golois:Golois是一款法国的老牌AI,作者为法国人Tristan Cazenave。这款法国围棋人工智能可以模拟人脑神经元,具有主动识别、自适应等功能,在图像处理方面也异常强大。Golois是蒙特卡洛树搜索(MCTS)和深度学习的结合,它通过在策略网络上与职业棋手的大量试练已学会考虑出蒙特卡洛树的落子最佳点。Golois就是使用策略和价值两个网络来考虑和评估在蒙特卡洛树的落子情况。

美国的ELF OpenGo: ELF OpenGo是Facebook AI Research团队(FAIR)依照DeepMind在科学期刊《自然》上对于AlphaGo Zero所发表的论文《Mastering the game of Go without human knowledge》与AlphaZero的论文《Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm》所实做出的开源计算机围棋程序,也就是不使用人类棋谱与累积的围棋知识,仅实做围棋规则,使用单一类神经网络从自我对弈中学习(不像AlphaGo以人类角度思考,设计了Policy Network与Value Network)。

训练网络使用20 blocks x 224 filters,在2000个GPU下训练两周,相较AlphaGo Zero使用的20 blocks x 256 filters版本略小一些(AlphaGo Zero另外还有40 blocks x 256 filters)。

由于Facebook所拥有的计算资源,产生出高质量的训练网络数据与对局棋谱,许多基于相同算法或是AlphaGo相关论文内容的围棋软件都积极测试ELF OpenGo所提供的训练数据等。

 

1,729 total views, 20 views today

網頁版 LeelaZero – 讓子棋的版本

在线的LeelaZero 对弈平台:

這是一個專門下「讓子棋」的LeelaZero,使用15b權重,運行在網路主機上,每次細算的步數在800到2000之間。

在讓子棋的部份,作者有特別調整,不會因為勝率太低就亂下棋。

歡迎各位棋友挑戰,讓子棋的版本。

点这

刚下了盘 补让两子。 LeelaZero 有些下得模明其秒。

 

154 total views, 2 views today

電腦圍棋的發展與技術

2019/03/15  顏士淨 | 東華大學資訊工程系
近50年來電腦圍棋的發展可分為原始時代、 手工時代以及機器學習時代3階段, 在每個階段的演進及技術開發又如何呢?
在電腦圍棋四十多年的歷史中,研發人員前赴後繼,讓電腦圍棋棋力不斷向前推進,電腦圍棋的研究才正要進入一個新的世代。(圖片來源:種子發)

在電腦圍棋四十多年的歷史中,研發人員前赴後繼,讓電腦圍棋棋力不斷向前推進,電腦圍棋的研究才正要進入一個新的世代。(圖片來源:種子發)

電腦圍棋自Zobrist在1970年設計出第1個可與人對奕的程式以來,至今已有近50年的歷史。這幾十年來電腦圍棋的發展,可分為原始時代(1970~1985)、手工時代(1986~2006)和機器學習時代(2007~)。以下就從這3個時代來了解電腦圍棋的演進,以及每個階段的開發方法。

原始時代

Shannon於1950年提出利用電腦來下西洋棋的概念,之後電腦對局就成為人工智慧領域中吸引人的課題之一。早先的圍棋程式棋力約在35~25級左右,因為運用在西洋棋、象棋的那一套窮舉搜尋演算法完全不適用於圍棋。窮舉搜尋就是找出當下局面所有可走的棋步,並且嘗試走走看,然後電腦再反過來替對手找出所有可走的棋步,也嘗試走走看。如此一來一往模擬數個回合之後,電腦程式再根據所走出的局面優劣程度,反推最初的最佳著手。

為何這套演算法不適用於圍棋程式?原因之一是圍棋棋盤比象棋大得多,可選擇著點平均就有二百多個,電腦的負荷量太大了。更關鍵的是,圍棋不像象棋那樣容易迅速地評估優劣。

象棋或西洋棋都是以「擒王」這個明確的目標作為獲勝條件,其他棋子不論偏重攻擊或防守或攻防兼備都有其大致上的價值,只要把盤面上雙方存在的棋子價值加總,然後雙方做個對比就可以得知一個局面的優劣程度。透過這樣的方法,電腦就能夠非常迅速地計算出局面的大致優劣程度。

然而圍棋每個棋子都是等價的,判斷優劣所依靠的是棋子排列的陣形。雖然決定圍棋勝負的是圍取地域的多寡,但在這當中包含了太多諸如死活、厚勢、味道、地域確定性等不確定的因素,因此一個圍棋盤面很難找到迅速有效的方法判斷局勢優劣。

若事先把左圖建立為一個棋形,並指出白A長是好點,碰到如右圖的類似局面時,電腦就能看出白A長是好棋。

若事先把左圖建立為一個棋形,並指出白A長是好點,碰到如右圖的類似局面時,電腦就能看出白A長是好棋。

手工時代

這個時代圍棋程式的棋力有明顯提升,主要因素之一是應氏杯(1984~2000)的成立。應氏杯主要由應昌棋圍棋教育基金會支持,是第一個全世界性的電腦圍棋比賽。這個比賽提供了一個舞台,在這個舞台上的程式約以每年進步1級的速度發展。

代表性的程式有臺灣大學資工系的Friday、Dragon、Stone、Archmagic,與筆者的Jimmy。其他程式包括大陸陳志行的「手談」,美國陳克訓的GoIntellect,英國Michael Reiss的Go4++,美國David Fotland的Many Faces of Go,以及德國Mark Boon的Goliath。這個時期的程式棋力約在23~2級左右。這時的程式大多利用一些技術輔助選點下棋,例如在布局階段輸入定石資料庫,以及利用人造棋型資料庫協助找出好點。

除了棋型資料庫外,最常使用的技術是攻殺搜尋。這是一種由追殺某個棋串以及防禦該棋串這兩種副程序互相循環呼叫,最後檢驗能否吃掉該棋串的技術。

儘管使用了這些技術,但要讓圍棋程式接近業餘高手的程度仍有很大的距離。例如,攻殺搜尋時發現某個棋串可以吃掉,可是要判斷這個棋串是否是要子?吃這個棋串的價值高低?棋型的分數如何給定?就需要更高層的分析技術與專業知識。鄭銘煌的程式「若葉」就用到大量專家知識,幾乎不需要搜尋就可以下出不錯的棋步。因此,在1998年左右,是日本最暢銷的圍棋軟體。

廣州中山大學退休教授陳志行研發的「手談」,可說是手工時代的代表程式。「手談」擅長分斷對方棋子展開攻勢,且對於死活頗有獨到之處,也建立了相當專業的知識庫。無論在定石、棋形、局部手段、攻殺細算,不少地方都可以看出出類拔萃之處,以致「手談」自出賽以來(1993~2005)奪冠無數,無論應氏杯、FOST杯、Olympiad杯都連連告捷,成為當時公認的最強圍棋程式。

機器學習時代 

電腦圍棋的棋力之所以長期落後給人類,最大的原因是不容易找到良好的審局函數。直到2006年,Rémi Coulom使用蒙地卡羅法程式的Crazy Stone,才在杜林舉行的第11屆電腦奧林匹亞的九路圍棋項目中奪得金牌。2007年,蒙地卡羅法結合上界信賴樹狀搜尋法,合稱蒙地卡羅樹搜尋(MCTS)的程式開始出現。

以MCTS為基礎的圍棋程式MoGo也逐漸在一些較非正式的比賽中嶄露頭角。2007年,第12屆電腦奧林匹亞於阿姆斯特丹舉行,上屆冠軍GNUGO、亞軍GO Intellect以及Crazy Stone等程式都參賽。MoGo在強敵環伺之下,以全勝戰績奪得了十九路圍棋項目的金牌,Crazy Stone拿到了第2名,GNUGO退居第3。這象徵現在使用的標準MCTS(即UCT人工智慧)的成功,也代表一個嶄新的局面即將到來。

MCTS是一種使用強化學習的方法,可以在實戰時利用自我對下模擬結果評估盤面,某種程度解決了之前所提到的圍棋不容易找到良好審局函數的問題,且可以充分利用機器的能力,使用的機器核心數越多,棋力就越強。之後更開始利用各種機器學習技術,學習如何找出當前盤面較好著手的機率分布,乃至於近幾年開始發展的深度學習直接評估盤面與產生著手,這些發展都充分運用了機器的能力。

2006年後,以蒙地卡羅法程式為基礎,開始發展的深度學習充分運用了機器的能力。(圖片來源:種子發)

2006年後,以蒙地卡羅法程式為基礎,開始發展的深度學習充分運用了機器的能力。(圖片來源:種子發)

機器學習時代又約可分為機器暴力搜尋、離線機器學習、加強模擬準確率、深度學習4個階段。

機器暴力搜尋階段 機器學習時代一開始由MoGo稱霸,MoGo的作者是Gelly Sylvain、王一早等人。後期由Olivier Teytaud負責研發,並且把這系統平行化,改寫至可以在500~1,000核的分散式系統機器上執行。這個程式是第一個使用MCTS為基礎的電腦程式,最早的版本在模擬階段是用專家知識撰寫模擬落子順序,並使用3×3的人造棋型。其後加入了強化學習改進模擬方法,加速收斂MCTS搜尋的結果,對於增加棋力可說是立竿見影。

MoGo建立了現代圍棋程式的典範。MCTS程式與以往圍棋程式的行為有很大差異,布局很差,可說是沒有布局,但擅長近距離接觸戰,也擅長收官,這可以說是所有以MCTS為基礎的圍棋程式共同的特性。局面優時,則下得極端保守,常常最後只贏半目,局面不佳時,則想盡辦法翻盤,甚至下出像在耍賴的棋。MCTS另外一個特性是棋力跟使用的計算資源成正比,給予越多的計算資源,棋力就越強。

MoGo在2008年開始與東華大學和臺南大學合作,開發MoGoTW版本,並在2013年九路圍棋比賽中擊敗職棋。

離線機器學習階段 Crazy Stone的作者Rémi Coulom提出特徵自動學習法,以監督學習的方式從棋譜自動學習棋型的權重。學到的棋型不僅可以用在加強模擬的準確性,也可以用在MCTS搜尋樹展開選點的優先順序。執行模擬棋局時,就分析每一個可能著手的特徵,得出其重要性的分數,並算出選擇這著手的機率,再依機率落子。

此外,MCTS搜尋樹展開選點時,可以採用漸進式展開的技術,減少搜尋樹的分支度。Crazy Stone先依著手機率排序,隨著模擬次數逐漸增多,再逐步開放子點以供選擇。這階段另外的程式還有Many Faces of Go、Aya等。

加強模擬準確率階段 除利用機器學習技巧幫助MCTS更有效率地展開搜尋外,MCTS的另一個重點是模擬準確率的加強。以往以機器自動學習加強模擬,但都遇到瓶頸,後來就漸漸走向以較複雜的策略來模擬。這方面做得最好的首推日本的Zen,其作者是Ojima Yoji與Hideki Kato。Ojima Yoji原本是日本很有名的遊戲設計師,2007年開始投入電腦圍棋。據說Yamato除每周出外採買糧食外,大部分時間足不出戶,所有精力都放在開發程式上。

Zen成功的主要原因是Yamato把專家知識非常有效率,幾近完美地放在模擬中。Zen的商業版本只要進行1千次模擬,就可以達到初段水準,1萬次模擬就可以接近四、五段,這是以往動輒需要千百萬次模擬的程式無法想像的。Zen從2009~2017年就是世界各比賽的常勝軍,與Crazy Stone兩個程式可說是瑜亮,兩者的商業版軟體也是最暢銷的。

深度學習階段 2008年就有把深度卷積類神經網路運用於圍棋的研究。2015年,多倫多大學與Google DeepMind成功地把預測率的正確性提升到55%,超越了以往其他機器學習方法的45%。到了2016年在日本UEC的比賽中,前八名有7隊都是以深度學習技術開發的,深度學習技術造成了電腦圍棋棋力的大躍進。

隨著機器軟硬體的進步,2016年,Google DeepMind的AlphaGo終於擊敗南韓棋王李世乭九段,震撼了全世界。AlphaGo主要以深度學習與MCTS的技術來開發,並以強化學習的方式提高棋力。AlphaGo可分為3部分:MCTS、策略網路與使用強化學習開發的價值網路。2017年底,AlphaZero更是以從零開始的強化學習方式,打造出一個可以完勝AlphaGo的圍棋程式,充分發揮了深度學習的能力。

深度學習技術可以把整理專家知識的過程自動化,更精準而有效地吸收專家知識。電腦圍棋技術到了這個階段,不只用在擊敗人類棋王,相關技術在廣泛應用之後,對人類社會帶來的影響會是許多技術與服務的提升。

目前,人類對圍棋的了解還是太少。著名的圍棋棋士吳清源就說過,圍棋實在太難,他自己對圍棋的了解還不及十分之一。在電腦圍棋四十多年的歷史中,研發人員前赴後繼,讓電腦圍棋棋力不斷向前推進,電腦圍棋的研究才正要進入一個新的世代。

189 total views, no views today

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

例一

例一:老定式。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI变招一

AI变招一:白4刺,黑5粘,白6再飞,黑7再尖三三显然呆重,白8高拆棋形舒展。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI变招二

AI变招二:黑5尖三三,白棋可以根据情况回拆A、B或者C位。以后有机会可以D位逼住冲断。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

例二

例二:老定式。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI修正一

AI的修正:白棋不做A位的二路扳粘,避免强化黑棋外势,是这一修正的关键点。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI变招一

AI变招一:黑5飞,依照白棋的走法再定下一步的应对,白6、8是一种方法。白8直接托,成为流行的”芈氏飞刀”的可能行很大(原先的文章有介绍,不再赘述)。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI变招二

AI变招二:黑9扳,白棋重视边空的下法。以后角上的补棋或者打吃等手段,都是官子了。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI变招三

AI变招三:黑11断,至白16长出,也很有趣,黑到底拔掉白8一子还是连回黑9一子,有些纠结。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI变招四

AI变招四:白14提子,白16点刺,黑17以后就要看双方的战斗力了。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

例三

例三:当年流行的小飞定式,几乎已经淘汰。主要原因是AI认为白4这手棋不紧凑,黑5即使脱先,对黑棋也无严厉的攻击手段。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI修正版本

AI修正版本:白4、6连扳。现在这种走法成为定式。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

例四

例四:当年的流行定式。AI认为A、B位的骚扰对黑棋外势影响很大。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI的修正版本

AI的修正版本:黑11爬过。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

例五

例五:过去的基本定式。AI认为白4黑5都不是好棋。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI修正版本

AI修正版本:白4飞压,黑5冲断作战是正道。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI修正版本二

AI修正版本二:白4尖,黑5也要大飞,白6飞进角,黑7就满意。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

例六

例六:定式没有黑15与白16的交换。AI认为白8托过不好,让黑棋获取了外势,黑15不必保留,走完脱先即可,黑好。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI修正版本

AI修正版本:白8至14强硬压出。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

例七

例七:老定式。AI黑11与白12太保守,应该再奔放一些。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI的修正版本一

AI的修正版本一:黑11、白12提高效率,黑13再压。

【一分钟围棋】看看AI对老定式的修正,可以更好地理解棋理

AI的修正版本二

AI的修正版本二:黑11补,白12至20的走法双方都可下。

AI的修正是对棋理认知的提高,其根基是强大的计算力,作为业余棋友爱好者,能理解更好,理解不了模仿即可。

摘自:头条 @维坊围棋联盟

792 total views, 8 views today

AlphaGo時代,我們需要什麼樣的圍棋老師?

來源:愛棋道(wwwiqidao)
自上篇文章《AlphaGo時代,我們還需要圍棋老師嗎?》完稿以來,我就一直在思考,既然我們的結論是:在學習圍棋的道路上,無論如何都需要好的老師來教導。那麼,在這樣一個信息越來越透明,各行業充分競爭的時代,我們需要什麼樣的圍棋老師呢?具備哪些素質的老師將被我們的客戶 —— 學生及家長認可,進而更好地工作生活下去呢?

前段時間,我讀了一本最近很火的書《未來簡史》。在看過這本書之後,說實話,我有些不寒而慄。作為一名圍棋老師,我很擔心自己會成為書中所講到的那些「無用之人」,而思考怎樣避免讓自己走入這樣的境地,則成了本文的一個引子。

在回答「我們需要什麼樣的圍棋老師?」這個問題之前,讓我們來倒推一下,當未來正以加速度向我們走來之時,什麼樣的圍棋老師會越來越難在行業內生存呢?對此,我的思考結論如下:

在我看來,以下三種類型的老師會在快則三五年,慢則七八年內逐漸失去家長的認可,進而離開這個行業:沒有正確教育價值觀的老師、不愛學習的老師、沒有職業自豪感的老師。這個趨勢,將不以個人的意志為轉移。

第一種類型

沒有正確教育價值觀的老師

由於目前的圍棋教育行業還沒有出現像好未來、新東方這樣的教育巨頭,故業內還沒有足夠有影響力的口號,可以約束從業者的價值觀。

在這樣的大背景下,大多數圍棋培訓機構的第一優先選擇是:先把錢賺到,再談其他(積極地盈利驅動)。而在此前提下,對於其所管理的老師進行教育價值觀的培訓,基本都不是其非常關心的業務點,甚至是最不關心的。

這樣的情況持續發展之後,會出現一個嚴重的行業問題,即大量的「試聽課第一」型機構開始湧現。這樣的機構會投入大量時間和精力研究學生家長的心理,把「推廣—— 電話邀約 —— 試聽課 —— 銷售跟單」這個流程做到極致。一旦家長有了付費意願,就盡量讓家長多付幾年學費,之後以不退費的方法來綁定客戶。

據我所知有少數家長曾經遇到這樣的經歷,付費之前,機構方是非常熱情的,會用各種語言來描繪自己的專業度,對孩子如何用心,理念多麼先進等等。一旦付費之後,不好意思,您就按照我們的教學進度慢慢地,慢慢地學習吧(至於有多慢,我以前寫過評論的文章)。我們保證您的孩子在上課的時候開開心心,禮品卡、貼畫一張也不會少,但是如果您課堂之外想和老師聊聊孩子的進步情況,未來的學習路徑,應該樹立什麼樣的目標,再或者是批改一下孩子的題目,給孩子下過的棋點評一下,對不起,老師太忙,真沒時間。至於你要退費,那就只能和你說一聲抱歉了,本店概不退費。

我可以肯定的說,在這樣的機構接受培訓,認可「試聽課第一」價值觀的老師,未來是無法在圍棋培訓行業生存的。總體而言,雖然圍棋的認知門檻較高,很多家長不懂專業知識,容易被「忽悠」而付費。

但是從社會進步的角度來看,隨著互聯網行業的深入發展,去中介化和行業透明度越來越高是不可阻擋的趨勢,沒有正確的價值觀,不願意用真心去服務孩子的老師,一定會是被行業邊緣化的。

教育行業總是要講口碑的,如果僅把銷售培訓當做重點,忽視對老師價值觀的培訓,那麼長期來看無論是機構還是老師,都很難贏得家長的認可。

之所以把價值觀放在第一位,也是受了好未來集團創始人張邦鑫老師的影響,他常說的一句話是「教不好孩子等於偷錢搶錢」。這句話,其實也就是核心價值觀的闡述。愛棋道的每一位老師,在入職之前,都必須要接受價值觀的培訓,我們用一個個案例,來告訴新加入的老師們該如何樹立「學生第一」的價值觀。

給學生服務不是一朝一夕的事情,只有具備了正確的價值觀,才可以在未來遇到困難和壓力的時候,不埋怨、不動搖。教育行業本身就是一個「重」行業,如果老師的價值觀不端正,很快就會因為承受不了壓力而離開的。

第二種類型

不愛學習的老師

樹立起了正確的價值觀之後,老師們還要有一顆愛學習的心,否則,在這樣一個快速進步的時代,你的能力遲早會拖你的後腿。能力這件事情,可不是完全可以依靠價值觀來彌補的,這個道理,就像我們不能做到僅僅靠意志去攀登珠穆朗瑪峰一樣。

老師們都要學習什麼樣的知識技能呢?

首先當然是自己的專業技術,自己的棋都下不過學生了,還好意思當人家的老師嗎?圍棋屬於一門很專業的課程,你自己不會下圍棋,給孩子上課之前現學現賣,肯定是不行的。一旦孩子或者家長問你幾個專業的問題,馬上就露餡了。
其次,老師要深刻學習並理解圍棋教育的路徑,也就是教學方法。學生在什麼水平階段,應該側重哪些技術點的學習,是一個老師必須要深諳於心的。(詳情請見我以前的文章 —— 如何高效的進步)。

我見過很多老師,在孩子初學的階段,就讓家長每天督促孩子打棋譜,背定式,一旦背不下來,就大聲斥責,這樣的老師,不能說不認真負責,但是由於對學習路徑的錯誤理解,導致力氣沒有用在正確的地方,這樣下去,就會出現老師越用心,孩子進步越慢的窘境。這種不專業的教學方法,也會讓老師漸漸失去家長的信任,進而離開。

需要說明的是,老師除了需要不斷學習圍棋本身的教育規律,還需要學習行業外的相關知識,如果你是一位不斷追求進步的老師,那麼類似於兒童心理學這樣的課程,也是非常值得你學習的。
第三,老師一定要與時俱進,熟練使用各種先進工具,例如愛棋道平台(www.iqidao.com)上的在線課堂、智能題庫等,如果還能利用好互聯網上的各種內容資源,那就真是無敵了。老師只有具備這樣的能力,才能進一步提高自己的工作效率,把有限的時間,用來服務更多的學生。如果一位老師價值觀很正,又很懂得教育方法論,但是就不願意去學習先進的互聯網工具,那麼,他自己再厲害,也只能服務十位數的學生,一旦學生上升到百位數,他就會勉為其難了。即便強撐下去,也會導致其教學技術的變形,進而帶來教學效果和口碑的下降。

「工欲善其事,必先利其器」。愛棋道的老師,都要接受互聯網工具的培訓,熟練使用包括愛棋道智能題庫在內的各種工具,是老師的必修課。「用科技推動教育進步」+「用科技推動教育公平」也是愛棋道的兩大使命。

第三種類型

沒有職業自豪感的老師

我見過有一種類型的老師,雖然在服務孩子的時候很有熱情,也具備相當的專業度,但是在他自己的內心中,並沒有覺得這是一件很神聖,很驕傲,值得自己終生去做的事情。

這樣的老師,往往會在教學的同時做著其他的事情,在他們心中,如果其他的事情可以帶來更高的收入,可能就會隨時離開這個行業了。

我不願意把這樣的行為歸類到價值觀的範疇,畢竟,想要賺取更高的收入是人之常情,但是客觀地說,如果沒有在這份工作中收穫職業自豪感和發自內心的成就感,這樣的老師,不會長久留在這個行業,也無法長久地得到學生和家長的認可。

真正優秀的老師,會在看到孩子成長的時候,有發自內心的開心,會在孩子比賽的時候,一顆心隨著局面的變化而跌宕起伏。會在孩子開心或者難過的時候,用自己的真心去提醒他不要驕傲,安慰他不用氣餒。

這件事,是需要內心的自豪感和榮譽感來驅動的。而這份投入,也和錢的多少沒有關係。

之所以把好的圍棋老師的高度提到這個層面,其實和我的人生經歷密切相關,我能夠有今天的水平和成績,與我所經歷的三位授業恩師不可分開,我在初學啟蒙時期遇到的邢印達老師,在即將陷入歧路之時遇到的徐榮新老師,還有在人生的關鍵時刻遇到的聶衛平老師,都是不計報酬,把教好我這個頑劣學生當做頭等大事的老師,沒有他們,不可能有我的今天。

在創辦愛棋道的時候,我的發心就是要做像他們一樣的老師,為我們的學生提供最好的,最正確的教學服務。「教真圍棋,讓每一個孩子得到圍棋的真正快樂」是我們的最高理想。

如果我們已經明確了什麼樣的老師在未來存在不被認可的風險,那麼,我們自然也就知道了,什麼樣的老師會在未來得到越來越好的行業地位,得到所有人的認可!

這篇文章已經接近尾聲,以上的文字,既希望能幫助家長們辨別好老師,也希望能讓正在從事圍棋教育的老師們,得到學習的方向指引。

382 total views, no views today