360首席科学家评AlphaGo：成功的关键是反应速度快

今日AlphaGo与李世石将进行最后一场比赛，而此前的四场比赛双方的比分为3:1。360首席科学家颜水成向TechWeb等媒体解析了AlphaGo的 神勇 表现，他指出，AlphaGo的胜利在意料之中，尤其围棋这样特定的问题人工智能战胜可能性比较大，不像人工智能在其他领域应用更困难一些。

颜水成指出，AlphaGo成功的关键是搜索策略比以前快很多，快了之后效率就能保证，因为它本身快了，不用损失太大精度情况下满足比赛时的要求。 任何算法刚出来时，大家想的比较多的是算法在精度上能赢，在速度上考虑的不是特别多。当到了实战时，你要考虑娱乐性和实际比赛过程中肯定有时间限制，有会以损失精度的情况下去满足时间的要求，这时候性能就打了一个折扣，实际比赛中效果有会稍微差点。

颜水成还形象的解析了AlphaGo的学习过程：可以模拟成是一种练武的过程，首先是师父先教你武功，教了基本的招式之后你就可以有一些大概的印象，师父一般教武功时教两点，一是在当前某个姿势下应该怎么样动作会具有攻击性；二是还得考虑我出招时对手会拆招，后面再出招，再拆招你的赢面有多大。

具体到围棋，AlphaGo这样学习：

第一步，Policy network告诉你怎么样出招最具有杀伤力，Value network是通盘考虑对手拆招你再出招再拆招再出招是不是有比较大的赢面。

第二步，AlphaGo，相当于两个徒弟，两个版本的AlphaGo模型会根据师父教的内容开始博弈或练习下棋，有时候这个人赢了，有时候那个人赢了。这些数据拿过来重新训练 AlphaGo系统， 经验 就逐步积累起来了。

颜水成指出，AlphaGo的优势是，练武时真的要两个人试错才可以，真的练武才行。AlphaGo就直接在电脑里，或者在一台电脑里运行两个版本的程序，自己对招就可以了。如果机器资源足够多，时间足够长，你会认为它会把各种各样场景下的围棋过程都会涉及到，会有新样例产生出来，帮助训练AlphaGo。而且AlphaGo随着演变过程可能会形成自己的招式。

在颜水成看来，机器的胜算更大一些，水平会越来越高，而且速度会越来越快。 机器是根据历史经验直接算出来的，它信息量某种意义上要比人多很多，人再厉害也能记住的东西，能推算的步骤还是有限的，比如网上也有过一些人的分析，在围棋里，出现棋局的数量相当于10的几百次方，这种东西人的大脑是不可能存下来的，而且这比象棋的难度要大很多，而人不可能记这么多东西，而电脑有这个能力逐步模拟。