繼谷歌宣布人工智能項目AlphaGo實現突破性研究——計算機程序首次擊敗專業棋手之后， 谷歌DeepMind公布了將與過去十年最佳圍棋手李世石之間的終極挑戰的詳細情況。3月9日至3月15日，AlphaGo將在韓國首爾與李世石進行5場挑戰賽。比賽完全平等，獲勝者將得到一百萬美元獎金。

今天下午，谷歌人工智能AlphaGo與韓國棋手李世石的第一場比賽結束，AlphaGo獲得今日比賽的勝利。雙方在較量3個半小時后，李世石宣布認輸。今日比賽結束后，雙方還將分別在10日、12日、13日、15日的北京時間中午12點進行剩余4場比賽。 

[[163734]]

李世石賽后的表情，求此時人類棋王的陰影面積

AlphaGo開發者DeepMind公司在今年1月的學術雜志《Nature》刊登封面文章，展示了圍棋人工智能領域突破性進展的詳細情況。這次對弈中，坐在李世石對面正是《Nature》封面文章作者之一黃士杰(Aja Huang)，他本人來代替AlphaGo在棋盤上落子。AlphaGo一方的旗幟是英國國旗，因為這次參賽的谷歌圍棋程序AlphaGo來自英國人工智能公司DeepMind。

谷歌AlphaGo在第一次與世界頂尖圍棋手的較量中取得勝利，這是人工智能發展史上重要的里程碑，代表人工智能已經能在諸如圍棋等高度復雜的項目中發揮出超過人類的作用。

谷歌的AlphaGo有多強大

傳統的人工智能方法是將所有可能的走法構建成一棵搜索樹 ，但這種方法對圍棋并不適用。此次谷歌推出的AlphaGo，將高級搜索樹與深度神經網絡結合在一起。這些神經網絡通過12個處理層傳遞對棋盤的描述，處理層則包含數百萬個類似于神經的連接點。

其中一個神經網絡“決策網絡”(policy network)負責選擇下一步走法，另一個神經網絡“值網絡”(“value network)則預測比賽勝利方。谷歌方面用人類圍棋高手的三千萬步圍棋走法訓練神經網絡，與此同時，AlphaGo也自行研究新戰略，在它的神經網絡之間運行了數千局圍棋，利用反復試驗調整連接點，這個流程也稱為鞏固學習(reinforcement learning)，通過廣泛使用Google云平臺，完成了大量研究工作。

AlphaGo在與人的對弈中用了“兩個大腦”來解決問題：“決策網絡”和“值網絡”。通俗來說就是，一個大腦用來決策當前應該如何落子，另一個大腦來預測比賽最終的勝利方。

谷歌希望能把這套人工智能算法用于災害預測、風險控制、醫療健康和機器人等復雜領域。也就是說谷歌的目的還是為了更好的服務人類，沒有任何惡意。DeepMind(AlphaGo的研究公司)創始人哈薩比斯說：公眾對人工智能的警示掩蓋了人工智能帶來的幫助。距離人腦水平的人工智能仍然相當遙遠，可能還需要幾十年。

在昨天的賽前發布會上，谷歌董事長施密特表示，輸贏都是人類的勝利。因為正是人類的努力才讓人工智能有了現在的突破。

人工智能在安全領域也表現不俗

今年八月一場名為Darpa’s Cyber Grand Challenge網絡挑戰賽將舉行，參加決賽的七支團隊必須利用對手漏洞進行攻擊的同時，還要發現并自動修復自身漏洞、維護性能與功能正常。與其他“奪旗”競賽不同， 這是世界第一個完全由計算機軟件主導的黑客比賽。

獲勝者最后會贏得200萬美元大獎，Darpa其實就是美國國防部高級研究計劃局，不怪人家就是財大氣粗!

機器黑客：自動挖洞、打補丁

加州大學圣芭芭拉分校計算機科學教授Giovanni Vigna是黑客團隊“Shellphish”的創始人，他們建立了一個叫做“Mechanical Phish”(機械釣魚)的系統將參加本次比賽。

Vigna在2016年美國RSA安全大會上表示：

“完全自動化的hacking系統是我們最終的邊界。人類能發現漏洞，卻沒辦法對數以百萬計的項目進行分析。”

現實中的黑客并不如電影描述的那么“性感”，他說：

“黑客通常只是一堆圍在桌邊的人，很疲憊卻仍在筆記本上敲擊鍵盤。而我們之所以當黑客，要么是因為我們想攻擊別人，要么是想找出漏洞，或者僅僅是因為好玩。”

“機器黑客”在保護網絡、快速識別、系統補丁等過程表現出色，從而避免了漏洞的利用、數據被盜或網絡服務遭到攻擊的情況。

人工智能快速通關“超級瑪麗”

除了Cyber Grand Challenge之外，其他組織也已經開始將人工智能運用于hacking機器中。

Konstantinos Karagiannis利用神經網絡(模擬人類大腦學習和解決問題)建立了一個hacking系統。據他介紹，這個名為MarI/O的人工智能程序可以在沒有任何先驗知識的情況下，只經過34次嘗試便通關了“超級瑪麗”。最初，它只有幾個簡單的參數設置，經過幾次不同嘗試之后它就“了解”到應該怎么玩，它“學會了”。

視頻

Karagiannis說：

“采用了AI技術的安全掃描器可以識別復雜的漏洞，那些具有極具創意的手法是人們不曾想到過的。它可以采用非常低端硬件，價值一千美金的GPU(圖形處理單元，通常用在游戲當中)就可以超過一臺十年前的超級計算機。”

Karagiannis希望能在今年夏天演示這個POC。

每個硬幣都有另一面

盡管“機器黑客”能為安全專家的彈藥庫提供頗具殺傷力的武器，但是更大的風險在于這些武器也可能落入錯誤的人手中。Karagiannis告訴衛報，攻擊者如果在一年內使用了這些技術，他并不會感到驚訝。

HackerOne安全公司聯合創始人Alex Rice同意這一觀點，他認為任何可以用來發現漏洞的防御手段都可能被罪犯利用——技術最終都會成為一把雙刃劍。

盡管如此，Rice認為自動化安全措施的興起是一件好事：

“人人都在努力跟上趨勢。幾乎所有組織都經歷過網絡攻擊，這關系到生死存亡，顯然之前我們所做的一切都是失敗的。而最好的解決辦法就是將人類與機器的技能加以結合，人類最擅長的東西目前我們還沒發現。而即使未來我們擁有了有感知的機器時，它們依然要接受人類的指揮。”