第142章 幼狗的尾巴
聽到這個問題，李菁哲不由一愣：
“呃，黃爺爺，我不太懂圍棋的一些事情，所以這個我很難判斷。”
“無妨，就說說第一感嘛！”黃寶洋答道。
見對方堅持，李菁哲便準備作答。
本來按他的想法，在當今這個信息技術飛速發展的時代，人類一些傳統技藝一旦被計算機找到訣竅並超越，那肯定是絕無再被反超的可能。所以他下意識地想回答肯定是OMEGA GO更強。
但話到嘴邊，李菁哲卻突然覺得有些不對。
對方既然問了這麼個問題，那麼這個答案絕不應當如此理所當然。
再考慮到，當初OMEGA GO在與崔成石那五局棋裡，還被對方搞出了個所謂“神之一手”（當然，作爲準業內後備軍，李菁哲也知道這只是軟件BUG而已），輸了一局，而隨着圍棋AI技術進一步發展之後，人類棋手理論上還能“師夷長技以制夷”……
嘶……不會吧？
心生疑問李菁哲不由得稍稍皺眉，試探着問道：
“這個叫雷歧的，難道要比OMEGA GO強了嗎？”
黃寶洋笑得更開心了：“菁哲，看來你不僅聰明，也很機靈呢。
“其實吧……這個問題爭議很大。但不得不說，這個問題是有得爭的，並不離譜。”
並不離譜……
儘管黃寶洋並未給肯定回答，可聽到這四個字，表情還是不由一動。
黃寶洋繼續說道：
“其實，這個問題在一年前，基本還不會有什麼爭議。
“‘人類下圍棋怎麼能下過計算機嘛’——這是人們的共同結論，就像以前無數人都堅定地認爲計算機再怎麼厲害也不可能在圍棋上下過人一樣。”
聽到這，李菁哲嗅出了其中的味道。
“您是說……最近一年裡，人類圍棋的水平進步了很多，對嗎？”
“是的。”黃寶洋點頭：“圍棋的頂尖棋手，他們進步得很快、很快。
“一年前，絕大多數人都認爲，儘管現在通過學習當下最先進的AI定式，人類可以在佈局階段在當年的OMEGA GO面前取得一定優勢，
“可一旦進入中盤，隨着形勢變得複雜，佈局階段的這些許優勢會被OMEGA GO依靠強大的計算優勢飛速追回並且反超，再考慮到人類的穩定性遠弱於機器，所以人類說到底下不過AI——哪怕只是初代AI。
“但現在嘛……OMEGA GO能否在中盤階段穩定追回佈局劣勢，怕是要打一個大大的問號。”
說到這，黃寶洋隨手將他的手機遞了過來。
只見其手機上也是當下這局棋聖戰，只不過，上面有着各種各樣的曲線。
李菁哲一面接過手機，一面問道：“黃爺爺，這是……？”
“兩位棋手的AI符合率圖，現在弈國的VVVIP有這個服務，你可以看看。啊，一選、前三選這些說法你應該懂吧？”
“懂的。”
這種偏AI說法的常識，搞計算機的李菁哲還不至於不知道。
不過當他看到這個數據圖還是一驚。
這盤棋下到將近結束，白棋一選率高達70%，前三選率更是達到了驚人的94%！
這可是全局的AI符合率啊！前三選居然能夠達到94%？
李菁哲當即擡頭看向黃寶洋，剛想開口，哪知黃寶洋卻先說道。
“右下角的具體數據分析裡還有具體佈局、中盤還有官子……啊，就是收尾階段的吻合率分析。”
李菁哲連忙前去查看，哪知這具體數據一看更爲驚人。
本來他以爲一選率數據如此之高，肯定是因爲棋手“背譜”，靠佈局階段步步一選所以拉高了總數據。
可他完全沒有想到，這局白棋佈局階段的前三選率雖然高達98%，但一選率居然只有63%！
反而是中盤，儘管前三選率降到93%，可一選率反而上升至67%！
最後的收官，則更爲離譜，前三選率98%，一選率也高達76%！
“黃爺爺，這……爲什麼人類棋手的中盤的一選率反而會比佈局還高啊！”李菁哲的聲音吃驚得略略有點發顫。
“其實這個不一定，大多數時候還是佈局要稍高的。”
黃寶洋笑着解釋道：
“但是，因爲佈局其實可選點非常之多，而且前三選非常接近。作爲人類棋手，很多時候並不會完全按照AI選擇行動。
“反倒是中盤，因爲戰鬥的逐漸展開，棋手必須儘量敏銳地抓住當下最爲重要的點，所以有時會有些棋出現中盤一選率反而比佈局高的情況。”
“可……中盤前三選率93%，一選率67%？”李菁哲依舊驚疑不定：“這真的是人能做到的？”
他雖然不會下圍棋，但家中畢竟有個棋迷令他耳濡目染，他還是知道圍棋與象棋、國象並不一樣，中局戰局複雜的同時還可選點極多。
結果，在這麼個情況下，人類居然下出了93%的前三選率，和67%的一選率？！
要知道，隨着近年AI水平的發展，現在的圍棋AI如果要下當年的初代OMEGA GO，必然是毫不留情的屠殺！
而如果一個人，哪怕在中盤也能下出如此之高的現代AI吻合率。那單憑當年的初版OMEGA GO，搞不好真的很難單靠計算能力在中盤階段追回佈局時的劣勢！
“怎麼樣？我們的這些職業棋手，還算努力吧？”
正當李菁哲還沒從驚訝中緩過神來時，黃寶洋不無得意地說道。
“啊，當然啦，這盤應該算是小雷發揮得相當好的一局棋，不過這也絕非偶然。
“就像臺上那位頂尖棋手剛說的，上一屆農心杯擂臺賽的最後一局，南韓的柳世賢發揮也是極爲出色，和今天的情況幾乎如出一轍。
“就是在那盤棋過後，圍棋論壇上開始有人懷疑：是不是人類頂尖棋手已經能和初版OMEGA GO一較高下了。”
“可……人這是怎麼做到的呀！”李菁哲對此依舊有些難以相信。
作爲有志於一線計算機科學研究的天之驕子，李菁哲自然知道以OMEGA GO爲代表的現代圍棋AI，都是採用深度學習，通過合理減少棋類冗餘計算，以保證有效計算上擁有人類絕對無法企及的強大計算能力。
可現在，人類居然能夠與現代深度學習AI一較高下？！
要知道，現代AI出現前最強的國象計算機軟件“雪魚”，其完全體幾乎從未被人類擊敗過！
但“雪魚”在OMEGA GO衍生而出的OMEGA ZERO軟件學習了4小時國際象棋的情況下，就被對方以28勝72和、未嘗一敗的成績狂虐。
其中OMEGA ZERO先行戰績是25勝25和，這個勝率在普遍認爲最終解是和棋的國象裡，簡直就是驚世駭俗！
所以，基本可以認爲，棋類遊戲上，人類在深度學習AI面前，就是被降維碾壓的份。
可結果在圍棋棋手被深度學習AI無情碾過的七年後，他們居然反過來開始觸碰到那最早碾壓過他們的深度學習AI了？！
完全理解到這個事實後，李菁哲一時有些恍惚。
當初OMEGA軟件之所以拿圍棋作爲其深度學習AI的出山之作，很大程度上就是爲了抓人眼球——有什麼比攻略“世界最難的棋類遊戲”、“人類智慧的最後尊嚴”更引人矚目的呢？
不過，當OMEGA GO軟件輕而易舉地打碎了幾千年來無數圍棋棋手的驕傲之後，卻並未在此多加駐留。
畢竟人是商業團隊，圍棋這種小衆棋類遊戲能掙幾個錢啊？
自此之後，頂尖商業AI基本都不太會關注這個流行範圍僅限東亞三國的小衆項目，最前沿的AI研究者也懶得留意被他們攪成一鍋粥後的圍棋圈內的狀況。
也只有國內及南韓、東瀛的一些AI公司，在根據圍棋圈需要，進行AI發展迭代，但這種發展基本僅限於更迭優化，從未再有內核質變。
可誰曾想，在圍棋從AI前沿研究中徹底淡出之後，反而出現了讓人瞠目結舌的新情況！
面對李菁哲的提問，黃寶洋揚了揚眉毛：
“菁哲啊，這我個老古董可就真不知道了！
“但……或許這就是我們仍然一如既往地熱愛圍棋的原因吧？”
正當黃寶洋說完這句話時，臺上突然有了新的響動。
對弈至第286手，黑方林睿昕投子認負！
【情節相關】
唔，第三場棋聖戰還有點賽後收尾，明天開始寫定段賽有關劇情。
【現實情況】
關於本章的有關情節，感覺需要說明一下，這的確源於現實。
當下圍棋第一人申天帝能否贏下初代阿爾法狗，這個話題儘管還有一定爭議，但主流觀點大多認爲申在不犯病的情況下佔優，或者是好勝負。絕沒有人因爲初代狗是深度學習ai就覺得申天帝一點沒法下——哪怕論計算量兩者天差地別。
簡單說，在圍棋上，人類現在確實在摸到幼狗的尾巴。