「人機對弈」第四局戰況：
3月13日中午12時，南韓圍棋九段棋手李世石與Google人工智慧程式 AlphaGo 之間的「人機對弈」展開第四局，在近五個小時的激戰之後，李世石最終扳回一局，取得首勝。
在12日第三局落敗後，李世石稱AlphaGo的程式雖然表現驚人，但也展現出弱點。而外界也期望李世石能在餘下兩局為人腦掙回一些面子。
「這只是我李世石個人輸掉了，並不是全人類。雖然AlphaGo的程式相當驚人，但畢竟還未達到完美的境界。」南韓圍棋九段棋手李世石於第三局落敗後說。
出戰第四局時，李世石進場時神情較前幾天輕鬆。但在對弈開始後，手執白子的李世石不斷陷入長時間思考，而且逐漸落入下風。
戰至中盤，AlphaGo的思考時間比李世石足足用少近1小時，一些直播評論甚至認為已經看不到李世石有逆轉的希望。眼看李世石即將進入每一手必須在60秒內落子的「讀秒」階段，令形勢更加不利，但他卻妙招頻出，尤其於第78手下了一子妙棋，成功令僵局現出生機，並能逐步串連起佔據棋盤各處的白子。有職業棋手形容李世石下出「神之一手」，甚至猜測李世石是否已經看穿AlphaGo的行棋弱點，故意在布局階段布下誘敵之陣。
李世石逆轉形勢後，在右方發動攻勢，AlphaGo開始計算應對辦法。然而，AlphaGo一度看似想在右方「提劫」，卻沒有成功，反而跑出「死子」。
有職業棋手判斷，李世石下出AlphaGo計算以外的變化，讓程式出現混亂，甚至笑言程式可能發生故障。現場評論指，就連 AlphaGo 開發者之一、連日來代其走子的黃士傑看到AlphaGo在右方下子招式時也面露困惑。
結果李世石成功在右方「收氣」，穩住一大片形勢。戰至這個階段，AlphaGo 每下一手平均都要思考3分鐘以上。職業棋手們判斷 AlphaGo 已無法扭轉劣勢，勝負已分。而李世石在「收官」階段，仍然小心翼翼，沒有出現失誤。
最終，AlphaGo投子認輸，李世石獲得首勝。這也是AlphaGo自去年十月以5:0戰勝歐洲圍棋冠軍樊麾後，首次在對奕中向人類「投降」。
這場「人機對弈」的最後一局，將於3月15日中午12點進行。
3月12日更新：「人機對弈」第三局戰況
3月12日中午12時，南韓圍棋九段棋手李世石與 Google 人工智慧程式 AlphaGo 之間的「人機對弈」三度開戰，結果 AlphaGo 再次擊敗李世石，以總比分 3:0 成為此次對弈中的勝方。
賽前，已經落後兩局的李世石顯得有點緊張，不像之前一樣牽著女兒、而是獨自一人進場。棋局甫開，執黑子先行的李世石嘗試搶攻，但很快被AlphaGo牽制住，而AlphaGo主動在左上角佔地，讓李世石只能忙於突圍，避免在布局階段落後太多。
戰至中盤，一些直播此次對弈的職業棋手已經認為李世石難以逆轉，棋局勝敗已分。但李世石一度下子進取，嘗試攻殺 AlphaGo 布置在左面的白子「大龍」，而AlphaGo卻沒有即時回應；職業棋手們此前看過 AlphaGo 異於人類的下棋方式，都不敢判斷它是沒有意識到黑子的意圖，而估計它是經過精密計算，不覺得白子「大龍」有危險。結果，AlphaGo 不但於右路另開戰局，亦成功應對了李世石在左路的進攻。
棋局較後階段，評論普遍認為局面此局李世石必敗，但李世石不斷嘗試造出「打劫」，並測試 AlphaGo 尋找「劫材」、應對「打劫」的能力。此前兩局，一直沒有出現「劫爭」，也令外界猜測「劫爭」是否 AlphaGo 的弱項，甚至該程式根本不懂「提劫」。亦有人質疑，此次比賽是否預先定下對李世石不利的「不能打劫的保密協議」。不過，AlphaGo 開發團隊成員、代 AlphaGo 下子的黃士傑早前已發電郵澄清，雙方沒有定下這種保密協議；而在第三局上，AlphaGo 亦首次「提劫」，打破外界猜測。
最終，李世石無法扭轉戰局，於第176手投子認輸。
儘管AlphaGo在這場五局三勝制的「人機對弈」已經獲勝，但雙方還是會繼續完成餘下兩局，李世石仍有機會贏得一局。
「這次比賽不論勝敗如何，我覺得我們都應該尊重李世石九段，他接受AlphaGo的挑戰，所承受的壓力一定很大。」AlphaGo開發團隊成員、代AlphaGo下子的黃士傑。
綜觀過去三局，AlphaGo不時擺出「怪招」，某些起初看來似是失誤，但最終被證明是致勝的關鍵，令職業棋手們驚訝。
韓國棋院秘書長梁宰豪形容，AlphaGo「就像是在山中自學成材的棋手」，看起來不像高手，每步下子亦無甚創意，但整局看來處處打破常規。他說，學棋者看了AlphaGo的獨特下法後，將能開闊視野。
「圍棋是有著4千年歷史的古典遊戲，經歷了漫長的發展過程，正如科學通過實證檢驗不斷開拓新境界，人工智慧也將為圍棋拓展新空間帶來積極影響。」南韓九段棋手趙惠連表示。
南韓九段棋手趙惠連指，AlphaGo將改寫圍棋歷史，包括圍棋的範式和學習方式，重新定義何謂圍棋。
她說，人類和AlphaGo看待圍棋的方式截然不同，人類傾向以較大目數贏棋，但 AlphaGo 的目標就只有贏棋，即使只贏半目。而人腦不能像電腦一樣百分百精確無誤地計算，因此職業棋手無法像 AlphaGo 一樣下棋，「但人能做的，是更豐富地研究圍棋」。
3月10日更新：「人機對弈」第二局戰況
「人機對弈」第二局完結， AlphaGo 再次獲勝。Google Deepmind Youtube截圖
![](\http://image.knowing.asia/94b8f18a-fedb-429a-98bb-8d8df1382221/aaeb2bebfa619270b6d515c61ae27d46.png")
3月10日中午12時，南韓圍棋九段棋手李世石與 Google 旗下 Deepmind 公司人工智慧程式AlphaGo之間的「人機對弈」再度開戰。在經過4個半小時的鏖戰後，李世石再度落敗，以總比分 0:2 落後於 AlphaGo。
首戰告捷的AlphaGo在第二場比賽中執黑先行，繼續保持「犀利」棋風，李世石則比首局落子更為謹慎。在本局比賽的前半段，AlphaGo在局面上佔據優勢。中國「棋聖」聶衛平表示，對AlphaGo的下法「脱帽致敬」；為 Deepmind擔任直播評論的美國棋手、亦是世界上唯一一位非東亞裔的圍棋九段Michael Redmond甚至表示，AlphaGo第37手有圍棋宗師吳清源的風範。
比賽後段，落子較慢的李世石陷入「時間危機」，他在用完雙方各2小時的保留時間、進入「讀秒」階段時，AlphaGo 還有約20分鐘。這意味着李世石接下來每一手必須在60秒內落子，若違反3次就會因超時被判負。李世石雖然頑強地將 AlphaGo 也拖入「讀秒」，但不久之後便投子認負。
「就算AlphaGo戰勝了李世石，但它贏不了我。」3月9日，中國棋手柯潔表示。
李世石雖然是本世紀獲得冠軍次數最多的棋手，但並非目前的世界第一，現世界圍棋等級分排名第一的是年僅18歲的中國棋手柯潔。李世石首戰告負後，柯潔立即在其個人微博表示，雖然AlphaGo戰勝了李世石，「但它贏不了我」。
柯潔的言論引來不少網友批評及調侃。有網友稱，「AlphaGo當然贏不了你，因為如果在中國比賽，它會因為防火墻而連不上Google的服務器。」
不過，柯潔9日接受新華社採訪時表示，對李世石的首場失利「震驚得説不出話」，AlphaGo 的「實力遠超想象」，「下法簡明自然，整個思路非常清晰」，「看它下棋特別像人類的思維模式，而且計算能力很精準，越到後面越精準，失誤越少」。
柯潔認為李世石現在最關鍵是要調整好心態，並認為他自己與人工智慧「早晚會有一戰」，而且「還是相信自己會贏」。
3月9日第一局：谷歌人工智慧對弈圍棋世界冠軍：AlphaGo 首戰告捷！
3月9日，曾18次獲得圍棋世界冠軍的南韓圍棋九段棋手李世石與Google旗下Deepmind公司研發的人工智慧程式 AlphaGo在首爾四季酒店開始對弈，結果第一局由 AlphaGo 勝出，之後四局將於10日至15日分別舉行，Deepmind的YouTube頻道均會進行現場直播。
這場被譽為「人機對決」的圍棋比賽將以五局三勝制進行。雙方按此前約定，採用中國規則、黑貼3又3/4子。即使一方首先取得三勝，也會全部下完五局，而最終勝方可獲得100萬美元奬金；假如勝方全勝5局，更可額外多獲25萬美元奬金。
李世石與AlphaGo首戰結束時的棋局。DeepMind直播影片截圖
首局對奕歷時近4個小時。開局時，AlphaGo下子小心翼翼，但進入中局，明顯變得進取，甚至棋行險著。為 Deepmind 擔任直播評論的九段棋手Michael Redmond指 ，AlphaGo相比去年10月攻敗歐洲圍棋冠軍樊麾時，技術又有明顯進步，犯錯更少。
有分析指，由於人工智能的表現比較穩定，第一局已能反映其到能到達的水準，因此透過第一局的勝負已大概能預測到最終戰果。
「我相信這不會是一場旗鼓相當的比賽，估計（最後比分）是5-0或4-1。對我來說，關鍵是一場都不會輸……同機器比賽跟人類有很大差異，假如對手是人，你會感受到對方的呼吸、精神，很多時你會基於一些身體反應而做決定，但對手是機器就沒有這些參考了。」南韓圍棋九段棋手李世石在賽前說。
李世石現年33歲，是當今世界三大圍棋高手之一，出道之初以棋風銳利、擅長大規模攻殺見稱。近年他的棋風更加成熟，在多次世界圍棋大賽中，他均在開始落後的情況下最終逆轉勝出。
李世石的對手是Google旗下Deepmind 公司研發的人工智能程式AlphaGo。去年10月， AlphaGo曾以5局全勢的姿態，擊敗3屆歐洲圍棋冠軍、二段棋手樊麾。
《自然》雜誌於今年1月刊登的文章解釋，AlphaGo在蒙地卡羅樹搜索中同時採用2個深度神經網絡，分別是選擇下子的策略神經網絡（Policy Network）及評估選點的價值神經網絡（Value Network）；前者負責計算每步棋的走法，後者則負責「想像」、推算可能出現的局面，讓AlphaGo 能高度模擬人腦在下圍棋時憑直覺快速鎖定策略的思維邏輯。此外，工程師們為Alpha上載了圍棋高手們超過 3000 萬步的棋步，並讓價值神經網絡進行了高達2000萬次自我對局的訓練，最終才讓AlphaGo走上比賽桌。
本文獲端傳媒授權轉載