AlphaGo的横空出世,对整个围棋界的未来可能带来颠覆性影响。前不久谷歌旗下DeepMind公司的科学家在《自然》杂志发表题目为《无须人类知识掌握围棋》(英文名为“Masteringthe Game of Go without Human Knowledge”)的论文。文章称新一代AlphaGo Zero(阿尔法元)只需要掌握围棋基本规则,通过与自身对弈,40天后以100:0的成绩击败了AlphaGo李世石版。2016年,为了打败人类围棋世界冠军李世石,AlphaGo使用预测下一步的“策略网络(Policy Network)”和评估棋局输赢的“价值网络(Value Network)”两个神经网络。而更为强大的阿尔法元只使用了一个神经网络,也就是上述两个网络的整合版本。今年很多棋文化研究者都有一个共同的发现,包括李喆在其论文中也讲到:年初出现的AlphaGo Master(大师)与新一代AlphaGoZero(阿尔法元)大量使用点三三的下法。随着AlphaGoZero不断的迭代更新,还可能会有更多颠覆性的围棋新下法出现,中国的年轻棋手应该尽快学习和掌握这些新下法,不要被西方国家的棋手捷足先登。经济学领域有一个很重要的观点叫作“路径依赖”(PathDependence),由1993年诺贝尔经济学奖获得者道格拉斯·诺斯(Douglass C.North)提出。“路径依赖”的特定含义是指人类社会中的技术演进或制度变迁均有类似于物理学中的惯性,即一旦进入某一路径就可能对这种路径产生依赖。大家知道,物体的质量越大,惯性也就越大,改变运动方向所需要花费的能量越多。当一个物体不需要调整方向的时候,惯性是有利于物体的运动的,但是当物体要调整方向的时候,惯性恰恰会带来很大的弊端。“路径依赖”就像惯性,实际上不分好坏,但是从经济学角度来看,“路径依赖”通常是指坏的方面。当前,中国站在传统围棋的制高点,拥有3000多年不间断的围棋历史,但同时也背上了围棋下法的包袱。传统的围棋下法类似经济学中的路径依赖,犹如一个体量很大的物体,要改变很困难;与此同时还有一些国家的围棋事业方兴未艾,直接学习人工智能模拟出来的下法,没有任何阻力,历史的包袱会更轻。围棋下法的“路径依赖”是中国围棋面对智能化遇到的第一个挑战。