碾压全网的神秘“Master”，原来就是AlphaGo！
从1月2日起，一个叫“Master”的神秘ID在数个知名围棋平台上大杀四方。昨晚连续50胜之后（点击查看），今天它继续刷新着自己的战绩。柯洁、古力、聂卫平纷纷折戟，仅仅在第52局中断了一下连胜纪录——对手陈耀烨九段意外掉线，这一局被系统判定为平局。
没有身份、没有背景、没有历史、没有目的，不与人沟通只一次次刷新着记录，ID始终无人认领。这样神秘的出场方式与前所未见的诡异棋风，不单令围棋界震惊，也引发了网友的围观。无数人登陆Master所在的围棋线上平台、进入棋室观战，也不停有人追问它究竟是谁。
在今晚21点，“Master”终于做出了回应：
之后，新浪直播员马上宣布了这一消息：
而与此同时，昨晚抱病上阵与“Master”对弈的@棋士柯洁 也发布微博，称“作为一开始就知道真身是谁的我来讲，是多么希望网上的快棋人类能赢一盘”：
这条微博再次证实了Master的身份：
神秘ID“Master”
就是阔别归来的围棋AI——
Alpha Go
“阿尔法狗”归来
AlphaGo并不是一个陌生的名字。2016年3月，举世瞩目的围棋“人机世界大战”在韩国首尔上演，比赛一方是围棋世界冠军、韩国名将李世乭九段，另一方，就是谷歌公司研制的人工智能程序AlphaGo。最终，人工智能以4：1大比分赢取了最终的胜利。
如今，网民对他的称号变成了“最后一个战胜AlphaGo的人类棋手”。
那时，有不少针对AlphaGo棋艺的褒贬：有些落子目的不明，有些是大昏招（甚至白白送子给对方吃），似乎在刻意避免打劫……并且，毕竟还是输掉了一局。（见：AI战胜人类职业棋手，围棋界怎么看？）
然而短短9个月后，化身“Master”卷土重来的阿尔法狗，几乎已经无人能胜。
Master对战柯洁的棋局记录。
人类不是第一次在AI面前一败涂地。
1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国际象棋AI。欧美传统里的顶级人类智力试金石，在人工智能“深蓝”面前轰然崩塌，应验了40多年前计算机科学家的预言。
1997年纽约，与IBM深蓝电脑终局对弈开始时，一台电视监视器上的加里·卡斯帕罗夫。 Credit Stan Honda/Agence France-Presse — Getty Images
今夜，我们同样没有人再能赢过“Master”。如果这一记录无人打破，那就意味着国际象棋AI用了不到10年时间完成的战绩，围棋AI只用了不到10个月。
当然，这不见得就是坏事儿。人类画师的仿真能力早就输给了摄影，但绘画也没有因此失去意义；国际象棋的顶尖AI已经连续十年没输给人类了，国际赛事依然如火如荼。围棋也没什么特别，世界第一不过是名分。
但是如果有一天，AI反叛了呢？它们有死穴吗？
在意想不到的地方
绊倒一只AI
2014年底，三位人工智能研究者在arxiv上贴出了一篇论文预印本。论文标题很有趣：《深度神经网络很好骗》。
深度神经网络，是目前最热门的人工智能路线之一，AlphaGo就以它为核心。它在包括围棋在内的许多领域实现了卓越成就，其中就有“视觉分类”任务——神经网络可以相当准确地判断出一张图片是猫还是企鹅。
但研究者却发现，人为设计的图像很容易骗过它们。这本身没什么了不起，人脑也很容易被骗——但是，令神经网络摔倒的那些图，在人看来却是完全正常的。
左图被神经网络判定为熊猫。给它人为叠加上中图所示微小的扰动（实际叠加权重只有0.7%），就获得了右图。在人类看来，左图和右图没有区别；可是AI却会以99.3%的置信度，一口咬定右图是一只长臂猿。
这不是意外的小失误，也不是偶然的bug——我们发现，只要对图片做出一些人类无法察觉的修改，就能让ai把它当成完全不同的东西；还很容易设计出一些图片，人类什么都看不出来，ai却能以99.99%的把握确信它是某个东西。
更有甚者，这些奇特的错误并不限于某个特定的神经网络，能骗过一个AI的图片，也能骗过另一个；它们也不限于图片识别，甚至不限于神经网络本身——研究者所尝试过的所有机器学习模型，都出现了这样的问题。
AI认为左图是一只狗，右图是一只鸵鸟。图片来源：nautilus
八张图在AI眼中分别是知更鸟、猎豹、犰狳、小熊猫、蜈蚣、孔雀、菠萝蜜和气泡。置信度全部在99.6%以上。
而最大的问题是，当神经网络犯下这样的错误时，研究者并没有特别有效的修正办法。
这样的图片，就是“对抗样本”。
对抗样本自然出现的概率确实非常之低。但是它取这个名字并不是没有理由的：如果真的有人在故意采取对抗手段，那么这就有可能成为该系统的死穴（就像那些靠谐音或错别字骗过过滤器的小黄文一样）。
而从绝对数量来看，对抗样本是非常之多的：如果在空间中任取一点，大部分都会被错误归类。
另一种方式构造的八张图，在AI眼中分别是王企鹅、海星、棒球、电吉他、货车、遥控器、孔雀和非洲灰鹦鹉。靠随机生成的图片骗AI并不难。
现在，对抗样本是个坏消息，是系统漏洞。但如果有一天我们真的要和AI正面对决，那么对抗样本也许会成为我们的救命稻草，因为它有这三个特点：
第一，对抗样本并不限于一个具体的神经网络，因此制造对抗样本也不需要获得该模型的源代码之类的东西。只要模型是被训练来执行相同的任务的，它们就会被同样的对抗样本欺骗。
第二，对抗样本很难用常规的办法解决。固费罗的研究组尝试了各种各样传统手段，都不能解决对抗样本问题。有针对性的专门训练可以让模型的抵抗力更强，但也无法真正消灭盲区。
第三，人类不会被这些样本欺骗。当然，人类也会在意想不到的地方跌倒——心理学已经提供了浩如烟海的视错觉和其他错觉例子。还好，AI现在还不知道，嘘……
著名的丁香视错觉图。——人也有bug。
研究者正在努力堵上对抗样本的漏洞，但是完全有可能出现无论如何也堵不上的情况。在这样的背景下，人类和AI的战争如果爆发，也许将进入全新的战场。
其实根本上讲，我们不能说机器被对抗样本“骗”了——也许被骗的其实是我们呢？也许AI真的在那些噪点中发现了某种真正的本质的规律，而我们只是肉眼凡胎不识真面目呢？
但是我们让AI做图像识别，它要分类的图像就是人眼中的场景，它要遵守的规则就是人类大脑的规则。因此某种意义上，我们是主场。
围棋作为一种人类设计的游戏，也许也会是另一个主场。
AlphaGo的源代码尚未公开，但研究者明确指出了它对深度学习的依赖，那么它大概也会被对抗样本困住。
或许某一天，围棋将成为一种双重游戏。对战双方不但要在物理的棋盘上攻城略地，还要设法引导对方步入心智陷阱。应该会有某些棋局能让AI错判，从而让它们下出大错棋，就像现在的研究者能让AI把大熊猫认成长臂猿一样。
同样的机关算尽，人机对战的思路将不同以往。
但是对方的盲区棋局是什么样的？如何下出这样一盘棋局？实现这一局面需要在棋盘上做出多少牺牲？引导对方失误带来的收益能否补偿？是否有可能制造出这样的盘面，令对方陷入更大的心智陷阱，乃至直接死机？
AI反过来也可能也会利用人类的缺陷。我们不知道人类的围棋盲点在哪里，但原则上这也是可能存在的。这一看不见的战场，或许将比看得见的棋盘更加血腥。
截止今夜，化名“Master”的AlphaGo打完了它的最后一局棋，带着60局全胜的战绩下线。我们不知道明天的围棋界将会怎样，但万幸，围棋是人类创造的游戏，这也许能带给我们一些优势。如果哪一天我们必须去玩AI所创造的游戏，那也许才是真正的末日。
ID：Guokr42
整天不知道在科普些啥玩意儿的果壳
我觉得你应该关注一下
本文来自果壳网，谢绝转载
如有需要请联系sns@guokr.com
（欢迎转发到朋友圈~）