在象棋和国际象棋中，电脑软件都特别很是厉害，一向以来也只有围棋是“电脑下不过人类”的棋类游戏，而今年1月份谷歌人工智能程序AlphaGo却以5:0的比分以压服式的上风赢了欧洲围棋冠军、专业二段棋手，紧接着AlphaGo又向世界围棋冠军发出了挑衅。这个新闻也让人工智能领域的专家们炸开了锅，随之而来的评价也褒贬不一，而今日，Google Deepmind终于正式宣布了与世界围棋冠军李世石之间的终极挑衅的细致规则。

　　那么又是怎样可以公平的建立人机比赛的规则呢？

　　3月9日至3月15日，AlphaGo将在韩国首尔与李世石进行5场挑衅赛，比赛采用完全平等的规则，没有让子的举动，而获胜者将得到一百万美元奖金，而假如AlphaGo获胜，奖金将会捐奉送联合国儿童基金会（UNICEF）,STEM教育，以及围棋慈善机构。

　　比赛将于北京时间午时12点在首尔四季酒店举行，详细日程如下：

　　1.3月9日（星期三）：首场比赛

　　2. 3月10日(星期四)：第二场比赛

　　3. 3月12日(星期六)：第三场比赛

　　4. 3月13日(星期日)：第四场比赛

　　5. 3月15日(星期二)：第五场比赛

　　比赛将采用贴7.5目的中国规则（比赛结束时，后走棋的棋手贴目），每位棋手各有两小时的时间布局，3次60秒的读秒，每场比赛预计必要大约4-5小时。

　　人工智能在下棋时又是怎样思考的呢？

　　围棋这个有着千年历史的棋类游戏，蕴含了人类伶俐的结晶，而因为盘面纵横有着十九条等距离、垂直交叉的平行线，形成了19*19=361个交叉点，也作育了这个极其复杂的棋盘棋局，在游戏进行当中，它拥有着远比国际象棋更多的选择空间，而这也成为了人工智能研究者们力图在此取得突破的缘故原由。

　　而从机器学习的角度来看，围棋有着3361中局面，大致的体量是10170，纵然是宇宙中，源自的数量也仅仅是1080，国际象棋最大也只有2155中局面，象棋以及其他棋类也多用传统的人工智能方法来思考，通过将所有可能的走法构建成一棵搜索树，进而选择下一步落子的位置，而围棋的多种选择性也让其并不适合传统的人工智能方法，此次谷歌推出的AlphaGo,突破了传统之间运行了的研究方法，将高级搜索树与深度神经网络结合在一路，而神经网络则是通过12个类似于有着数百万个神经连接点的处理层传递棋盘的情况，其中一个神经网络“决策网络”(policy network)负责选择下一步走法，另一个神经网络“值网络”(“value network)则展望比赛胜利方，而Google通过人类围棋高手的三万万步围棋走法训练神经网络，并在其神经网络之间运行了数千局围棋，行使反复试验调整连接点，以实现进一步的进步。

　　而此次Google在围棋领域的突破也有着其他方面的紧张意义，AlohaGo不仅是遵循人工规则的“专家”体系，它通过“机器学习”自行掌握如何赢得围棋比赛，谷歌也盼望可以借这些技术解决实际社会最紧张、最紧迫的题目——从天气建模到复杂的灾祸分析。

　　那么3月9日的AlphaGo和李世石的人机推翻大战的赢家又会是谁呢？