李世石还能再胜一局吗？

        李世石在第四盘扳回一局，现在人们都期望李世石再胜一局。从报道看，在李世石下78手后，alphaGo在79手的应对时，计算自己的胜率是70%，直到87手才计算出自己的胜率大大下降了。我们知道alphaGo的胜率计算是两个系统计算值取平均。如果当时两个系统计算出的结果差距很大，但平均值达到70%，而计算胜率低的那一个系统是以决策树为主系统，那么我们就可以理解alphaGo出错就在这个简单的取平均上。

         为什么有这种可能？围棋下子的选择，是由对布局的感觉和决策树分析（算子）共同决定的，一步棋对布局的感觉很好，但是算子是不能活或者效果很差。这时候再好的布局也是无用的。（算子能力也是职业棋手远远胜于业余棋手的地方，布局方面由于没有很好的专业训练方法，职业棋手的训练强度很有限，所以有时候反而是劣势）所以这里不是一个取平均的问题，而是两者都必须达到一个阀值，或者算子相关的阀值必须达到阀值，这一落子才是有效的。

         如果这一猜测是对的，我们也就可以理解alphaGo前面所落的一些真正俗子的原因了。但是要改变这一点对alphaGo而言并不难，只要对取平均的步骤替换为偏决策树的系统在中后盘具有否决的阀值，那么就可能让李世石失去最后取胜的机会。这一修改不涉及模型训练的部分，只是最终结果合并的部分，我评估google完全可以在一天之内完成。

         所以当第五局开始的时候，李世石所面对的可能将是一个新的alphaGo。也许李世石将再无胜算了。

         最后顺便谈一下alphaGo的一个重要贡献，就是给出了围棋的势的一种表示和计算的方法。（这是利用了深度学习的成果，但是更多的是alphaGo创造者通过他的智慧，发现了这一表示方法，这一点深度学习还做不到）这使得计算机系统可以处理这一问题。

我们再进一步，是否可以利用alphaGo的这一成果，对职业棋手进行布局方面的训练？因为职业棋手往往只有通过下完一盘棋才能知道自己的布局好不好。而alphaGo可以不断给出评分，大大增加职业棋手布局训练的机会，实现通过人工智能来提升人类智能。

所以alphaGo是人工智能的胜利，更是人类智慧的胜利。我们现在能创造人工智能，但是还不能创造人工智慧。