Сеул, Южная Корея, 9–15 марта 2016 г. | |
---|---|
Первая игра | AlphaGo W + R |
Вторая игра | AlphaGo B + R |
Третья игра | AlphaGo W + R |
Игра четыре | Ли Седол W + R |
Игра пять | AlphaGo W + R |
AlphaGo против Ли Седола, также известного как Google DeepMind Challenge Match, был матч го из пяти игр между 18-кратным чемпионом мира Ли Седолом и AlphaGo, компьютером . Программа Go, разработанная Google DeepMind, игралась в Сеуле, Южная Корея, с 9 по 15 марта 2016 года. AlphaGo выиграла все игры, кроме четвертой; все игры были выиграны отставкой. Матч сравнивают с историческим шахматным матчем между Deep Blue и Гарри Каспаровым в 1997 году.
Победитель матча должен был выиграть 1 миллион долларов. Поскольку AlphaGo выиграла, Google DeepMind заявила, что приз будет передан благотворительным организациям, включая UNICEF и организации Go. Ли получил 170 000 долларов (150 000 долларов за участие в пяти играх и дополнительные 20 000 долларов за победу в одной игре).
После матча Корейская ассоциация бадук присвоила AlphaGo высшее звание гроссмейстера го - "почетный 9 дан ". Это было дано в знак признания «искренних усилий» AlphaGo овладеть го. Этот матч был выбран Science как один из призеров Прорыв года 22 декабря 2016 года.
Внешнее видео | |
---|---|
Машина тренирует себя, чтобы побеждать людей в самой сложной игре в мире, Retro Report, 2:51, Retro Report |
Го - сложная настольная игра, требующая интуиции, творческого и стратегического мышления.. Это долгое время считалось сложной задачей в области искусственного интеллекта (AI), и ее значительно труднее решить, чем шахматы. Многие в области искусственного интеллекта считают, что го требует больше элементов, имитирующих человеческое мышление, чем шахматы. Математик И. Дж. Гуд писал в 1965 году:
Иди за компьютером? - Чтобы запрограммировать компьютер для разумной игры в го, а не просто в легальную игру, необходимо формализовать принципы хорошей стратегии или разработать обучающую программу. Принципы более качественные и загадочные, чем в шахматах, и больше зависят от суждений. Так что я думаю, что будет даже сложнее запрограммировать компьютер на разумную игру в го, чем в шахматы.
До 2015 года лучшие программы для игры в го могли достичь только уровня любительского дана. На маленькой доске 9 × 9 компьютер показал себя лучше, и некоторым программам удавалось выигрывать часть своих игр 9 × 9 у профессиональных игроков. До AlphaGo некоторые исследователи утверждали, что компьютеры никогда не смогут победить лучших людей в Go. Илон Маск, один из первых инвесторов Deepmind, сказал в 2016 году, что эксперты в этой области считали, что искусственному интеллекту осталось 10 лет победа над лучшим профессиональным игроком го.
Матч AlphaGo против Ли Седола сравним с шахматным матчем 1997 года Deep Blue против Гарри Каспарова. Здесь поражение компьютера IBM Deep Blue над действующим чемпионом Каспаровым рассматривается как символический момент, когда компьютеры стали лучше людей в шахматах.
AlphaGo наиболее существенно отличается от предыдущих попыток искусственного интеллекта тем, что применяет нейронные сети, в которых оценка эвристика не жестко запрограммирована людьми, а вместо этого в значительной степени изучается самой программой через десятки миллионов прошлых совпадений Go, а также собственные совпадения с самим собой. Даже команда разработчиков AlphaGo не может указать, как AlphaGo оценивает игровую позицию и выбирает свой следующий ход. Эти сети направляют поиск в дереве Монте-Карло, который исследует многие шаги в будущее.
Соответствующие результаты исследований применяются в таких областях, как когнитивная наука, распознавание образов и машинное обучение.
AlphaGo победила чемпиона Европы Фань Хуэй, профессионал с 2 данами, 5–0 в октябре 2015 года, впервые ИИ победил человека-профессионала. игрок за игрой на полноразмерной доске без гандикапа. Некоторые комментаторы подчеркнули пропасть между Фаном и Ли, имеющей 9 дан профессионального уровня. Компьютерные программы Zen и Crazy Stone ранее побеждали игроков-людей с рейтингом 9 дан профессионалов с гандикапом в четыре или пять камней. Канадский специалист по искусственному интеллекту Джонатан Шеффер, комментируя победу над Fan, сравнил AlphaGo с «вундеркиндом», которому не хватало опыта, и считал, что «настоящее достижение будет, когда программа сыграет игрока в истинном топе. эшелон ". Затем он считал, что Ли выиграет матч в марте 2016 года. Хаджин Ли, профессиональный игрок в го и генеральный секретарь Международной федерации го, отметила, что она «очень взволнована. "в связи с перспективой того, что ИИ бросит вызов Ли, и думал, что у двух игроков были равные шансы на победу.
После матча с AlphaGo Фань Хуэй отметил, что игра научила его быть лучше игрок, и увидеть то, чего он раньше не видел. К марту 2016 года Wired сообщил, что его рейтинг поднялся с 633 в мире до примерно 300.
Эксперты Го обнаружили ошибки в игре AlphaGo против Фаната. в частности, в связи с недостаточной осведомленностью всего совета. Перед игрой против Ли было неизвестно, насколько программа улучшила свою игру после октябрьского матча. Первоначальный набор тренировочных данных AlphaGo начался с игр сильных игроков-любителей с серверов Internet Go, после чего AlphaGo тренировалась, играя против себя в десятках миллионов игр.
AlphaGo - компьютерная программа, разработанная Google DeepMind для настольной игры Go. Алгоритм AlphaGo использует комбинацию методов машинного обучения и поиска по дереву в сочетании с обширным обучением, как в ходе игры, так и на компьютере. Изначально нейронные сети системы были созданы на основе человеческого опыта игры. AlphaGo изначально был обучен имитировать человеческую игру, пытаясь сопоставить ходы опытных игроков из записанных исторических игр, используя базу данных KGS Go Server, содержащую около 30 миллионов ходов из 160 000 игр по 6–9 сомам игроков-людей.. Как только он достиг определенной степени мастерства, он был дополнительно обучен, настроив играть большое количество игр против других экземпляров самого себя, используя обучение с подкреплением для улучшения своей игры. Система не использует «базу данных» ходов для игры. Как объяснил один из создателей AlphaGo:
Хотя мы запрограммировали эту машину для игры, мы не знаем, какие ходы она будет использовать. Его движения - это возникающий феномен обучения. Мы просто создаем наборы данных и алгоритмы обучения. Но ходы, которые он придумывает, находятся вне наших рук - и намного лучше, чем мы, как игроки в го, могли придумать.
В матче против Ли AlphaGo использовала примерно ту же вычислительную мощность, что и в игре. совпадают с Fan Hui, где использовалось 1202 CPU и 176 GPU. The Economist сообщил, что он использовал 1920 процессоров и 280 графических процессоров. Google также заявил, что его собственные блоки обработки тензора использовались в матче против Ли Седола.
Ли Седол - профессиональный игрок в го 9 дан ранга и является одним из сильнейших игроков в истории го. Он начал свою карьеру в 1996 году (повышен до профессионального дана в возрасте 12 лет), с тех пор выиграв 18 чемпионатов мира. Он - «национальный герой» в своей родной Южной Корее, известный своей нетрадиционной и творческой игрой. Ли Седол первоначально предсказал, что он победит AlphaGo в "оползне". За несколько недель до матча он выиграл корейский Myungin титул главного чемпионата.
Матч состоял из пяти игр с одним миллионом долларов США в качестве главный приз по китайским правилам с 7,5-балльной коми. Для каждой игры было установлено двухчасовое ограничение по времени для каждого игрока, за которым следовали три 60-секундных байо-ёми сверхурочных периода. Каждая игра начиналась в 13:00 KST (04:00 GMT ).
Матч проводился в Four Seasons Hotel в Сеуле, Южный Корея в марте 2016 г. и транслировалась в прямом эфире с комментариями Майкла Редмонда (9 дан, профессионал) и Криса Гарлока. Аджа Хуанг, член команды DeepMind и любитель с 6 даном го игрок поместил камни на доску Go для AlphaGo, которая работала через Google Cloud Platform со своим сервером, расположенным в США.
Игра | Дата | Черный | Белый | Результат | Движение |
---|---|---|---|---|---|
1 | 9 марта 2016 г. | Ли Седол | AlphaGo | Ли Седол ушел в отставку | 186 Игра 1 |
2 | 10 марта 2016 | AlphaGo | Ли Седол | Ли Седол ушел в отставку | 211 Игра 2 |
3 | 12 марта 2016 | Ли Седол | AlphaGo | Ли Седол ушел в отставку | 176 Игра 3 |
4 | 13 марта 2016 | AlphaGo | Ли Седол | AlphaGo ушел в отставку | 180 Игра 4 |
5 | 15 марта ch 2016 | Ли Седол | AlphaGo | Ли Седол ушел в отставку | 280 Игра 5 |
Результат:. AlphaGo 4 - 1 Ли Седол | |||||
^примечание 1: В пятой игре, согласно официальным правилам, предполагалось, что назначение цветов будет производиться случайным образом. Однако во время пресс-конференции после четвертого матча Ли попросил: «... поскольку я выиграл белыми, я действительно надеюсь, что в пятом матче я смогу выиграть черными, потому что победа черными намного ценнее». Хассабис согласился позволить Седолу играть черными. |
AlphaGo (белые) выиграли первую игру. Ли, казалось, контролировал игру большую часть матча, но AlphaGo получил преимущество в последние 20 минут, и Ли подал в отставку. Ли позже заявил, что допустил критическую ошибку в начале матча; он сказал, что стратегия компьютера в начале игры была «превосходной» и что ИИ сделал один необычный ход, который не сделал бы ни один игрок-человек. Дэвид Ормерод, комментируя игру в Go Game Guru, описал седьмой камень Ли как «странный ход для проверки силы AlphaGo в дебюте», охарактеризовав этот ход как ошибку, а ответ AlphaGo как «точный и эффективный». Он описал позицию AlphaGo как благоприятную в первой части игры, учитывая, что Ли начал возвращаться на 81-м ходу, прежде чем сделать «сомнительные» ходы на 119 и 123, а затем «проигрышный» ход на 129. Профессиональный игрок в го Чо Хансеунг прокомментировал, что игра AlphaGo значительно улучшилась по сравнению с тем, когда она победила Фан Хуэй в октябре 2015 года. Майкл Редмонд описал компьютерную игру как более агрессивную, чем против Фан.
По словам гроссмейстера 9 дан Го Ким Сон Рёна, Ли казался ошеломленным сильной игрой AlphaGo на 102-м камне. Наблюдая за тем, как AlphaGo делает 102-й ход, Ли обдумывал свои варианты более 10 минут.
Первые 99 ходов |
ходов 100–186 |
AlphaGo (черный) выиграла вторая игра. Ли позже заявил, что «AlphaGo сыграла почти идеальную игру», «с самого начала игры я не чувствовал, что есть точка, которую я возглавляю». Один из создателей AlphaGo, Демис Хассабис, сказал, что система была уверена в победе с середины игры, хотя профессиональные комментаторы не могли сказать, какой игрок впереди.
Майкл Редмонд (9p ) отметил, что 19-й камень AlphaGo (ход 37) был «творческим» и «уникальным». Ли потребовалось необычно много времени, чтобы отреагировать на этот ход. Янггил (8p) назвал 37-й ход AlphaGo «редким и интригующим ударом плеча», но сказал, что контратака Ли «изящна». Он заявил, что контроль переходил между игроками несколько раз перед эндшпилем, и особенно похвалил шаги AlphaGo 151, 157 и 159, назвав их «блестящими».
AlphaGo показала аномалии и ходы с более широкой точки зрения, которые профессиональный го игроки описывались как выглядящие ошибочно на первый взгляд, но задним числом - преднамеренная стратегия. Как объяснил один из создателей системы, AlphaGo не пытается максимизировать свои очки или свой запас победы, но пытается максимизировать свою вероятность победы. Если AlphaGo придется выбирать между сценарием, в котором он выиграет с разницей в 20 очков с вероятностью 80 процентов, и другим сценарием, где он выиграет с разницей в 1,5 очка с вероятностью 99 процентов, он выберет последний, даже если ему придется отказаться от очков, чтобы достичь Это. В частности, ход 167 AlphaGo, казалось, дал Ли шанс на борьбу, и комментаторы объявили его очевидной ошибкой. Ан Янгил заявил: «Значит, когда AlphaGo делает слабый ход, мы можем рассматривать это как ошибку, но, может быть, это более точно следует рассматривать как объявление победы?»
Первые 99 ходов |
Ходы 100–199 |
Ходы 200–211 |
AlphaGo (белые) выиграли третью партию.
После второй игры игроки все еще сомневались, действительно ли AlphaGo сильный игрок в том смысле, каким мог бы быть человек. Третья игра была описана как устранение этого сомнения; аналитики отмечают, что:
AlphaGo победила настолько убедительно, что убрала все сомнения в ее силе в сознании опытных игроков. На самом деле, игра играла так хорошо, что это было почти страшно... Заставляя AlphaGo выдержать очень серьезную одностороннюю атаку, Ли показал свою до сих пор незамеченную силу... Ли не получал достаточной прибыли от своей атаки....Один из величайших виртуозов средней игры только что был отодвинут на второй план в черно-белой прозрачности.
По словам Ан Янгил (8p) и Дэвида Ормерода, игра показала, что «AlphaGo просто сильнее любого известного игрока в го». " Было замечено, что AlphaGo умело преодолевает сложные ситуации, известные как ko, которые не возникали в предыдущих двух матчах. Ан и Ормерод считают ход 148 особенно примечательным: в середине сложного ко-боя AlphaGo продемонстрировал достаточную «уверенность» в том, что он выигрывал бой, чтобы сделать большой ход в другом месте.
Ли, играя черными, открылся с помощью высококитайской формации и создал большую зону влияния черных, в которую AlphaGo вторглась на 12-м ходу. Это потребовало от программы защиты слабой группы, что она и сделала. Ан Янгил описал ход Ли 31 как возможный «проигрышный ход», а Энди Джексон из Американской ассоциации го считал, что исход уже был решен к 35-му ходу. AlphaGo получила контроль над игрой к 48-му ходу, и вынудил Ли перейти к обороне. Ли контратаковал на ходах 77/79, но ответ AlphaGo оказался эффективным, и его ход 90 позволил упростить позицию. Затем он получил большую зону контроля в нижней части доски, укрепив свои позиции с помощью ходов от 102 до 112, которые Ан назвал «сложными». Ли снова атаковал на 115 и 125 ходах, но ответ AlphaGo снова оказался эффективным. В конце концов Ли попытался выполнить сложное ко на 131-м ходу, не вызвав ошибки в программе, и отказался на 176.
Первые 99 ходов |
Ходы 100–176 (122 на 113,. 154 на , 163 - 145, 164 - 151,. 166 и 171 - 160, 169 - 145, 175 - ) |
Ли (белые) выиграл четвертую игру. Ли решил сыграть тип экстремальной стратегии, известной как ответ на очевидное предпочтение AlphaGo (попытки выиграть за счет множества небольших выигрышей, когда появляется возможность), захват территории по периметру, а не в центре. Поступая таким образом, его очевидная цель состояла в том, чтобы заставить стиль ситуации «все или ничего» - возможная слабость оппонента, сильного в переговорных типах игры, и тот, который может сделать способность AlphaGo определять незначительные преимущества в значительной степени неактуальной.
Первые 11 ходов были идентичны Вторая игра, где Ли также играл белыми. В начале игры Ли сосредоточился на захвате территории по краям и углам доски, что позволило Альфу aИдите, чтобы получить влияние наверху и в центре. Затем Ли вторгся в область влияния AlphaGo наверху с 40-го по 48-й ход, следуя стратегии амаси. AlphaGo ответил ударом плечом на 47-м ходу, впоследствии пожертвовав четырьмя камнями в другом месте и получив инициативу на ходах с 47 по 53 и 69. Ли протестировал AlphaGo на ходах с 72 по 76, не вызвав ошибки, и к этому моменту комментаторы партии уже начал чувствовать, что игра Ли проиграна. Однако неожиданная игра белыми 78, описанная как «блестящий тэсудзи», перевернула игру. Этот ход образовал белый клин в центре и увеличил сложность игры. Гу Ли (9p) описал его как «божественный ход » и заявил, что этот ход был совершенно непредвиденным. от него.
AlphaGo плохо отреагировала на 79-м ходу, и тогда, по ее оценке, у нее был 70% шанс выиграть игру. Ли последовал сильным ходом белыми 82. Первоначальная реакция AlphaGo на ходах с 83 по 85 была уместной, но на 87-м ходу его оценка шансов на победу внезапно резко упала, что спровоцировало его на серию очень плохих ходов со стороны 87 черных. до 101. Дэвид Ормерод охарактеризовал ходы с 87 на 101 как типичные ошибки программы в Монте-Карло. Ли повел ход белых 92, и Ан Янгил назвал 105 ход черных последним проигрышным ходом. Несмотря на хорошую тактику во время ходов с 131 по 141, AlphaGo не смогла восстановиться в эндшпиле и сдалась. Отставка AlphaGo была вызвана тем, что она оценила свои шансы на победу менее 20%; это сделано для того, чтобы соответствовать решению профессионалов, которые уходят в отставку, а не играют до конца, когда их положение кажется безвозвратным.
Ёнгил из Go Game Guru пришел к выводу, что эта игра была «шедевром для Ли Седола и почти наверняка станет известной игрой в истории го ». Ли прокомментировал после матча, что, по его мнению, AlphaGo была сильнейшей в игре белыми (вторая). По этой причине он попросил его сыграть черными в пятой партии, которая считается более рискованной.
Дэвид Ормерод из Go Game Guru заявил, что, хотя анализ игры AlphaGo около 79–87 годов еще не был доступен, он полагал, что это результат известной слабости игровых алгоритмов, использующих дерево Монте-Карло. поиск. По сути, поиск пытается отсечь менее релевантные последовательности. В некоторых случаях игра может привести к очень специфической линии игры, которая имеет большое значение, но которую упускают из виду, когда дерево обрезается, и поэтому этот результат "вне поля зрения поиска".
Первые 99 ходов |
Ходы 100–180 (177 при , 178 при ) |
AlphaGo (белые) выиграли пятую партию. Игра была описана как близкая к успеху. Хассабис заявил, что результат пришел после программы совершил «серьезную ошибку» в начале игры.
Ли, играя черными, начал игру так же, как и в первой игре, а затем начал разбивать территорию в правом и верхнем левом углах - стратегия, аналогичная стратегии тот, который он успешно использовал в игре 4 - в то время как AlphaGo получил влияние в центре доски. Игра продолжалась до тех пор, пока белые не пошли с 48 на 58, которые AlphaGo сыграл в правом нижнем углу. Эти ходы без необходимости теряли ко-угрозы и адзи, что позволяло Ли Майкл Редмонд (9р) предположил, что, возможно, AlphaGo пропустила «сжатие надгробной плиты» Блэка Тесудзи. Людей учат распознавать конкретный паттерн, но это длинная последовательность движений, если ее нужно вычислять с нуля.
AlphaGo затем начала развивать верхнюю часть доски, а также центр, и успешно защищалась от атаки Ли на ходах с 69 по 81, которую Дэвид Ормерод охарактеризовал как чрезмерную осторожность. К ходу хода белых 90 AlphaGo вернул себе равенство, а затем сыграл серию ходов, которые Ормерод назвал «необычными... но слегка впечатляющими», что дало небольшое преимущество. Ли попробовал выполнить пас «Радуйся, Мария» с ходами 167 и 169, но защита AlphaGo оказалась успешной. Янгил отметил, что ходы белых 154, 186 и 194 особенно сильны, и программа сыграла безупречный эндшпиль, сохраняя лидерство до тех пор, пока Ли не сдался.
Первые 99 ходов |
ходы 100–199 (118 на 107, 161 на ) |
Перемещается на 200–280 (240 на 200, 271 на ,. 275 на , 276 на ) |
Живое видео игр и соответствующие комментарии транслировались на корейском, китайском и других языках. Японский и английский языки. Освещение на корейском языке осуществлялось через Baduk TV. Освещение игры 1 на китайском языке с комментариями игроков с 9 данами Гу Ли и Кэ Джи было предоставлено Tencent и LeTV соответственно, охват около 60 миллионов зрителей. Онлайн-трансляция на английском языке представлена 9 даном США Майклом Редмондом и Крисом Гарлоком, вице-президентом Американской ассоциации го, достигло в среднем 80 тысяч зрителей с пиком в 100 тысяч зрителей ближе к концу игры 1.
AlphaGo Победа стала важной вехой в исследованиях искусственного интеллекта. Ранее Go считался серьезной проблемой в машинном обучении, которая, как ожидается, будет недоступна для технологий того времени. Большинство экспертов считали, что до такой мощной программы Go, как AlphaGo, осталось не менее пяти лет; некоторые эксперты считали, что потребуется еще как минимум десять лет, прежде чем компьютеры победят чемпионов го. Большинство наблюдателей в начале матчей 2016 года ожидали, что Ли победит AlphaGo.
С такими играми, как шашки, шахматы, а теперь и в го, выигранными компьютерными игроками, победы в популярных настольных играх больше не могут служить важными вехами для искусственный интеллект, как раньше. Deep Blue Мюррей Кэмпбелл назвал победу AlphaGo «концом эпохи... настольные игры более или менее сделаны, и пора двигаться дальше».
По сравнению с Deep Blue или Watson лежащие в основе AlphaGo алгоритмы потенциально являются более универсальными и могут свидетельствовать о том, что научное сообщество делает успехи в направлении общего искусственного интеллекта. Некоторые комментаторы считают, что победа AlphaGo дает обществу хорошую возможность начать обсуждение подготовки к возможному будущему столкновению с машинами с универсальным интеллектом. В марте 2016 года исследователь ИИ Стюарт Рассел заявил, что «методы ИИ развиваются намного быстрее, чем ожидалось, (что) делает вопрос о долгосрочных результатах более актуальным», добавив, что «для того, чтобы гарантировать, что все более мощные системы искусственного интеллекта остаются полностью под контролем человека... предстоит еще много работы ». Некоторые ученые, такие как физик Стивен Хокинг, предупреждают, что некоторый будущий самосовершенствующийся ИИ может получить реальный общий интеллект, что приведет к неожиданному захвату ИИ ; другие ученые не согласны: эксперт по искусственному интеллекту Жан-Габриэль Ганашиа считает, что «такие вещи, как« здравый смысл »... никогда не могут быть воспроизведены», и говорит: «Я не понимаю, почему мы должны говорить о страхах. Напротив, это вселяет надежды. во многих областях, таких как здоровье и исследование космоса ». Ричард Саттон сказал:« Я не думаю, что люди должны бояться... но я действительно думаю, что люди должны обращать внимание ».
Команда DeepMind AlphaGo получила первую медаль IJCAI Марвина Мински за выдающиеся достижения в области ИИ. «AlphaGo - прекрасное достижение и прекрасный пример того, за что была начата медаль Мински», - сказал профессор Майкл Вулдридж, председатель комитета по наградам IJCAI. «Что особенно впечатлило IJCAI, так это то, что AlphaGo достигает того, что он делает, благодаря блестящей комбинации классических методов искусственного интеллекта, а также современных методов машинного обучения, с которыми так тесно связан DeepMind. Это захватывающая демонстрация современного искусственного интеллекта, и мы рады, что удостоились этой награды ».
Го - популярная игра в Южной Корее, Китае и Японии, и этот матч смотрели и анализировали миллионы людей по всему миру. Многие ведущие игроки в го охарактеризовали неортодоксальные игры AlphaGo как кажущиеся сомнительными ходы, которые поначалу сбивали с толку зрителей, но имели смысл в ретроспективе: «Все, кроме лучших игроков в го, создают свой стиль, подражая лучшим игрокам. AlphaGo, кажется, имеет совершенно оригинальные ходы, которые создает сама. " AlphaGo, казалось, неожиданно стал намного сильнее, даже по сравнению с его матчем в октябре 2015 года против Fan Hui, где компьютер впервые в истории победил профессионала го без преимущества гандикапа.
игрок номер один в Китае. Ке Цзе, который в то время был лучшим игроком в мире, первоначально утверждал, что сможет победить AlphaGo, но отказался играть против него, опасаясь, что это будет «копировать мой стиль». По ходу матчей Кэ Цзе ходил туда-сюда, заявляя, что «весьма вероятно, что я (мог) проиграть» после анализа первых трех матчей, но восстановил уверенность после четвертого матча.
Тоби Мэннинг, судья матча AlphaGo с Фань Хуэй и Хаджин Ли, генеральный секретарь Международной федерации го, оба считают, что в будущем игроки в го будут получать помощь от компьютеров, чтобы узнать, что они сделали неправильно в играх. и улучшить свои навыки.
Ли извинился за свои поражения, заявив после третьей игры, что «я недооценил возможности AlphaGo и почувствовал себя бессильным». Он подчеркнул, что поражение было «поражением Ли Седола», а не «поражением человечества». Ли сказал, что его окончательная потеря из-за машины была «неизбежной», но заявил, что «роботы никогда не поймут красоту игры так же, как мы, люди». Ли назвал свою победу в четвертой игре «бесценной победой, которую я (не променяю) ни на что».
В ответ на матч правительство Южной Кореи объявило 17 марта 2016 года, что оно вложит 863 миллиона долларов (1 триллион вон) в исследования искусственного интеллекта (ИИ) в течение следующих пяти лет.
Был снят документальный фильм о матчах под названием AlphaGo. 13 марта 2020 года фильм был размещен бесплатно на канале DeepMind YouTube.
Официальный комментарий матча Майкла Редмонда (9 дан профи) и Криса Гарлока на канале Google DeepMind на YouTube:
Координаты : 37 ° 34 ′ 14 ″ N 126 ° 58′31 ″ E / 37,5706 ° N 126,9754 ° E / 37,5706; 126,9754