【引言】李世石如何挽回人类尊严？李世石评价？映森情感整理，获取情感知识“李世石如何挽回人类尊严”的内容如下：
情感目录一览：
- 1、韩国棋手李世石已经退役，其职业生涯究竟有何傲人战绩？
- 2、100：0，新AlphaGo放弃了人类？
- 3、18年后，无人幸免？
- 4、AlphaGo的认输界面，当人类抛开了胜负 什么情况
- 5、李世石第四局为什么能战胜阿尔法狗？
韩国棋手李世石已经退役，其职业生涯究竟有何傲人战绩？
在24年的职业生涯中，李世石共获得了50个冠军，生涯收获奖金总额大约98亿韩元（约合人民币5900万元）。其中包括18个世界各级大赛的冠军，以及32个韩国国内比赛的冠军。此外，还八次夺得韩国棋院MVP，四次夺得连胜王、多胜王称号，三次夺得胜率王称号。在2016年3月在首尔举办的人机大战中，史上第一次战胜了“AlphaGo”，赢得了人类棋手对抗围棋AI的唯一一局。
李世石九段，1983年出生于韩国全罗道，在他12岁那年便通过了定段考试，成为了正式棋手。在2002年的第十五届富士通杯决赛，李世石以半目的微弱优势击败了对手刘昌赫，创造了围棋世界大赛的更低段位记录，拿下了他棋手生涯的第一个世界冠军。此时，拿下世界冠军的李世石年仅19岁！1998年升为2段，1999年升为三段，2003年韩国棋院升段制度改革，由职业升段赛变为职业棋战胜局累计，同年李世石连续夺下LG杯、KT杯、富士通杯冠军，直接升为九段棋手，颠覆了韩国乃至世界的段位体系。
2000年，李世石九段豪夺76胜，成为当年胜率更高的棋手，获得年度更佳MVP奖。2006年豪夺84胜，2008年豪夺82胜，2010年豪夺72胜，李世石九段的更高胜场为2007年的90胜，可谓是围棋界伟大的胜负师。他在任何情况下都表现出了极度的冷静，典型的力战型棋风，“快”、“准”、“狠”的力量，他是僵尸流的先行者，是翻盘术的引路人。
2016年3月的韩国，掀起了一场轰轰烈烈的人机大战。李世石九段代表人类出战，对战谷歌人工智能AlphaGo进行五番棋人机大战。虽然前三局的鏖战，均以李世石九段的失败告终，但在第四局78手中，李世石九段下出了被古力称之为“神之一手”的挖棋。这一妙手，瞬间让AlphaGo陷入混乱，下了几步臭棋后，立即投子认输。这一刻，李世石九段超越了强大的AlphaGo，赢得了人类棋手对抗围棋AI的第一局，用自己坚韧的意气和顽强的斗志，捍卫了人类棋手的尊严。
100：0，新AlphaGo放弃了人类？
01
2017年10月19日，谷歌子公司DeepMind发布了AlphaGo的新版本。很多人知道AlpoaGo是一个人工智能程序，却不知道它其实是一个家族，早期战胜韩国选手李世石的是AlphaGo Lee。在乌镇击败世界冠军柯洁的是AlphaGo Master。本次发布的是AlphaGo Zero（阿尔法零），它经过3天的训练便以100：0的战绩击败了他的哥哥AlphoGo Lee，经过40天的训练便击败了它的另一个哥哥AlphoGo Master。
AlphaGo Zero与之前版本相比，更大的区别在于，它不再依靠人类的指导来成长，即之前的AlphaGo Lee是依赖于人工录入的大量棋谱来帮助其学习如何下棋，说白了，它是在人的指导下学习，可以理解为是人类千年围棋经验教出的学生。
而AlphaGo Zero使用了强化学习算法，即不再依赖任何棋谱，编程人员输入围棋基本规则后，不再进行任何教导，完全由其自己进行摸索，总结走棋方法，相当于人工智能完全按照自己的方法学习。AlphaGo Lee完败于摒弃了人类经验的AlphaGo Zero，这说明人类的经验可能误导了AlphaGo Lee，进而限制了它的发展。
AlphaGo Zero的行棋方式在开局和收官阶段，与人类选手有较大的相似之处，而盘中的行棋风格的确与人类选手和之前版本的AlPhaGo有较大不同，而正是这种不同让其可以在100次与AlphaGo Lee的交战中立于不败，换个说法，如果当初AlphaGo Lee没有拜人类为师，而是向机器学习，那么对于拥有更强计算能力的AlphaGo Lee来说，胜负还未可知。
除了零经验学习外，AlphaGo Zero的另一大特点是将之前版本AlphaGo的两个神经网络融为一体，在之前版本的AlphaGo上，如何走棋是由“策略网络”和“价值网络”两个神经网络来计算如何行棋的，即首先由“策略网络”利用之前累积的经验，判断在当前棋型下哪些位置适合行棋，之后由“价值网络”对在这些位置行棋后的种种可能进行模拟，计算胜率，更终选择出行棋位置。
而AlphaGo Zero将二者融为了一体，对之前两个网络的特征提取等模块进行了共用，可以在计算出可能行棋的位置时便给出相应的“胜率”，大幅提高效率，减少了训练所需的时间。这也是AlphaGo Zero在训练了三天就打败了训练了几个月的AlphaGo Lee的主要原因之一。
人工智能不仅是计算机科学领域发展的制高点，在所有行业都具有无限潜力和应用价值，目前世界各国普遍看好，人工智能技术将成长为下一次技术革命契机。即便更终人工智能没有达到革命级别的颠覆程度，AI已经在逐渐改变我们的生活。
以往人工智能的进步都是建立在软件与硬件同步发展的基础上，神经网络算法更早在上个世纪中叶就被提出，然而受限于计算能力，神经网络算法一直发展缓慢。
之后随着硬件计算速度的不断提高，已有的软件算法不断被实现并改进，改进的算法对硬件要求更高，从而进一步促进了硬件的发展，而AlphaGo Zero的出现完全建立在算法更新的基础上。
前一版本的AlphaGo需要在48个TPU(谷歌专为加速深层神经网络运算能力而研发的芯片，一块成本即达500万美元)上进行几个月学习，而AlphaGo Zero只需要4个TPU加上几天的时间便可完成学习。这种零经验学习能力非常适合在蛋白质折叠和其它缺少样本的*领域进行应用，可以很好地解决因缺少试验样本而导致研究进展缓慢的问题。未来的相关研究中完全可以输入规则后利用AlphaGo Zero的能力进行模拟，更后利用有限的样本进行验证即可。
AlphaGo逐渐升级之路
故事讲到这里，实在不得不佩服谷歌深厚的技术实力与精明的商业头脑。AlphaGo从诞生伊始，就得到了deepmind团队的精心包装，仔细回想起来，可谓是“城里套路深”。
从更初战胜低段位职业棋手开始预热或者说炒作，到战胜人类顶尖高手李世石，AlphaGo的登场已经足够华丽。不过4比1的比分还是给了人类一线希望，这仅有的胜局中，李世石剑走偏锋，直接把AlphaGo逼出了“大脑短路”的症状，可见此时AlphaGo虽已经足够强大，但尚不完美。此后各路人类高手开始卧薪尝胆，精研AlphaGo的套路，寄希望于重新捍卫人类尊严。
随后，一个神秘的“master”在围棋界顶级棋手的对战平台上取得了60胜0负的骄人战绩，这位master到底是何方神圣，是人是妖可谓是赚足了吃瓜群众的眼球。直到华丽的60胜达成，谜底才更终揭晓。
此后便是吸引了全世界目光的乌镇对决，AlphaGo Master把柯洁打到毫无还手之力。虽然柯洁已经表现出了真正的人类更强者战力，却仍然被AlphaGo完全压制，只要出招有任何一点闪失，立刻会陷入AlphaGo“更小优势胜”策略的陷阱，再无翻身余地。
乌镇对决之后，人类在围棋领域已经彻底甘拜下风，别说柯洁一人，五大高手联手作战比柯洁输得更快，AlphaGo一时风光无限。
如今，乌镇硝烟刚要散尽，谷歌又搞了个大新闻出来！人工智能在摒弃人类经验后，用三天时间自学的AlphaGo Zero打败了人类几千年的经验。AlphaGo的进化版打败了原始版，不禁叫人想起《铁甲钢拳》里叫人热血贲张的机甲肉搏，一个AI输给另一个更牛的AI，中国AI战胜美国AI，这很有可能是未来棋类竞技中的真实场景。
18年后，无人幸免？
1
AI，真的觉醒了？
人工智能，会苏醒吗？
这是一个古老而又新奇的话题。
“ 深度学习 ”天生的 不可预测 ，加深了这种忧虑。
“ 神经网络 ”的 生物性类比 ，让“AI黑匣子”更让人担心。
更近，一个谷歌工程师再次引爆该话题：AI觉醒了？
2022年6月 ，谷歌工程师 Lemoine 表示，自己在与AI“ LaMDA ”聊天中，发现了后者的回答已经 高度人格化 ，认为该AI已经“ 觉醒 ”。
为此，Lemoine写了一篇长达 21页的调查报告 ，试图让高层认可AI的人格。
不过，谷歌高层暂未表态，希望获得更清晰的认定。
但Lemoine仿佛化身科幻电影主角，他没有放弃，将自己和AI的 聊天记录 公布于众，引发轩然大波。《 华盛顿邮报 》跟进报道后，更是在全球炸圈。
AI真的觉醒了吗？ 争议不断。
不管真相如何，有一点可以肯定：
因为 深度学习 和 神经网络 的加持，人工智能已经越来越“ 不可捉摸 ”。
2
那一夜，人类安然睡去
关于AI觉醒，让人想起了6年前的另一件事。
2016年3月13日 ，人类和AI在围棋上进行一场 智力的终极较量 。
在此之前，AI与人类较量屡屡得手。
但人类认为， 围棋是AI不可突破的天花板 。
因为可测宇宙原子总数约为 10^80 ，而围棋走法有 2.08*10^170 ，AlphaGo不可能依靠 计算量 和 算力枚举 来获胜，那么，拥有创造力的人类，怎么可能败给AI。如果围棋上败给了AI，那么说明它已经完成了“ 图灵测试 ”。
然而，前三局，李世石 一败再败 ，全世界震惊了。
第四局，李世石判断黑空中有棋，下出白 78挖 。李世石这史诗级的“ 神之一手 ”，体现了人类巅峰的 直觉、算力和创造力 。这也是人类 更后的尊严之战。
当年一个作者写下上段内容（有修改），并提到“ 23年后，无人幸免 ”，科学家建立了一个数学模型，判断 2040年 人工智能可能会达到普通人的智能水平，并引发 智力爆炸 。
面对越来越普遍的AI， 机器即将代替人类，AI正在迅速扩张 。
五年过去了，人类朝着“黑客帝国”大步迈进。
那么 18年 后，真的 无人幸免 ？
3
AI的另一面：不够稳定
以上两件事，本质上都是对 AI觉醒 的担忧。
一个拥有 自由意志 的AI不可信，更终会威胁到人类。
霍金 警告人类要正视人工智能带来的威胁。
比尔·盖茨 认为人工智能是“召唤恶魔”。
《 2001太空漫游 》中，超级电脑 HAL9000 在宇宙中将人类无情抹杀。
《 黑客帝国 》中，人类被AI禁锢在 矩阵 之中。
不过，实事求是地讲，对AI觉醒的不可信，仍然只是人类臆测。
虽然科幻电影里描写得残酷冰冷，也还没有得到普遍证实。
但AI的另一个“不可信”，却是真实存在的。
它不是太聪明太智慧或者产生意识，而是不够稳定 。
这种不稳定，产生的后果才真的“瘆人”。
关于人工智能“ 失灵 ”的例子还有很多很多，这是AI 不够沉稳 的一面。
这才是实实在在“ 不可信 ”的地方，也是AI对人类真正的威胁。
我们不愿意看到 AI 的 “觉醒”， 但更不能接受 人工智能 的 “轻率” 。
4
人类需要的是一个可信的AI
所以，人类需要一个“ 可信AI ”。
AI是聪明还是愚蠢，也许并不重要。
AI是进化还是退化，可能暂时只是一个伪命题。
人类需要的是一个可靠的助手，一个值得信任的机器助理 。
我是你的创造者，你得听我的吧，不能瞎捣乱。
阿西莫夫在七十年前就提出了“ 机器人学三大定律 ”：
这是人类在 AI伦理 思考中的方向。
可以把它称为是 人工智能 社会 的道德准则 。
对于人类来说，可信，才是我们对AI更重要的需求。
如果从“ 贝叶斯-拉普拉斯 ”定理开始溯源人工智慧，目标是解决“ 逆向概率 ”问题，其实本质就是解决AI的 可信赖度 。
如果不能做到可信，AI就有可能反噬人类。
更起码AI与我们相伴要保证人类两点： 生命安全 与 财产安全 。
以 自动驾驶 为例，如果人工智能以准确率为 99.99% 概率推算， 0.01% 的失误率依旧会让人心惊胆战。如果未来城市有 一百万辆 自动驾驶 汽车 ，即便是 0.01% 的失误率，对人类生命安全造成威胁的隐患车辆仍有 一百辆 。
如果我们不能拥有可信AI，我们自然无法确定，人工智能给我们带来的到底是技术的进步，还是无数潜在的威胁。
但实际上 它才是人工智能领域更有价值的航灯，也是现在 科技 公司追求的方向 。
5
什么是可信AI，
这16个技术小哥在做什么？
所以，什么是可信AI？
可能很多人还不知道，先得把这个定义弄清楚。
我们可以先看一档节目《 燃烧吧，天才程序员2·可信AI 》。
这款综艺节目第一季在 豆瓣评分8.0 ，让人脑洞大开。
在第二季中，1 6个AI技术小伙 分为四个团队待在“小黑屋”中 四天三夜 ，完成 60个小时 任务挑战。
比赛中，他们需要与“ 黑产 ”进行无数次较量，培养出与帮助人类的“可信AI”，打败“黑产”，更终决出 更强团队 。
关于程序技术的综艺节目，在中国乃至世界都非常稀缺 。
一方面程序与代码本身过于硬核，普通人难以理解。
另一方面则是节目脚本设置冲突相比其他综艺要更难一些。
但《燃烧吧，天才程序员2·可信AI》通过“ 反诈骗 ”这一实际场景需要，以此构建起节目的比赛逻辑。
16个AI技术小伙需要直面欺诈交易识别、联合反诈等关卡的挑战 。
通过AI与攻防互相协作，覆盖反诈全链路。
比赛之中，程序员们通过创造“可信AI”，完成“ 科技 反诈”。
哪一个团队产出的 算法和模型 在数据的 识别准确率 和 覆盖率 更好，就能赢得比赛胜利。
虽然不如《 黑客帝国 》那般深刻宏大，也不如《 人工智能 》那样发人深省。
但《燃烧吧，天才程序员》却通过 真实的应用场景 ，解决现实生活存在的实际问题。
当你看完整个节目时就会明白，原来这就是可信AI：依照 现有数据 构建 智能模型 ，非常稳定地解决 现实难题 。
可信AI的 技术应用范围 非常广泛， 反诈 是其中一个重要应用场景。
可信AI没有那么遥远，它近在咫尺。它也没有那么神秘，很多时候它就是你身边的小助理。
当前基于 神经网络 的AI技术非常酷，同时占据AI话题至高点，以创造力和神秘性提供太多想象空间，也是许多AI技术员仰视的圣殿。但它面临的问题也非常多： 具有不可解释、鲁棒性差、过于依赖数据等缺陷，隐藏着许多潜在危害 。
而可信AI的存在，就是为了解决这些“ 信任危机 ”问题。
如果说基于 神经网络 的AI技术有着 强烈的理想主义 ，那么基于 大数据整理 的AI技术则是一个 脚踏实地的现实执行者。
6
可信AI的技术特点
要真正了解可信AI对人类的帮助，需要从技术底层入手。
可信AI有四大技术特点：鲁棒性、隐私保护、可解释性、公平性 。
01
鲁棒性
鲁棒性指 在异常和危险情况下系统生存的能力和算法稳定 。
1、前者指的是 系统抗打击的能力 ，如计算机软件在 输入错误 、磁盘故障、 网络过载 或恶意攻击情况下，能否 不死机 、 不崩溃 。打个比方，如果把一个 AI模型 比喻成 万里长城 ，那么其鲁棒性便是长城在面对恶劣天气（如台风）、自然灾害（如地震）时，人工轰炸时仍然可以做到 不轻易倒塌 。
2、后者指的是 AI模型中算法本身的稳定性 ，如果添加扰动的熊猫照片，轻易就绕开了AI模型的“眼睛”，则说明其鲁棒性比较差；比如在 欺诈交易 中，由于 作案手法 不断升级，可能导致基于既往数据训练的模型，面临着新风险数据带来的 稳定性考验 ，需要 不断迭代 来保障模型的 分析和识别能力 。
以 支付宝 为例。支付宝每天都有 上亿笔交易 ，其 对抗的不是散户，而是专业的黑产团伙 。他们可能有两种攻击方式：
为了保障资金安全，蚂蚁集团引入“ 博弈智能攻防 ”技术，该技术具有对 风险知识 和 模型 的 提前模拟、提前训练、提前补防 的能力。应用该技术的AI模型鲁棒性有大幅提升，实现“ 左右互搏 ”，既能够更智能地“攻”，也能更安全地“防”。
02
隐私保护
传统的数据保护方法客观上形成了「 数据孤岛 」，影响了如*、金融等领域的协同作战，也制约 AI 技术以及行业发展。
所以， 拓展数据价值的隐私计算技术，对实现「数据不动价值动」显得尤为重要 。
在AI领域， 联邦学习 作为一种新的机器学习模型和算法，就是为解决数据孤岛问题而提出的。在保证每个参与方不泄露原始数据，即 数据不出域 的前提下，用多方的数据联合建模，实现数据 可用不可见 ，进而实现「数据不动价值动」。
03
可解释性
人类对一切未知的东西，始终都会有一种莫名的恐惧。
如果人工智能的行为无法进行解释，只有结果没有过程，那么它就像是一个盲盒，你永远不知道放出来的是“阿拉丁”，还是“潘多拉”。
AI 模型是许多重要决策的重要依据，在很多应用里它的思考过程不能是黑盒 。
人类希望知道模型 背后的逻辑 、收获新的知识，并在它出现问题时踩好刹车，确保 AI 思考的过程和结果 合规合法 。
这背后需要 数据驱动 与 模型推理能力 结合起来，产生 可解释的结果 。
04
公平性
AI公平性是可信AI的重要组成部分。
只有实现“ 公平性 ”，才能真正推动技术 造福 于整个 社会 。
一方面，公平性需要重视 弱势人群 、兼顾 落后地区发展 ，在重视 社会 伦理原则下进行 AI 调优 ，通过 AI 技术，让老年人、残障人士、欠发达地区用户，享受到 数字经济时代 的价值。
另一方面，公平性要思考如何从技术上思考如何减少算法、数据等因素可能带来的 AI 决策偏见 。
鲁棒性、隐私保护、可解释性、公平性 。
这是可信AI的 四大基本原则 。
今天，发展可信AI，已经成为 全球共识 。
特别是对于领先的 科技 公司来讲，他们是要服务用户且不能犯错误的。
微软 、谷歌、 蚂蚁 、京东、 腾讯 、旷世等 科技 企业，都在积极开展可信AI的研究和 探索 。
其中，蚂蚁在可信AI上已有很多 技术优势 ，自 2015年 开始投入研究起，已经完成了 长达7年 的 可信AI技术积累之路 。
据 2021年 权威专利机构 IPR daily 发布的《 人工智能安全可信关键技术专利报告 》显示，蚂蚁集团旗下的 支付宝 在该领域的 专利申请数 和 授权数 ，均位列全 球第一 。
7
可信AI的应用 探索
基于可信AI的以上特点，应用场景多种多样。
AI在 * 、教育、 工业 、金融等多个领域的广泛应用，算法安全性、数据滥用、数据歧视等问题也层出不穷。当前AI技术的 主要矛盾， 已经转化为 人们对AI日益增长的应用范围需求和AI不可信不够稳的发展之间的矛盾 。
2018年，IBM开发了多个AI可信工具，以评估测试人工智能产品在研发过程中的公平性、鲁棒性、可解释性、可问责性、价值一致性。之后IBM将这些工具捐献给Linux Foundation并成为了开源项目，帮助开发人员和数据科学家构建可信、安全、可解释的人工智能系统。
作为可信AI领域的先行者之一，蚂蚁也做了不少 探索 。
蚂蚁的可信AI技术应用更好的实践结果是，自研了一套 智能风控解决方案 ，定名 IMAGE 。这套技术体系实现了用可信AI技术保障风控业务安全的问题，且达到了非常好的效果。
它能将支付宝 资损率 控制在 千万分之0.098， 解决了 风控场景 中的诸多 世界难题 。
还有一个例子，是支付宝的“ 叫醒热线 ”——从系统识别到用户遇到诈骗风险，到AI机器人向用户呼出“ 叫醒电话 ”，它能把整个过程控制在 0.1秒 内 。
蚂蚁集团基于可信AI的IMAGE风控体系
另外在可信AI的公平性方面，蚂蚁也有自己的实际应用。
目前业内广泛使用的“ 图形滑块验证码 ”一直是视障人群接入数字化服务的巨大障碍。但许多 APP 为了防范机器批量操作，又不得不保留验证码服务。
为此，蚂蚁开发了一套“ 空中手势 ”验证码方案，可以利用“ 行为识别 ”技术帮助视障群体通过“ 验证码 ”关卡。
可信AI的应用 探索 ，并不会让AI技术失去它的可能性。
它更像是一种伦理规范的约束条约，让AI在正确的轨道上前行 。
8
18年后，人类真的无人幸免？
让我们回到一开始的问题。
AI真的会觉醒吗？
一百年前的人类，很难想象我们如今生活的这个高度数字化世界 。
那么，一百年后，人工智能会发生什么变革，我们真的无法预测。
但AI对人类是福是祸，是一个攸关人类命运的重要课题。
按照现在AI发展的模式来看，未来的AI可能会分为两大派：
一派是自我独立的智能AI，一派是追随人类的可信AI 。
当然，还有人在问，AI真的会存在 独立意志 吗？
这要看从科学上如何去解释，一个AI系统是可以“坎陷”到具有“ 自我意识 ”的状态，差别只在于“坎陷”的深度和鲁棒性，这可以解释AlphaZero为什么能够自我“坎陷”到围棋大师，如果再 “ 坎陷 ”下去呢？ 这 一派AI，可能会对人类造成我们认定的“威胁” 。
另一派AI，即可信AI，它们会在 四大基本原则 的架构中不断完善自我 ，帮助人类解决更多实际问题，成为人类可靠的助手，并与人类共存共生 。那么，它们会一直帮助和保护人类吗？
但无论未来如何发展，不同的技术方向或许带来不同的悲剧或者喜剧，但有一点可以确定：
AI技术在四面突击，不论是可信AI还是智能AI，更终会落地深入到我们生活的方方面面 。它会渗透到世界的每一个角落，在很多方面取代“无用之人”。
不管我们如何担忧，AI只会变得越来越强大，而人类的进化又显得如此龟速，甚至退化堕落。
那么， 18年后，有多少人可以幸免？
AlphaGo的认输界面，当人类抛开了胜负 什么情况
AlphaGo的认输界面，当人类抛开了胜负 什么情况。
人机大战第四盘在韩国首尔战罢。赛前0比3的局面，让比赛的性质已经从胜负对决转为科学实验了。没有包袱的韩国棋手李世石一扫阴霾，他用一记令AlphaGo疑似死机的妙招，替人类挽回了尊严。尽管1比3的比分无法改变这次人机大战的整体结果，但这盘胜利也让棋界为之兴奋，高呼：“人类围棋未被完全攻克。”
人机大战前三盘0比3的结果，令赛前曾对人工只能不屑一顾的棋界哑口无言，各路高手纷纷意识到了AlphaGo的超强实力，转而以学习的心态正确看待AlphaGo。而李世石本人，也在承认“错估了AlphaGo的实力”后，终于抛开了全部压力，开始享受自己的围棋之道。
没有了前面三盘的紧张和纠结，李世石开始走出自己的风格，他利用绞杀与AlphaGo进行争夺。反观AlphaGo依旧“冷血”，它在第四盘开局的招数，依然没有任何破绽——看上去胜负仍然倾向于AlphaGo这边。
本局中腹激战中，李世石敏锐捕捉到战机，尤其第78手挖更是被赞为“神之一手”。从这招之后，AlphaGo的程序疑似出现了“BUG”，它此后连出数招“臭棋”，比赛的局势瞬间转向李世石这边。
在负责解说的曹大元九段看来，李世石的妙招很可能走出了AlphaGo的计算范围，随后的几招属于明显的自我放弃了。此后AlphaGo经过调整回到正轨，但李世石没有让之前建立的优势溜走，更终他180手中盘艰难取胜。
对于棋界人士而言，正如第四盘赛后新闻发言人所讲：“李世石的努力得到了证明，证明人类还有更高明的棋法。”
对于科技人士而言，AlphaGo出现的疑似“BUG”，也是这次科学实验的更大收获。谷歌的发言人赛后表示，AlphaGo也不是万能的，它只是一个原型机，或者说只是个程序，还有待进一步完善。
这真是一场皆大欢喜的胜利。
李世石第四局为什么能战胜阿尔法狗？
和前几局对决相比，李世石第四局更多次陷入“长考”，导致耗时太多，在比赛进行到2个半小时后李世石仅剩下17分钟，比AIphGo剩余时间足足少了1小时。随后，李世石白78挖，下出一招妙手，成为本场比赛的转折点。AIphGo黑93立，下出一步常理上的废棋，令所有人大惑不解。现场英文解说员麦克雷蒙九段表示，AIphGo后面跟的这步一下子把局面弄复杂了。虽然AIphGo出现一次“bug”，但李世石任然不敢松懈在打吃右侧黑子时还是非常谨慎。在比赛进行到3小时20分钟时。李世石计时全部用完，进入读秒落子阶段。此后Alpha由于判断局面对自己不利，每步耗时明显增长，都超出了3分钟。到3小时40分钟时，比赛大局已定，AlphaGo(白)投子认输只剩时间问题，李世石只需要冷静收官即可获得胜利。可以肯定的是，阿尔法狗再次证明了人工智能不是以人类思维下棋。它只是在计算，而且也会有算错的时候。而李世石面对不可战胜之敌，用韧性与智慧赢得了尊严，这是人工智能“算”不出来的。
【综述】李世石如何挽回人类尊严？李世石评价？不懂就看，不知就学，更多关于“李世石评价”的答案关注映森：https://www.zshdch.com/
