微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 李世石能不能代表人类围棋界的最高水平?

李世石能不能代表人类围棋界的最高水平?

2016-03-15 13:06
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-03-15 13:06 CNET科技资讯网

CNET科技资讯网 3月15日 北京消息(文/孙封蕾):李世石(朝鲜汉字:李世乭),1983年3月2日生于韩国全罗南道,2006年3月12日与女友金贤珍完婚,同年9月3号女儿李慧琳出世。1995年入段,1998年二段,1999年三段,2003年因获LG杯冠军直接升为六段,2003年4月获得韩国最大棋战KT杯亚军,升为七段,2003年7月获第16届富士通杯冠军后直接升为九段。

截至如今,他已经获得了14个世界慢棋个人赛冠军和5个亚军,以及3个世界快棋个人赛冠军和1个亚军。

那么,对于围棋比较外行的我们,如何做到,李世石的这些冠军、亚军是否代表围棋界的最高水平呢?我们来看世界围棋比赛有哪些,李世石的成绩如何。

世界棋战时代,一共诞生过十项慢棋个人赛,和一项快棋个人赛。分别是:

1. 应氏杯世界职业围棋锦标赛

2. 富士通杯世界围棋锦标赛(已停办)

3. 东洋证券杯世界围棋锦标赛(已停办)

4. 三星杯世界围棋公开赛

5. LG杯世界围棋棋王赛

6. 春兰杯世界职业围棋锦标赛

7. 丰田杯世界围棋王座战(已停办)

8. BC信用卡杯世界围棋公开赛(已停办)

9. 百灵杯世界围棋公开赛

10. MLILY梦百合杯世界围棋公开赛

11. 亚洲杯电视围棋快棋赛

在这些比赛中,李世石夺冠14次,从世界冠军的数量上来说,李世石的14冠仅次于李昌镐的18冠。

有围棋专业人士认为,李世石的冠军含金量比李昌镐的要更高。李昌镐时代的竞争相比不是很激烈,在那个时期,中国围棋正处于寒冬期,中国出色的选手只有马晓春、常昊和周鹤洋,他最大的竞争对手主要是同胞曹薰铉和刘昌赫。那一时期的棋风也相对平和,李昌镐从不犯错的风格使得他在那一时期独领风骚。

而现在李世石所处的时代,中国棋手开始人才井喷,而且棋风变化很大,各个都是力战派,古力、柯洁都是实力强劲的对手,棋局更难掌握。

李世石与AlphaGo的对战记录:

2016年3月9日—3月15日,谷歌人工智能AlphaGo(阿尔法围棋)与李世石的人机大战五番棋在首尔四季酒店进行。

3月9日,李世石首战状态不佳,执黑中盘认输,比分0比1落后。

3月10日,“人机大战”第二场继续在首尔四季酒店举行,李世石在没有出现大的失误的情况下,执白再次中盘投子认输,被“AlphaGo”连下两城。

3月12日,在休息了一天之后,李世石输掉了第三局比赛,“AlphaGo”已经3比0提前取得了胜利。本着双方合同中表示对于AlphaGo的测试,剩下的两局比赛依旧会照常下完。

3月13日,第四轮对决中,李世石放下了一切包袱,在局面不利的情况下,弈出了白78挖,凭借这“神之一手”,李世石执白中盘战胜了谷歌DeepMind开发的人工智能AlphaGo,这是他在三连败后取得的首次胜利。

3月15日,双方将进行第5局的较量。

在3月14日,世界职业围棋排名网站GoRatings.org上,中国的柯洁位列第一,韩国朴永训、日本井山裕太分列第二、第三,AlphaGo位列第四,李世石排名第五。

3月15日下午,人机大战收官战,与之前的4场比赛不同,这次对决没有出现一方中盘取胜的情况,双方一直杀到收官阶段。最终,比赛在进行到5小时后,李世石180手投子认输,“AlphaGo”以4比1赢得比赛。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-