新闻资讯

    3月9日，引发全球狂欢的围棋人机大战首场历经三个多小时的比赛，谷歌 AlphaGo 战胜了韩国围棋九段选手李世石。就在去年10月，AlphaGo刚刚击败了欧洲围棋冠军。
    正如很多科技大咖预料的一样，李世石没能成为捍卫人类尊严的最后一道防线，AlphaGo让全世界认识到了深度学习的能力和潜力。

    备受瞩目的围棋"人机大战"在首尔上演，世界冠军、韩国棋手李世石与谷歌"阿尔法狗"(AlphaGo)电脑程序将展开五局对决。在刚刚结束的“阿尔法围棋”(AlphaGo)机器人与韩国顶尖高手李世石之间的五番棋第一战中，李世石执黑终盘失利，结果稍显意外。
    李世石认输，AlphaGo获胜。
    在本次开局阶段，双方开局就非常特别。由于是对战机器人，李世石开始的打法就选择了不常规的走法，但在开局阶段，AlphaGo获得了比较大的优势。
    在中盘期间，李世石有所反击，逐渐有了比较大的赢面。但在后期的一个失误导致李世石全盘皆熟。
    比赛共下五盘，比赛时间分别是3月9日、3月10日、3月12日、3月13日和3月15日。比赛五盘三胜，胜者可获得奖金100万美元。若Alpha GO获胜，奖金捐献给联合国儿童基金和STEM教育(科学、技术、工程、艺术以及数学)及围棋相关公益团体。即使比赛3：0、3比1分出胜负，也将下满五盘棋。比赛用时每方2小时，1分钟读秒三次。比赛采用中国规则，黑贴3又3/4子(黑贴7目半)。
    开局：李世石试验新下法 怪招致险境
    据报道，赛前猜先阿尔法围棋猜错，如果对手是人，李世石肯定毫不犹豫选白棋，因为在中国规则贴7.5目的情况下，执白更从容已经是职业棋手的共识。但是李世石选择了黑棋，可能是想借先行主导布局。布局是公认的李世石的技术薄弱环节，多年来改观不大，所以他给阿尔法围棋准备了职业比赛几乎没出现过的下法：黑7反方向构成“迷你中国流”。虽然白10、12托退的招法不太职业，但之后走到22位的镇，白方布局还可以。古力认为黑23可以单跳，接下来封锁白18和中腹出头二者必得其一。实战李世石贴着白棋走给了阿尔法围棋发力的机会，白24刺后26、28俗手顶断，这是职业棋手难有的思路，但古力承认非常有力，他觉得作战黑棋危险。白38拐出后黑方确实有左支右绌之感，但是白42失机，古力认为此时打吃黑23和27，李世石只能弃子，如此白方明显优势。实战白42虽然也可以下，但是让局势变得复杂了，李世石得到了喘息。白48与黑49交换，是阿尔法围棋的第一步失着，古力觉得应该保留，而王雷不客气地说是低级错误。
    李世石的黑61也没有选择简明下法，他也选择最复杂的下法，要跟阿尔法围棋好好斗斗战斗力 !
    中盘：阿尔法判断出错 高手宣布电脑死刑
    黑77枷死中腹两颗白子，李世石已经完全掌握了主动。白80是暴漏阿尔法围棋弱点的一招，这手棋不走，黑方二子确实有动出的手段，但是并非目前的急所，只有在优势明显、消除此处隐患也足以获胜的情况下，这样下才有一定的合理性，实战白方已经落后，再如此稳健，可见阿尔法围棋在判断方面存在弱点。黑83双飞燕之后，李世石逐步走向胜势。白86想搅乱局势，阿尔法围棋似乎也意识到形势不利。李世石在此处长考后选择了稳健下法，黑方依旧明显优势。接下来白100再次失误，古力明确说“损了2目棋”。
    上边黑棋净活后，职业高手基本宣判了阿尔法围棋“死刑”。
    很多观战的职业棋手和业余高手都说，阿尔法围棋的实力确实让人没想到，但是还不具备跟职业高手，尤其是李世石这个级别高手抗衡的能力。
    尾声：阿尔法神算致逆转取胜
    古力通过阿尔法围棋的表现，这样评价阿尔法围棋：计算机有值得我们学习的地方，比如前面的俗手顶断，我们可能不会走，但现在看来也挺有力。但是到了中后盘各处都有大棋的时候，电脑在判断方面的弱点暴漏出来了。人类可以靠直觉判断，电脑似乎还不会。对厚势的判断搞不太清楚，这可能是阿尔法围棋的弱点。
    然而剧情很快出现了大逆转，李世石在官子阶段连续出现大的失误，先是在右边路招法软弱，让阿尔法围棋抢到白116的超级大棋，而后黑123居然不尖顶守角，又损失了十多目!柯洁判断李世石此时已经输定了，古力认为黑方还有微弱优势，但又过了十几手之后，古力也判断李世石输定了!
    至186手李世石认输，阿尔法围棋不可思议的完成逆转战胜了顶尖棋手!10日12点将举行第二局比赛。

关于人工智能&深度学习
    我们总是把人工智能和电影想到一起，所以我们总是觉得人工智能缺乏真实感。但事实上，从击败世界冠军的棋手到无人驾驶汽车、再到手机上的Siri以及小冰——我们日常生活中并不缺少人工智能，只是我们没意识到。

     人工智能学（Artificial Intelligence，简称AI)，是计算机科学的一个分支，是对人的意识、思维的信息过程的模拟。垃圾邮件过滤、谷歌翻译、地图导航等，都属于经典的人工智能应用。

    而深度学习（Deep Learning，简称DL），由AI的一个子目标发展而来，目标是建立、模拟人脑进行分析学习的神经网络，最终能通过人脑的机制来解释数据。该技术正逐 步应用于安全领域，下面我们将要提到的美国Deep Instinct安全公司、国内的360天眼与QVM引擎，便都是基于深度学习技术。

深度学习与安全行业的结合
    除了用来下棋，安全行业也早已注意到了这个能够在恶意程序识别过程中，大大节约耗费人力、时间的深度学习技术。
    如今，通过签名或者基于启发式的恶意软件检测方法已渐弱，因此大多数杀毒程序对于变异的恶意软件鲜有作用，特别是抵御APT（高级持续性威胁）攻击时。恶意软件通常由大约1000行代码构成，而变更其中的1%，便可让大部分反病毒软件束手无策。
    于是，五六年前深度学习开始被用于解决非线性问题，如人脸识别、认识恶意软件，以及通过某种特征对程序进行抓取。而沙盒以及其它基于机器的技术，都没法做到比深度学习更加迅速和准确。
    当前比较知名的具备深度学习的安全产品，以360天眼、QVM杀毒引擎以及Deep Instinct为主。其中前两者已经大规模投放应用，而Deep Instinct尚属于实验室产品，仍处在测试阶段。

Deep Instinct
    来自美国的Deep Instinct，功能与360QVM人工智能引擎类似，同样是运用人工智能学习算法，检测软件结构及程序特征、发现恶意软件。数据表明，Deep Instinct对于恶意软件的识别率极高，相信在未来投入市场后，将成为安全+人工智能的又一成功案例。
    此外，以色列特拉维夫的深度本能公司（DeepInstinct）等安全企业，都正在将深度学习，与查杀恶意软件相结合。依靠人工智能识别、查杀病毒，将成为杀毒领域的未来。
    人工智能，无疑是计算机领域最伟大的发明，它极 大地缩短了各事件的处理时间、提高了办事效率；而将其应用于安全领域，则是对安全行业整体实力的一次大幅提升。但是我相信，人工智能与深度学习，也不会是 杀毒引擎的终结，在国内外安全专家的努力下，安全领域的天花板将不断被突破。

360QVM人工智能引擎检出率远超传统引擎，速度提升一倍
    对于安全工作者来说，只要能准确找出病毒文件和正常文件的差异，就能在海量文件中识别出病毒。在这个基础之上，无论是传统的特征码或者启发式引擎，实质上都是在找出差异：病毒文件和正常文件行为上的差异，文件代码上的差异。 

    于是，360安全工程师将在海量病毒样本数据中 归纳出了一套智能算法，能够使QVM引擎自行发现和学习病毒变化规律，让引擎去自主学习海量的病毒文件以及正常文件，不断训练生成新的数据模型，最后利用 模型数据区分新的病毒。这也就是360完全自主研发的具备深度学习能力的第三代引擎——360QVM人工智能引擎。

    测试表明，相比于其它杀毒引擎，360QVM人工智能引擎效果更为优异：无需频繁更新特征库、分析病毒静态特征、分析病毒行为；但病毒检出率却远超第一、二代引擎的总和，且查杀速度比传统引擎至少快一倍。

深度学习在安全领域迎来全面开花

360天眼
    不只是360QVM人工智能引擎，360天眼也是将深度学习与安全技术融会贯通的新一代未知威胁感知系统。360天眼能够基于深度学习对流量进行识别，找出云端海量数据中的APT攻击、免杀木马、新型木马等未知威胁。

    北邮博士、360安全研究员王占一也曾在世界信息安全行业最高盛会——Black Hat（世界黑帽大会）上解读过360天眼的深度学习技术：基于多GPU的并行计算，建立一个深度学习的神经网络，通过网络流量识别协议、应用程序，并完成特征的自动学习。
    “这是大数据技术和人工智能技术首次应用于未知威胁检测，拥有高精度识别能力的同时有效减轻了人工负担，在全球未知威胁检测和防御领域处于领先地位。”王占一博士表示。