News & analizy
AlphaGo 10 lat później: co zostało z meczu z Lee Sedolem
Zaktualizowano: Autor: Andrzej Niemiec12 min czytania
Seria AlphaGo – Lee Sedol z 2016 roku skończyła się 4:1. Co dziś zostało z metod AlphaGo, jak przebiegały partie i czego ten wynik nie oznacza.
Spis treści
- Co dokładnie wydarzyło się w Seulu w marcu 2016 roku?
- Który ruch AlphaGo przeszedł do historii?
- Czym AlphaGo różniło się od dzisiejszych chatbotów?
- Ile prawdy jest w obiegowych opisach meczu?
- Co z metod AlphaGo zostało dziesięć lat później?
- Czy AlphaGo przekłada się na narzędzia dostępne dziś?
- Czy po AlphaGo padły kolejne granice gier?
- Najczęstsze pytania
- Źródła
Co dokładnie wydarzyło się w Seulu w marcu 2016 roku?
9 marca 2016 roku w Seulu AlphaGo wygrało pierwszą partię z Lee Sedolem [1]. Starcie zaplanowano jako serię pięciu partii, rozgrywanych 9, 10, 12, 13 i 15 marca [2]. Całość zakończyła się wynikiem 4:1 dla programu [3]. Lee Sedol, zawodowy gracz 9 dan i zdobywca 18 tytułów międzynarodowych, wygrał tylko czwartą partię [4]. Piąta partia trwała około pięciu godzin i liczyła 280 ruchów, po których Koreańczyk zrezygnował [5]. Wszystkie pojedynki zakończyły się rezygnacją jednego z graczy [5].
Potoczne „mecz” oznacza więc serię pięciu spotkań, a nie jedną pięciogodzinną rozgrywkę. Starcie rozciągnęło się na siedem dni [2]. To rozróżnienie wraca w skrótach krążących w sieci: pojedyncza partia mogła trwać kilka godzin, ale wynik 4:1 powstał z pięciu osobnych pojedynków [3].
Dla czytelnika spoza świata Go najważniejsza jest skala. Zawodowy mistrz przegrał serię z programem, który nie był zestawem reguł na konkretne otwarcia, a cztery wygrane maszyny i jedna człowieka rozstrzygnęły się w siedem dni [2][3].
Który ruch AlphaGo przeszedł do historii?
Najczęściej przywoływany jest ruch 37 z drugiej partii. AlphaGo zagrało wtedy posunięcie, którego komentatorzy i zawodowi gracze nie potrafili wytłumaczyć w trakcie transmisji [6][7]. Drugi słynny ruch należał do człowieka: 78. posunięcie Lee Sedola w czwartej partii, nazywane „boskim dotknięciem”, po którym AlphaGo zrezygnowało po 180 ruchach [8].
Lee twierdził później, że o porażce programu w tej partii przesądził błąd oprogramowania, a nie wyłącznie wartość posunięcia [8]. To zastrzeżenie zmienia interpretację: najbardziej znany ruch meczu nie był ruchem maszyny, tylko odpowiedzią człowieka na jej błąd.
W relacjach oba ruchy bywają mieszane. Ruch 37 należał do AlphaGo i pojawił się w drugiej partii, ruch 78 do Lee Sedola i pojawił się w czwartej [6][8]. Bez numeru partii zdanie o „słynnym ruchu” prowadzi do błędnych wniosków.
Czym AlphaGo różniło się od dzisiejszych chatbotów?
AlphaGo nie było chatbotem ani produktem konsumenckim. Był to wyspecjalizowany system do gry w Go, który łączył głębokie sieci neuronowe z przeszukiwaniem drzewa możliwości. W jego wnętrzu działały dwie sieci: jedna wybierała kandydatów na ruch, druga oceniała pozycję, a całość wspierały algorytmy wyszukiwania [9].
Podział ról był kluczowy. Sieć wyboru zawężała listę sensownych posunięć, zamiast przeglądać wszystkie możliwości. Sieć oceny szacowała, jak korzystna jest dana pozycja. Wyszukiwanie sprawdzało warianty w głąb [9]. Chatbot działa inaczej: generuje odpowiedź fragment po fragmencie, a nie wybiera ruch z ograniczonego zbioru.
Dlatego AlphaGo nie odpowiadało na pytania i nie miało interfejsu konwersacyjnego. Było programem badawczym nastawionym na jedno zadanie. Ta specjalizacja jest częścią historii: dziedzictwo AlphaGo dotyczy metod, nie produktu [9].
Ile prawdy jest w obiegowych opisach meczu?
Trzy skróty myślowe powtarzają się najczęściej: jedna długa partia zamiast serii, jednostronna porażka zamiast wyniku 4:1 oraz przypisanie słynnego ruchu niewłaściwej stronie. Zestawienie poniżej pokazuje, co na ten temat mówią źródła.
| Kryterium | Wersja obiegowa | Co mówią źródła |
|---|---|---|
| Liczba pojedynków | jedna pięciogodzinna partia | pięć partii rozegranych 9–15 marca 2016 roku [2] |
| Wynik serii | porażka bez żadnej wygranej | 4:1 dla AlphaGo, Lee wygrał czwartą partię [3][4] |
| Najsłynniejszy ruch | 78. ruch należący do AlphaGo | 37. ruch AlphaGo w drugiej partii i 78. ruch Lee w czwartej [6][8] |
Piąta partia rzeczywiście trwała około pięciu godzin, więc skrót „pięciogodzinna partia” nie jest wymysłem, tylko przeniesieniem jednego spotkania na całą serię [5]. Podobnie 280 ruchów dotyczy ostatniej partii, a nie sumy wszystkich pojedynków [5].
Co z metod AlphaGo zostało dziesięć lat później?
Google DeepMind wskazuje na późniejsze systemy: AlphaGo Zero, AlphaZero, MuZero i AlphaDev. Firma opisuje dziedzictwo AlphaGo jako idee wyszukiwania, planowania i uczenia ze wzmocnieniem, przeniesione do dalszych prac [10].
AlphaGo Zero to wariant rozwijany po meczu. Źródła opisują go jako próbę ograniczenia udziału czynnika ludzkiego w procesie uczenia [11]. Nie był to produkt dla graczy, tylko kolejny etap badań nad tym, jak system może uczyć się bez danych przygotowanych przez człowieka.
W tle zmieniła się też struktura właścicielska. DeepMind było londyńskim laboratorium przejętym przez Google w 2014 roku. Obecna nazwa Google DeepMind pochodzi z 2023 roku, kiedy połączono DeepMind z Google Brain [12]. To tłumaczy, dlaczego w starszych tekstach ten sam zespół występuje pod różnymi nazwami.
Czy AlphaGo przekłada się na narzędzia dostępne dziś?
Nie ma publicznego produktu o nazwie AlphaGo i nie da się go uruchomić jak aplikacji. Dziedzictwo jest pośrednie: Google DeepMind wymienia idee wyszukiwania, planowania i uczenia ze wzmocnieniem jako elementy późniejszych prac [10]. Dla użytkownika oznacza to wpływ na kierunek badań, nie funkcję w codziennym narzędziu.
Trzeba więc oddzielić dwa pytania. Pierwsze dotyczy metod, które trafiły do kolejnych systemów badawczych. Drugie dotyczy produktów konsumenckich, a tych AlphaGo nie stworzyło [9]. Mieszanie obu poziomów prowadzi do przesady w obie strony: zarówno do opowieści o jednym meczu, który wszystko zmienił, jak i do lekceważenia realnego wpływu na badania.
Jeśli szukasz punktu odniesienia dla dzisiejszych narzędzi, lepiej czytać je jako osobną linię rozwoju. Kontekst zmiany w wyszukiwaniu opisuje tekst Google Search z AI, a praktyczne wdrożenia zbiera przewodnik po zastosowaniach AI.
Czy po AlphaGo padły kolejne granice gier?
Tak, ale nie w Go. W październiku 2026 roku media opisały przypadki, w których AI pokonało ludzi w Stratego – grze wymagającej blefowania, planowania i przewidywania [13]. To inny tytuł i inny zespół, ale ten sam wzorzec: system dostaje zamknięty problem i uczy się go rozwiązywać.
Warto zachować proporcje. Pojedyncze zwycięstwo w grze nie dowodzi ogólnej inteligencji, a AlphaGo nie było uniwersalnym systemem [9]. Porównanie z AlphaGo jest użyteczne o tyle, o ile pokazuje powtarzalny schemat badań: wybierz mierzalne zadanie, zbuduj system, zmierz wynik, opisz metody. Szeroki przegląd takich porównań zawiera tekst o benchmarkach AI.
Najczęstsze pytania
Ile partii wygrał Lee Sedol w meczu z AlphaGo?
Jedną – czwartą. Lee grał w niej białymi i wygrał po 78. ruchu, nazywanym „boskim dotknięciem”. AlphaGo zrezygnowało po 180 ruchach. Pozostałe cztery partie zakończyły się zwycięstwem programu, a cała seria wynikiem 4:1 [3][4][8].
Czy AlphaGo było produktem, który można kupić?
Nie. AlphaGo było wyspecjalizowanym systemem badawczym do gry w Go, opartym na sieciach neuronowych i przeszukiwaniu drzewa możliwości. Nie miało interfejsu konwersacyjnego ani wersji konsumenckiej. Google DeepMind opisuje je jako etap prac, po którym powstały kolejne systemy [9][10].
Co dziś istnieje po AlphaGo?
Google DeepMind wymienia AlphaGo Zero, AlphaZero, MuZero i AlphaDev jako późniejsze systemy związane z tą linią badań. AlphaGo Zero opisywano jako próbę ograniczenia udziału danych ludzkich w uczeniu. Nie są to produkty konsumenckie, tylko kolejne etapy prac badawczych [10][11].
Czy słynny 37. ruch należał do Lee Sedola?
Nie, do AlphaGo. Ruch 37 pojawił się w drugiej partii i zaskoczył komentatorów oraz zawodowych graczy. Ruch 78, często przywoływany jako odpowiedź na błąd maszyny, należał do Lee Sedola i pojawił się w czwartej partii. Mieszanie tych dwóch numerów to najczęstszy błąd w skrótach [6][7][8].
Dlaczego mówi się o dziesięciu latach?
Seria rozegrała się w dniach 9–15 marca 2016 roku. W październiku 2026 roku mija więc około dekady od meczu. Google DeepMind opublikowało w tym okresie podsumowania dziedzictwa AlphaGo, wskazując na wpływ metod wyszukiwania i uczenia na późniejsze badania [2][10].
Źródła
- Google's AlphaGo AI defeats human in first game of Go contest (The Guardian, 2016)
- AlphaGo – Wikipedia, wolna encyklopedia (Wikipedia, 2026)
- AlphaGo seals 4-1 victory over Go grandmaster Lee Sedol (The Guardian, 2016)
- Lee Sedol (Wikipedia, 2026)
- AlphaGo Defeats Lee Sedol (2016) (AITimeline, 2016)
- 10 lat AlphaGo: od legendarnego „Ruchu 37” do nowej ery odkryć naukowych (Google, 2026)
- AlphaGo: the Go AI that beat Lee Sedol (Firecrux, 2016)
- Mistrz go: rezygnuję. Powód? Istota nie do pokonania (Sztuczna Inteligencja, 2016)
- AlphaGo – Google DeepMind (Google DeepMind, 2026)
- AlphaGo at 10: How AI Innovation Is Paving the Path to AGI (Google DeepMind, 2026)
- AlphaGo Zero – sztuczna inteligencja gra w go (Business Insider Polska, 2017)
- Google DeepMind (Wikipedia, 2026)
- Padł ostatni bastion. AI pokonało ludzkość w grze Stratego (Chip, 2026)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji