Przejdź do treści

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.

AlphaGo 10 lat później: co zostało z meczu z Lee Sedolem
Spis treści
  1. Co dokładnie wydarzyło się w Seulu w marcu 2016 roku?
  2. Który ruch AlphaGo przeszedł do historii?
  3. Czym AlphaGo różniło się od dzisiejszych chatbotów?
  4. Ile prawdy jest w obiegowych opisach meczu?
  5. Co z metod AlphaGo zostało dziesięć lat później?
  6. Czy AlphaGo przekłada się na narzędzia dostępne dziś?
  7. Czy po AlphaGo padły kolejne granice gier?
  8. Najczęstsze pytania
  9. 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.

KryteriumWersja obiegowaCo mówią źródła
Liczba pojedynkówjedna pięciogodzinna partiapięć partii rozegranych 9–15 marca 2016 roku [2]
Wynik seriiporażka bez żadnej wygranej4:1 dla AlphaGo, Lee wygrał czwartą partię [3][4]
Najsłynniejszy ruch78. ruch należący do AlphaGo37. 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

  1. Google's AlphaGo AI defeats human in first game of Go contest (The Guardian, 2016)
  2. AlphaGo – Wikipedia, wolna encyklopedia (Wikipedia, 2026)
  3. AlphaGo seals 4-1 victory over Go grandmaster Lee Sedol (The Guardian, 2016)
  4. Lee Sedol (Wikipedia, 2026)
  5. AlphaGo Defeats Lee Sedol (2016) (AITimeline, 2016)
  6. 10 lat AlphaGo: od legendarnego „Ruchu 37” do nowej ery odkryć naukowych (Google, 2026)
  7. AlphaGo: the Go AI that beat Lee Sedol (Firecrux, 2016)
  8. Mistrz go: rezygnuję. Powód? Istota nie do pokonania (Sztuczna Inteligencja, 2016)
  9. AlphaGo – Google DeepMind (Google DeepMind, 2026)
  10. AlphaGo at 10: How AI Innovation Is Paving the Path to AGI (Google DeepMind, 2026)
  11. AlphaGo Zero – sztuczna inteligencja gra w go (Business Insider Polska, 2017)
  12. Google DeepMind (Wikipedia, 2026)
  13. Padł ostatni bastion. AI pokonało ludzkość w grze Stratego (Chip, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji