商品编号：
京 东 价：
支　　持：
搭配赠品：
公司名称：广州市御圣文化用品有限公司
所 在 地：广东 广州市
服务支持：
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
黒木 围棋扇 太骨扇 吴清源 訚然而日章
加载中，请稍候...
如果您发现商品信息不准确，
商品介绍加载中...
服务承诺：
京东平台卖家销售并发货的商品，由平台卖家提供发票和相应的售后服务。请您放心购买！
注：因厂家会在没有任何提前通知的情况下更改产品包装、产地或者一些附件，本司不能确保客户收到的货物与商城图片、产地、附件说明完全一致。只能确保为原厂正货！并且保证与当时市场上同样主流新品一致。若本商城没有及时更新，请大家谅解！
权利声明：京东上的所有商品信息、客户评价、商品咨询、网友讨论等内容，是京东重要的经营资源，未经许可，禁止非法转载使用。
注：本站商品信息均来自于合作方，其真实性、准确性和合法性由信息拥有者（合作方）负责。本站不提供任何保证，并不承担任何法律责任。
价格说明：
京东价：京东价为商品的销售价，是您最终决定是否购买商品的依据。
划线价：商品展示的划横线价格为参考价，该价格可能是品牌专柜标价、商品吊牌价或由品牌供应商提供的正品零售价（如厂商指导价、建议零售价等）或该商品在京东平台上曾经展示过的销售价；由于地区、时间的差异性和市场行情波动，品牌专柜标价、商品吊牌价等可能会与您购物时展示的不一致，该价格仅供您参考。
折扣：如无特殊说明，折扣指销售商在原价、或划线价（如品牌专柜标价、商品吊牌价、厂商指导价、厂商建议零售价）等某一价格基础上计算出的优惠比例或优惠金额；如有疑问，您可在购买前联系销售商进行咨询。
异常问题：商品促销信息以商品详情页“促销”栏中的信息为准；商品的具体售价以订单结算页价格为准；如您发现活动商品售价或促销信息有异常，建议购买前先联系销售商咨询。
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
购买之前，如有问题，请
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
浏览了该商品的用户还浏览了
加载中，请稍候...
价　格： 到
　　　
iframe(src='///ns.html?id=GTM-T947SH', height='0', width='0', style='display: visibility:')围棋世界冠军数据：柯洁成中国第四位三冠王_棋牌_新浪竞技风暴_新浪网
围棋世界冠军数据：柯洁成中国第四位三冠王
柯洁喜笑颜开
　　新浪体育讯　　第二届Mlily梦百合杯世界围棋公开赛落下帷幕，决赛五番棋柯洁3-1战胜李世石，摘得个人第三桂冠，也成为继古力、常昊、孔杰之后第四个三冠的中国棋手。半决赛后柯洁放出豪言：传奇是时候落幕了，引发了巨大的争议和讨论。如今柯洁实现狂言勇夺桂冠，让人不禁感叹，“柯洁大帝”的时代真的来临了！总数方面，韩国共夺得58个世界冠军，中国则增加至30冠。
　　首冠&棋士&世界个人大赛&地区&冠军总数
　　1&武宫正树&1988年第1届富士通杯&日&2
　　2&曹薰铉&1989年第1届应氏杯&韩&9
　　3&林海峰&1990年第3届富士通杯&日&1
　　4&赵治勋&1991年第4届富士通杯&日&2
　　5&李昌镐&1992年第3届东洋证券杯&韩&17
　　6&大竹英雄&1992年第5届富士通杯&日&1
　　7&徐奉洙&1993年第2届应氏杯&韩&1
　　8&刘昌赫&1993年第6届富士通杯&韩&6
　　9&马晓春&1995年第6届东洋证券杯&中&2
　　10&依田纪基&1996年第1届三星火灾杯&日&1
　　11&小林光一&1997年第10届富士通杯&日&1
　　12&王立诚&1998年第2届LG杯&日&2
　　13&俞斌&2000年第4届LG杯&中&1
　　14&李世石&2002年第15届富士通杯&韩&14
　　15&朴永训&2004年第17届富士通杯&韩&2
　　16&常昊&2005年第5届应氏杯&中&3
　　17&张栩&2005年第9届LG杯&日&1
　　18&罗洗河&2006年第10届三星火灾杯&中&1
　　19&古力&2006年第10届LG杯&中&8
　　20&朴正祥&2006年第19届富士通杯&韩&1
　　21&周俊勋&2007年第10届LG杯&台&1
　　22&崔哲瀚&2009年第6届应氏杯&韩&1
　　23&姜东润&2009年第22届富士通杯&韩&1
　　24&孔杰&2009年第14届三星保险杯&中&3
　　25&朴文垚&2011年第15届LG杯&中&1
　　26&朴廷桓&2011年第24届富士通杯&韩&2
　　27&元晟溱&2011年第16届三星财产杯&韩&1
　　28&江维杰&2012年第16届LG杯&中&1
　　29&白洪淅&2012年第4届BC信用卡杯&韩&1
　　30&周睿羊&2013年第1届百灵爱透杯&中&1
　　31&时越&2013年第17届LG杯&中&1
　　32&范廷钰&2013年第7届应氏杯&中&1
　　33&陈耀烨&2013年第9届春兰杯&中&1
　　34&芈昱廷&2013年第1届Mlily梦百合杯&中&1
　　35&唐韦星&2013年第18届三星车险杯&中&1
　　36&柁嘉熹&2014年第18届LG杯&中&1
　　37&金志锡&2014年第19届三星杯&韩&1
　　38&柯洁&2015年第2届百灵杯&中&3
　　2015年第20届三星车险杯
　　2016年第2届梦百合杯
　　世界冠军统计
　　东洋证券杯7&韩国6&中国1
　　丰田杯4：韩国3&中国1
　　富士通杯24：韩国&15&中国&3&日本&6
　　应氏杯7：&韩国&5&中国2
　　三星杯20：韩国12&中国6&日本&2
　　LG杯19：韩国8&中国8&日本2&中华台北1
　　春兰杯10：韩国5&中国4&日本1
　　BC信用卡杯4：韩国3&中国1
　　梦百合杯2：中国2
　　百灵杯2：中国2
　　韩国57
　　中国30
　　日本11
　　中华台北1
（管若寒）
文章关键词：
收藏&&|&&&&|&&打印&&|&&关闭
您可通过新浪首页顶部 “我的收藏”， 查看所有收藏过的文章。
请用微博账号，推荐效果更好！青青子衿, 悠悠我心, 但为君故, 沉吟至今
谷歌人工智能AlphaGo挑战人类围棋冠军
　　&2月22日消息，继宣布AlphaGo实现突破性研究－计算机程序首次击败专业棋手之后， Google DeepMind今日公布了即将与过去十年最佳围棋手李世石之间的终极挑战的详细情况。　　3月9日至3月15日，AlphaGo将在韩国首尔与李世石进行5场挑战赛。比赛完全平等，获胜者将得到一百万美元奖金。如果AlphaGo获胜，奖金将捐赠给联合国儿童基金会(UNICEF)，STEM教育，以及围棋慈善机构(Go Charity)。　　因围棋步骤的绝对数量比宇宙的原子数还多，它一直被视为最复杂的电脑游戏之一，也是人工智能始终未解的挑战。DeepMind在上月的科学杂志Nature，以一篇论文公布了这一突破性进展的详细情况。　　比赛采用中国围棋规则　　比赛将于北京时间中午12点在首尔四季酒店举行，具体日程如下：　　1. 3月9日 (星期三)：首场比赛　　2. 3月10日(星期四)：第二场比赛　　3. 3月12日(星期六)：第三场比赛　　4. 3月13日(星期日)：第四场比赛　　5. 3月15日(星期二)：第五场比赛　　比赛将采用贴7.5目的中国规则(比赛结束时，后走棋的棋手贴目)。每位棋手各有两个小时布局时间，3次60秒的读秒，每场比赛预计需要大约4-5个小时。　　总规则　　1、比赛分先进行，共下5盘，五盘对局取三胜以上为优胜，获得奖金100万美元（固定汇率：11亿韩元）。　　2、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。　　3、比赛即使3：0、3比1分出胜负，与比分无关将下满五盘棋，以便Alpha GO拥有更多学习机会。　　4、以下满五盘为条件，李世石可获得15万美元（约1亿6500万韩元）出场费，同时每胜一局获得2万美元胜局奖金。如果五盘全胜，胜局奖金为10万美元（1亿1000万韩元）。即李世石五战全胜获得优胜，最多可以获得125万美元（13亿7500万韩元）。　　5、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）。采用中国规则的原因，是因Alpha GO以中国规则为基础开发。　　6、比赛开局时间为韩国当地时间下午1点（北京时间中午12点），比赛不设中间休息。　　7、比赛时李世石在棋盘上落子，助手将手数输入电脑传送给Alpha GO。Alpha GO的手数由助手摆到李世石落子的棋盘上。　　8、所有对局通过Deep Mind公司youtube频道向全世界实况直播，此外通过韩国棋院围棋TV和因特网围棋网站直播。　　人工智能挑战围棋有多难？　　计算机和人类竞赛在棋类比赛中已不罕见，在三子棋、跳棋和国际象棋等棋类上，计算机都先后完成了对人类的挑战。但对拥有2500多年历史的围棋 而言，计算机在此之前从未战胜过人类。围棋看起来棋盘简单、规则不难，纵横各19九条等距离、垂直交叉的平行线，共构成19&19(361)个交叉点。比 赛双方交替落子，目的是在棋盘上占据尽可能大的空间。　　在极简主义的游戏表象之下，围棋具有令人难以置信的深度和微妙之处。当棋盘为空时，先手拥有361个可选方案。在游戏进行当中，它拥有远比国际象棋更多的选择空间，这也是为什么人工智能、机器学习的研发者们始终希望在此取得突破的原因。　　就机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。　　&机器学习&预测人类行为　　传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法对围棋并不适用。此次谷歌推出的AlphaGo，将高级搜索树与深度神经网络结合在一起。这些神经网络通过12个处理层传递对棋盘的描述，处理层则包含数百万个类似于神经的连接点。　　其中一个神经网络&决策网络&(policy network)负责选择下一步走法，另一个神经网络&值网络&(&value network)则预测比赛胜利方。谷歌方面用人类围棋高手的三千万步围棋走法训练神经网络，与此同时，AlphaGo也自行研究新战略，在它的神经网络 之间运行了数千局围棋，利用反复试验调整连接点，这个流程也称为巩固学习(reinforcement learning)。通过广泛使用Google云平台，完成了大量研究工作。　　征服围棋对于谷歌来说有重要意义。AlphaGo不仅是遵循人工规则的&专家&系统，它还通过&机器学习&自行掌握如何赢得围棋比赛。谷歌方面希望运用这些技术解决现实社会最严峻、最紧迫的问题&&从气候建模到复杂的灾难分析。　　在具体的机器训练上，决策网络的方式是输入人类围棋专家的比赛，到系统可以预测57%人类行动为止，此前最好成绩是44%。此后AlphaGo通过在神 经网络内部进行比赛的方式(可以简单理解成和自己下棋)，开始学习自主探索新的围棋策略。目前AlphaGo的决策网络可以击败大多数具有庞大搜寻树的最 先进的围棋程序。　　Google DeepMind首席执行官、联合创始人Demis Hassabis表示：&围棋是深刻而复杂的游戏。为了击败一名职业棋手，我们不能只靠模仿，而是自主发现新的战略规则。因为方法是通用的，我们希望有一天可以将其运用于解决社会最棘手和最紧迫的问题上。不论我们在三月份能否赢李世石，这场比赛都一定能够激发世界各地对围棋的兴趣。&　　AlphaGo战绩惊人　　Park Chimoon, 韩国棋院副主席表示 &全世界都在关注这场人类与电脑在智能领域的首次交锋。这一历史时刻将由围棋来传达，我为此感到骄傲。我希望李世石能获得胜利，去证明人类卓越的智商以及维护围棋的神秘特性。&　　实际上，目前AlphaGo已经成为最优秀的人工智能围棋程序。在与其他程序的对弈中，AlphaGo用一台机器就取得了500场的胜利，甚至有过 让对手4手后获胜的纪录。去年10月5日-10月9日，谷歌安排AlphaGo与欧洲围棋冠军Fan Hui(樊麾：法国国家围棋队总教练)闭门比赛，谷歌以5-0取胜。　　此次比赛的李世石是近10年来获得世界第一头衔最多的棋手，谷歌为此提供了100万美元作为奖金。李世石谈到此次比赛时表示：&这是电脑首次在公平比赛中挑战人类专家选手，我很荣幸能参与进来。无论结果如何，这都是围棋史上的重要时刻。我听说Google DeepMind的人工智能出乎意料的强大，并且一直在优化，但至少这次我还是很自信能够取得胜利。&　　人机对弈谁将胜？　　值得一提的是，上一次著名的人机对弈要追溯到1997年。当时IBM公司研发的超级计算机&深蓝&战胜了国际象棋冠军卡斯巴罗夫。不过国际象棋 的算法要比围棋简单得多。国际象棋中取胜只需&杀死&国王，而围棋中则用数子或比目的方法计算胜负，并不是简单地杀死对方棋子。此前，&深蓝&计算机的设 计人2007年发表文章指出，他相信十年内能有超级电脑在围棋上战胜人类。　　该项目并未给IBM带来可以销售的产品，但却让我们意识到：基础科学研究所面临的巨大挑战是值得我们去迎接的，虽然企业在这方面的收益还无法量化。　　随着顶级科技公司争相在产品中融入智能技术，谷歌并不是唯一一家研究围棋AI的公司，Facebook对围棋人工智能的研究整合此前也亮相最新的计算技术：深卷积神经网络(deep convolutional neural networks)和蒙特卡洛树搜索(Monte Carlo tree search)，前者利用类似于大脑的算法来学习和识别棋盘上各种模式的重要性，而后者相当于一种超前思维，用于计算详细的战略步骤。　　Facebook和谷歌在围棋人工智能方面的研究具有极大的代表意义。与国际象棋相比，围棋更具深度。要让计算机掌握相关技巧，需要更多类似于人类的模式 识别和直觉判断技巧，计算机象棋软件越来越优秀，已将揭开了这项游戏的神秘面纱；相比之下，围棋目前更加神秘。但将来，围棋的神秘色彩也可能不复存在。
　　除非注明，文章均为原创，转载请以链接形式标明本文地址
　　本文地址：
.子曰见死不救
人机之间的又一巅峰对决！看好李世石
.神奕Bryant
围观人机大战。
.阿斯那笃黑
李世石应该能赢，毕竟实力在那
.相似性之间的相似性
奖励规则没说清。奖金分三部分：①李获得$15万出场费的条件是：完成5局比赛；②李的单局获胜奖金=$2万；③李战胜αGo（即获胜局数≥3）则获得$100万的胜利奖金。理论最高奖金=15+2×5+100=125
.小小小白他爷爷
一直感觉围棋比赛的奖金太少，包括这次
.阿尔伯特a
李世石5战全胜。
.齐添48365
呵呵，他在找路径突围。容易吗？上帝之作想走就能走吗？
我认为李世石会赢，大局观和棋感对于人工智能大概是达不到的。
他在找路径突围。容易吗？上帝之作想走就能走吗
还真想知道比赛结果
不知道国内能不能看直播
围观人机大战
.软件民工2015
柯洁没福气啊，这奖金比几个大赛冠军都高。
贴目应该是日本规则吧？
赞助商广告
本站采用创作共用版权协议, 要求署名、非商业用途和相同方式共享. 转载本站内容必须也遵循“署名-非商业用途-相同方式共享”的创作共用协议.AI将围棋世界冠军逼到认输？关于AlphaGo的8个问题 - i天下网商－最具深度的电商知识媒体
AI将围棋世界冠军逼到认输？关于AlphaGo的8个问题
北京时间3月9日12:00整，一场举世瞩目的围棋&人机世界大战&在韩国首尔上演。比赛一方为谷歌公司研制的人工智能程序AlphaGo，另一方则是围棋世界冠军、韩国名将李世乭九段。
经过3个半小时的鏖战，李世乭九段投子认输，输掉了这五番棋中的第一场。
不管最终结果如何，
未来已经来临！
关于这场世纪大战，有8个问题你需要知道。
1，为什么要研究围棋AI？
为什么是围棋，不是别的？
游戏，是AI最初开发的主要战地之一。博弈游戏要求AI更聪明、更灵活、用更接近人类的思考方式解决问题。游戏AI的开发最早可以追溯到1952年的一篇博士论文。1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国际象棋AI。欧美传统里的顶级人类智力试金石，在电脑面前终于一败涂地，应了四十多年前计算机科学家的预言。
1997年纽约，与IBM深蓝电脑终局对弈开始时，一台电视监视器上的加里&卡斯帕罗夫。 Credit Stan Honda/Agence France-Presse & Getty Images
但有一个游戏始终是人类大脑的专利&&古老的围棋。 围棋AI长期以来举步维艰，顶级AI甚至不能打败稍强的业余选手。这似乎也合情合理：国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。这一巨大的数目，足以令任何蛮力穷举者望而却步&&而人类，我们相信，可以凭借某种难以复制的算法跳过蛮力，一眼看到棋盘的本质。
2，研究下棋AI，需要研究人员的下棋水平很高吗？
不需要。AlphaGo背后是一群杰出的计算机科学家，确切的说，是机器学习（machine learing）算法领域的专家。科学家利用神经网络算法，将棋类专家的比赛记录输入给计算机，并让计算机自己与自己进行比赛，在这个过程中不断学习训练。某种程度上讲，AlphaGo的棋艺不是开发者教给他的，而是自学成才。
面对人类，阿尔法狗还有一个巨大的缺陷：没有手。上图左边的是阿法狗的制作者之一，他负责替阿尔法狗完成落子的动作。
不过，研究出AlphaGo的（Deepmind）创始人 杰米斯&哈萨比斯（Demis Hassabis）确实是棋类的狂热爱好者，哈萨比斯四岁开始接触国际象棋，并很快进化成神童级人物。正是在博弈游戏上的兴趣让哈萨比斯开始思考两个重要问题：人脑是怎样处理复杂信息的？更重要的，电脑也可以像人类一样吗？博士期间的哈萨比斯选择了学习认知神经科学和计算机神经科学。今天，38岁的哈萨比斯带着他的AlphaGo，向人类最顶级的博弈游戏之一&&围棋发起进攻。
3，AlphaGo算法里的&神经网络&是个啥？
AlphaGo 的核心是两种不同的深度神经网络。&策略网络&（policy network）和 &值网络&（value network）。它们的任务在于合作&挑选&出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里&&本质上，这和人类棋手所做的一样。
其中，&值网络&负责减少搜索的深度&&AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑；
而&策略网络&负责减少搜索的宽度&&面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。
AlphaGo利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会判断当前局面以及推断未来的局面一样。这样AlphaGo在分析了比如未来20步的情况下，就能判断在哪里下子赢的概率会高。
4，今天AlphaGo和过去的深蓝，谁更厉害？
我们先来看看围棋和国际象棋之间有什么差别：
第一，围棋每一步的可能下法非常多：围棋手在起手时就有19X19=361种落子选择，在比赛的任意阶段，也都有数以百计的可能下法。但国际象棋的可能下法通常只有50种左右。围棋最多有3^361种局面，这个数字大概是10^170，而已经观测到的宇宙中，原子的数量才10^80。国际象棋最大只有2^155种局面，称为香农数，大致是10^47。
第二，对国际象棋来说，只需要把目前棋盘上剩余棋子的价值总和算出来，就能大概知道棋盘上谁处于优势了。但这种方法对围棋来行不通，在围棋的棋局中，计算机很难分辨当下棋局的优势方和弱势方。
可见，同样是下棋，对付围棋要比对付国际象棋棘手得多。
让我们直观的看一下国际象棋和围棋的复杂度对比，上图是国际象棋，下图是围棋：
图片来自Google
另外深蓝就是专门制造出来下国际象棋的。它评估盘面的标准完全依赖于国际象棋本身的规则，除了下棋它就干不了别的了，连五子棋都不会！但AlphaGo不同，围棋只是他的一个测试平台。工程师可以通过围棋，发展和测试AlphaGo的能力。这个能力将来会运用到各个领域。就像《星际争霸》还是角色扮演游戏中的NPC，高级人工智能不仅能成为强有力的对手，也可以变成优秀的团队伙伴。
5，在战胜樊麾之后的5个月里，AlphaGo都在干嘛？它可能在哪些方面&进化&？
有关AlphaGo在这几个月的&进化程度&，谷歌官方并没有给出任何确切的介绍。但是有位名叫安德斯&可鲁夫（Anders Kierulf）的围棋游戏设计师给出了这样的猜测：
在深蓝对战卡斯帕罗夫的过程中，工程师们可以在比赛间调整深蓝的算法，比如修复bug。对AlphaGo来说，这可能并非易事。比如说，对战樊麾时，第二局的31步是AlphaGo的失误：
要是换了别的场景，那么这步棋是正确的局部着法&&但AlphaGo对全局整体的理解还不够充分。在这种情况下，避免特定的错误则更容易一些。在去年十月，AlphaGo并没有使用开放的库，但在三月的比赛前，Google大可以把库添加进去，至少可以在比赛间调整（如果一盘棋里走错，就在下一盘前手动添加，这样下一盘棋就不会再错），这样李世石就无法连续几盘利用同一个定式错误。
在比赛前，Google可以做的改进还有：
1.改进AlphaGo的神经网络。在对樊麾的比赛中，他们使用了3000万个位置作为原始数据，来训练AlphaGo的价值网络。在对李世石的位置中，他们可以使用1亿个位置训练。
2.额外训练AlphaGo的投骰（rollout）策略，然后将改进过的投骰策略加入到价值网络的训练中。
3.调整投骰和价值网络之间的平衡，也可以在比赛本身中投入更大的运算量。
6，AlphaG的超强学习能力有没有上限？
对于这个问题，英国曼彻斯特大学计算机科学教授凯文&柯伦表达了否定态度。他认为，我们没有理由相信技术会有极限，特别是在AlphaGo这样的特定领域。
对战的最后时分。之后，李世乭投子认输。
而来自南京大学计算机系的两位专家，周志华和俞扬则都认为，上限是客观存在的。周志华表示，&强化学习&奏效的关键，是两个模型都不错，而且有足够大的&差异&。当模型性能提升以后，其差异会显著下降，到了一定程度必然会使性能无法继续通过这种机制提升。其上限取决于高质量&有标记&样本（相当于真实李世乭水平棋手的棋局）的数量。
俞扬的观点是，上限不仅存在，而且已经和AlphaGo当下的水平极其接近。从AlphaGo的报道来看，DeepMind已经在想办法避免过拟合（即越学越差），这说明他们可能已经碰到了上限。
7，如果在全部5局中，AlphaGo以5：0战胜李世乭，
对人工智能而言意味着什么？
正如本文开头所说，未来已经来临。无论最终的结果如何，都无法阻止更多的人类终于开始用警惕的目光打量AI&&围棋职业八段刘菁的评论是：&还来不及反应，一切来的似乎是太快了！面对毫无表情，连厕所都不上的阿尔法狗，4000年围棋的终结者今天就来了吗？空气中弥漫着机器的味道。&
就算AI输了，难道你们就松口气了吗？
人类啊，呵呵。
8，最后一个问题：
各位人类，你们觉得这五番棋最终结果如何？
还有4局对战，一起才刚刚开始。让我们拭目以待。
（来源：&果壳网&微信公众号）