人工智能时代：未来已来

当人们还没有走出前一次被AlphaGo击败的“恐惧”，想尽办法找到扳回一城的机会时，AlphaGo又一次完成了进化。谷歌下属公司Deepmind推出了新版程序AlphaGo Zero，新版AlphaGo Zero程序已经将原始AlphaGo程序远远地抛在了身后，在围棋方面，人类与计算机之间的差距又一次被拉开。

我们想要了解人工智能的发展，有必要详细了解一下AlphaGo的前世今生。作为人类智慧的创造物，AlphaGo的围棋技艺一步步赶上并超越人类，从而在围棋领域所向披靡，我们不得不对此产生一种紧迫感和危机感。人工智能是否会在其他领域超越人类呢？这是我们必须仔细思考和面对的问题。

AlphaGo是一款人工智能程序，是由谷歌公司旗下Deepmind公司戴·西尔弗、艾·黄和他们的团队共同开发的。其中Alpha是希腊字母表的第一个字母，有开端和最初的含义。而Go则是日本人对围棋的叫法，最早的围棋职业化和段位制都是从日本的棋院发展来的，所以AlphaGo也具有“第一个智能围棋”的意思。

从战绩上来看，首先2015年，AlphaGo便5:0的比分横扫了曾三次斩获欧洲围棋冠军的职业二段棋手樊麾，而后紧接着又以4:1的比分战胜了韩国顶尖棋手李世石，也正是在此时，AlphaGo名声大噪。

然而，AlphaGo并没有停下前进的步伐。2017年，AlphaGo完成了程序的升级。在网络对战中，它一举战胜了数十位中外围棋选手，最终60场胜利完胜人类。在这之后， AlphaGo又将自己的目标对准了当时世界排名第一的中国围棋选手柯洁，面对AlphaGo的挑战，柯洁果断应战，但依然以0:3的比分败给AlphaGo。这场在围棋领域顶级的“人机大战”，不仅让AlphaGo再一次声名远播，而且也让人工智能重新成为全世界关注的焦点。

其实，在过去的人工智能研究中，科学家们一直在尝试让计算机学习下棋。从最初的跳棋，到20世纪90年代“深蓝”学习的国际象棋，现在AlphaGo又开始在围棋领域开疆扩土。围棋比国际象棋复杂得多，在国际象棋中，一个回合约有35种可能，整盘棋可能只有80个回合。而在围棋之中，每回合有250种可能，整盘棋可以经历150个回合。

围棋由于变化多端，有着“千古不同局”的说法，计算机的算法是无法轻易攻克的。因此，围棋也被视为人机对决的“最后一块棋盘”。人工智能在围棋领域的发展是比较缓慢的。人工智能是通过自身接触到的庞大数据提高学习能力的，所以在围棋领域，如果人工智能将所有可能出现的数据罗列出来的话，那么对于其数据的承载量将是一个极大的考验。

相对于人工智能，人类能够轻松地学习围棋，是因为人类可以通过人脑轻松地分析出当前的形势，从而做出相应的判断。

所以与前几代下棋机器人相比，AlphaGo要强大得多，即使是同一时代的人工智能机器人，在AlphaGo面前也会显得相形见绌。在与其他人工智能机器人的500场围棋对局中，AlphaGo只输掉了其中1场，而很多时AlphaGo还是在让子的情况下，获得了比赛的胜利。AlphaGo之所以能够不断进化升级，主要是因为它可以进行自我学习，这也是它优于其他人工智能的地方。

AlphaGo的主要工作原理是“深度学习”，这是一种多层人工神经网络和训练的方法，就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接在一起，从而形成神经网络的“大脑”，最终用来进行精准复杂的处理工作。事实上，AlphaGo是通过两个不同的神经网络系统改进自己的下棋能力的，这与互联网搜索引擎识别图片在运作结构上是十分相似的。

对Deepmind公司来说，研AlphaGo不仅是为了让它在围棋领域战胜人类，还要AlphaG o成为人工智能的先驱者。这Deepmind公司的目标也是一致的， Deepmind公司的目标是将所有人工智能研究专家聚集在一起，一同推动人工智能的发展。

Deepmind公司的创始人认为人工智能的研究应该分两步走：第一步是了解什么是智能，第二步是利用这些技术解决一些常见问题。具体在实践中，最核心的方法就是“学习”，让人工智能系统通过已经掌握的经验，进行自我学习，从而提出新问题的解决方案。而计算机的这种自我学习能力正是通过深度学习和强化学习来实现的。

Deepmind公司AlphaGo学习围棋，就是为了让它能够在不断地学习过程中，学会“思考和创造”。在围棋中，每个棋子的位置都可能影响到整盘棋局的最终走向，所以下棋者需要不断考虑未来的棋路走向，这不仅要思考自己的棋路走法，还要不断预测对手的落子位置。在这个过程中，变化是无穷无尽的。

事实上，从AlphaGo与人类围棋高手的几次对局中可以发现，它似乎已经具有了一定的创造力，虽然这种创造力还局限在下围棋方面。但显然Deepmind公司并不打算将AlphaGo的这种技术仅仅局限在下围棋这一方面。

在2016年，Deepmind公司就在医疗领域进行了相应的探索。通过与英国国家医疗服务体系合作，Deepmind公司与Moorfields眼科医院共同开发了一套能够识别视觉疾病的机器学习系统。这一系统可以分析人类眼球扫描图像，发现糖尿病视网膜病变和老年性黄斑病变的一些早期症状。从而对患者做出提前预警，避免这些病症逐渐发展而带来的危险。

很多人认为AlphaGo在围棋领域击败了人类最强选手，可能会影响到围棋运动的发展，但实际上，对于那些真正热爱围棋运动的人来说，这一点似乎并不重要。未来，人工智能还会在许多不同领域击败人类，但这也不是最重要的。如同武侠小说中的大侠们，他们到达了顶峰之后往往会感觉到空虚，而现在在人类面前有一座大山，这可能会激发更多人去翻越大山，而不是在大山面前止步不前。

AlphaGo作为人工智能技术的产物，充分展现了人工智能在应用领域的先进性，虽然AlphaGo的能力现在只在围棋领域展现，但人工智能技术却可以影响到社会的方方面面。

对于AlphaGo来说，它的使命并没有完成。它虽然在围棋领域登上了顶峰，但依然有许多困难等它去挑战。AlphaGo并不是人类的挑战者，它更像是人工智能研究过程中的开路先锋，帮助人类不断突破前进的障碍，这才是它最为本质的工作。