在刚刚结束的围棋人机大战中，AlphaGo 机器人 在与韩国顶尖高手李世石之间的五番棋第一战中取胜，总比分1-0落后。这是AlphaGo 机器人 去年战胜欧洲围棋冠军后在人机大战中的又一次胜利。
可以预见，这场世纪大战之后，人类被计算机碾压、 人工智能 时代来临、人类治理骄傲即将崩塌 这些说法充斥着朋友圈与各大新闻频道。
多年以来，人机大战从来没停止过， 人工智能 一直在各个领域不停地向人类发起挑战。1997年，IBM的超级电脑 深蓝 击败国际象棋世界冠军卡斯帕罗夫，深蓝也成为击败人类的最知名的 人工智能 。不过马上就不是了，因为AlphaGo准备在更难的围棋领域，击败人类!
众所周知，围棋的规则与胜负条件足够复杂，其估值函数非常不平滑，差一个子盘面就可能天翻地覆，同时状态空间大，也没有全局的结构。
说的再简单一些，我们都知道国际象棋有着明确的兑子价值：
后 10分
车 5分
象 3分
马 3分
兵 1分
图：国际象棋 算法 的搜索树
图：围棋 算法 的搜索树
围棋复杂度超过宇宙原子总数：围棋棋盘横竖各有19条线，共有361个落子点，双方交替落子，这意味着围棋总共可能有10^171(1后面有171个零)种可能性。这个数字到底有多大，你可能没有感觉。我们可以告诉你，宇宙中的原子总数是10^80(1后面80个零)，即使穷尽整个宇宙的物质也不能存下围棋的所有可能性。
而且在围棋中，我们很难量化每一子的价值;遑论对弈过程中还需要符合 打劫 的游戏规则，并通过挤、拆、逼、封等手段获取优势，其难度远高于其它项目。因此，棋类游戏中，围棋成为了计算机唯一一道未能攻破的防线。
那么守护人类智力的重任，就交给你了!
不过围棋与IT界似乎都相信，即便这次AlphaGo跪了，电脑也迟早是会在围棋等全部博弈类游戏上赢过顶尖的人类选手。
因为 人工智能 技术已经迎来了一个新的突破 深度学习技术。
AlphaGo比此前国际象棋 人工智能 复杂的点在于：它基于深度学习进行估值和走棋。而近几年深度学习最大的突破之处，就是深度学习不需要人来设计 算法 找特征 ;只通过大量原始数据和标签的对比，程序便可以自动找特征，并且并不比人差。
那这和下围棋有什么关系？!先别急，围棋虽说是 千古无同局 ，但在局部及开局还是有很多相似或者相同的模式会反复出现， 人工智能 需要寻找并记录的，就是这其中的特征、以及每一步之间的规律。之后， 人工智能 将深度学习的找特征，与蒙特卡洛搜索树相结合
等等，蒙特卡洛搜索树(MCTS)又是什么鬼？科幻爱好者对这个应该词语并不陌生，老刘的《三体》里也曾出现过。说得简单一些，就是一种通过大量采样获取最优解的方法;体现在围棋中，就是运用了蒙特卡洛搜索树的 人工智能 ，能够看到更多步以后的局势，不会为了眼前的利益而舍弃大局。对于机器来说，这几乎是智的飞跃。
但《三体》里也曾表示，在样本过多的情况下，蒙特卡洛搜索树耗时过长，往往需要以年作为时间单位。因此，快速、精准发现特征的深度学习技术，成为其最好拍档。于是，蒙特卡洛搜索树搭配深度学习 利用前者枚举棋路、利用后者发现特征加以分析的 人工智能 AlphaGo，成为了人类棋坛荣耀的最大威胁。
不只是围棋，自从 人工智能 不断趋向成熟，越来越多的传统领域受到了挑战。
人工智能 VS专业医师
图：沃森电脑已向医疗领域进军
例如11年在综艺节目上狂虐人类选手的超级电脑 沃森 。在面对主持人提出的各类新奇古怪的问题时，沃森不仅能在第一时间给出正确答案，还能主动忽略自己不擅长的问题。据说，沃森储存了数百万的文档资料，包括字典、百科全书、新闻、文学等，其硬件配置可以使它每秒处理500GB的数据，相当于每秒阅读100万本书。
如今沃森被运用于医疗服务、咨询等领域，能够给患者提供最合适的治疗方案。不论从效率还是诊断准确率来讲， 人工智能 都远胜过人工咨询，足以媲美专业医师。
人工智能 VS顶级黑客
图：360天眼团队在BlackHat大会上演讲
对于 人工智能 来说，达到专业医师的程度还不够。采用深度学习技术的360天眼系统，已经和世界最顶尖的黑客开始了博弈。去年8月，全球信息 安全 行业的最高盛会 世界黑帽大会BlackHat在拉斯维加斯召开。期间，该 人工智能 系统被搬上大会讲台，为在场的1.5万余名专业 安全 人士以及顶级黑客，展示深度学习与流量识别的综合应用。
虽然出现在黑客的最大party上，但天眼系统的目标却是防止黑客的攻击：基于多GPU的并行计算，建立一个模拟人类大脑的深度学习 神经网络 ，通过网络流量识别协议及应用程序，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。
人工智能 VS男/女朋友
