地平线机器人公司CEO余凯在自己的朋友圈称，深度学习领域里的各种进步，让其兴奋不已。因为从简单多层神经网络在语音识别的突破（2011），到对空间展开的卷积神经网络在图像识别领域的突破（2012），再到递归神经网络在序列学习领域（OCR，语音，机器翻译，NLP）的进展（2014），再到基于深度神经网络的增强学习在计算机博弈和控制领域的突破性进展（2016），这个过程人类只用了5年时间。
人工智能战胜围棋冠军是一件里程碑式的事件。
为什么这事如此重要？
理解了AlphaGo的人工智能后，再来看看为什么战胜围棋冠军是一件里程碑式的事件。
棋类游戏一直被视为顶级人类智力的试金石。人工智能与人类棋手的对抗一直在上演。1989年开始，IBM的“深蓝”（deepblue）就常常能击败国际象棋大师了，8年后的1997年，深蓝首次打败世界第一的国际象棋棋手加里·卡斯帕罗夫，开始统治国际象棋领域。2006年，成为了人类在国际象棋的绝唱，因为自此之后，人类再没有战胜过最顶尖的人工智能国际象棋选手。
不同于国际象棋，围棋每回合的可能性更多，共有250种可能，一盘棋可以长达150回合。同时，围棋有3^361种局面，而可观测到的宇宙，原子数量才10^80。用人工智能战胜围棋专业选手，按照技术的发展速度，一般认为至少需要10年才能实现。
“为什么我们要致力计算机围棋？因为这是一个需要学习、模式识别、问题解决和规划等技能组合在一起的技能。也是一个测试新的想法，机器学习、推理和规划的好方法。”Facebook人工智能实验室主任YannLeCun在自己的Facebook账号上表示。
Facebook人工智能研究所研究员田渊栋在其知乎账号上指出，围棋难的地方在于它的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。这两点加起来，迫使目前计算机只能用穷举法并且因此进展缓慢。
目前，田渊栋在Facebook负责黑暗森林（DarkForest）项目，也是一个围棋对弈项目。这个程序已更新到第三个版本，并在KGS服务器上运营了一个多月，并取得了成人组第五的排名。这个排名意味着它已经成为全美国最好的前100名选手之一，也步入了世界最顶尖围棋机器人之列。
赢了欧洲冠军樊麾后，AlphaGo下一步的目标是在3月份挑战围棋世界冠军李世石。
对于这场世纪大对决，DeepMind公司创立者之一德米斯·哈萨比斯（DemisHassabis）表示很有信心。他在接受《自然》杂志采访时称：“AlphaGo很可能在围棋这一领域超越最顶尖的人类，我非常期待看到它在围棋的规则之内创造出新的东西。这是我亲手打造的系统，自然对它怀有很深的感情，尤其考虑到我们打造它的方式——它会不断学习，从某种意义上说我们是在不断‘训练’它，它下棋的方式也很像人类。你在写一段普通的程序时，可能对所有细节都了如指掌，事先安排好了一切，但AlphaGo不一样，它会自己学习提高，这种能力是很了不起的。”
关于AlphaGo的未来应用，哈萨比斯说：“最终，我们想要将这些技术应用到真实世界的重要问题中。因为我们用的方法是通用的，我们希望有一天，它们能延伸得更广，帮助解决最紧迫的社会问题，从医药诊断到环境模型。”
按照哈萨比斯的描述，这项技术在Google的首个用途将是开发更好的个人助理软件。这样的个人助理能够从用户在线行为中学习用户偏好，并对产品和事件作出更符合直觉的建议。利用人工智能来做私人助理，这与Facebook首席执行官马克·扎克伯格之前的想法又不谋而合了。
<上一页 1 2
