3月，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、韩国名将李世石九段。

      双方在较量3个半小时后，围棋九段高手李世石宣布认输！

      机器打败人类！相信不少人在被刷屏之余，想弱弱地问一句：

“阿尔法狗”是什么鬼？

首先，这场大战为什么备受关注？

      早在19年前，ibm的超级计算机“深蓝”（deep blue）击败了国际象棋大师加里•卡斯帕罗夫。自从国际象棋被攻克后，被认为是世界上最复杂棋盘游戏的围棋就被当成了人类智力最后的堡垒，同样的也就成了人工智能研究者们最想要攻克的难题。去年10月5日-10月9日，谷歌安排alphago与欧洲围棋冠军樊麾闭门比赛，alphago以5-0取胜。alphago首次战胜围棋选手。今天这场alphago与韩国世界冠军李世石九段的对抗赛被视为人类捍卫最后骄傲之战！ 

6个问题带你全面了解这场人机大战：

1、为什么是围棋？

      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。

2、alphago到底是什么？

      首先，它背后是一套神经网络系统，由 google 2014 年收购的英国人工智能公司 deepmind 开发。这个系统和深蓝不同，不是一台超级计算机，而是一个由许多个数据中心作为节点相连，每个节点内有着多台超级计算机的神经网络系统。就像人脑，是由 50-100 亿个神经元所组成的，这也是为什么这种机器学习架构被称为神经网络。

3、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（machinelearing）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。

4、alphago的程序原理是什么？

深度学习

      阿尔法围棋（alphago）的主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。

两个大脑

      阿尔法围棋（alphago）是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。
5、alphago为何如此聪明？

      它能从自己犯的错误中获得教训。 据deepmind的研究人员透露，alphago按照蒙特卡罗树搜索（mcts）算法和“深度”中立网络的形式整合了机器学习，这种深度中立网络一直通过监督学习方式进行培训。（alphago的培训机制也包括向人力专家发挥和自主发挥过程学习。）如果放宽一点标准，那么alphago也实现了某种程度上的人工智能。例如，alphago能够从自己的错误中获得教训，同时还能够从其他方面体会失败与成功的经验。此外，alphago还能够通过其自我培训机器学习算法来改变和提升自己。这不会让其成为强人工智能，但却是一种旨在针对特殊任务的专门程序。

6、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？

      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。”

延伸

我们身边的人工智能 

      从苹果的siri，到日常浏览的搜索引擎，再到网络的文章推荐和商品推荐系统，这些全都是人工智能。人工智能在我们生活中扮演着越来越重要的角色。

私人秘书siri:

      使用者可以通过声控、文字输入的方式，来搜寻餐厅、电影院等生活信息，同时也可以直接收看各项相关评论，甚至是直接订位、订票；另外其适地性（location based）服务的能力也相当强悍，能够依据用户默认的居家地址或是所在位置来判断、过滤搜寻的结果。不过其最大的特色，则是人机的互动方面，不仅有十分生动的对话接口，其针对用户询问所给予的回答，也不至于答非所问，有时候更是让人有种心有灵犀的惊喜，例如使用者如果在说出、输入的内容包括了『喝了点』、『家』这些字（甚至不需要符合语法，相当人性化...），siri 则会判断为喝醉酒、要回家，并自动建议是否要帮忙叫出租车。

 自动驾驶汽车：

      自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

“懂你”的房间：

      你所居住的房屋，会在你早上起床时将窗帘自动拉起，在你晚上睡觉时自动拉上；

      如果房屋推测你夜里需要起床喝水，它就会自动打开夜灯；

      它还会知道当你在周末与朋友举办了一个好玩的party之后，精疲力尽的你第二天需要晚些起床，所以它会晚些时候拉开窗帘……

看不见的“翻译官”：

      一直以来，掌握语言系统是人类能够身为高等生物的重要技能。尽管有各种各样的翻译软件，但翻译效果仍然非常有限，经常会闹出一些笑话。

      近期百度发布了基于融合统计和深度学习方法的在线翻译系统。该系统借助海量计算机模拟的神经元，模仿人脑“理解语言，生成译文”。这种翻译方法最大的优势是译文流畅，更符合语法规范，易于理解。

对于未来：

alphago系统未来将应用到多个领域

       alphago的目标远不只是击败顶级围棋高手。这一系统还将应用于其他人工智能挑战，例如开发无人驾驶汽车，设计更类似真人的虚拟助手，以及协助对许多疾病的诊断。 

无人驾驶是人工智能应用最快的场景 

      无人驾驶作为未来几年确定的发展方向，也是人工智能应用最快，空间最大的场景之一，涉及的产业链比较大，包括硬件(汽车电子相关)、软件(车联网相关)、系统(驾驶辅助系统、互联终端等)及整车等。 

人工智能将继续成为16 年科技焦点之一 

      人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。随着大数据、深度学习算法及机器视觉等细分领技术的发展，人工智能将迎来发展春天，将为信息技术带来革命性的突破，将重新定义各行各业，对促进技术创新及提升国家竞争力将产生深远的影响。