AlphaGo对李世石的输赢 对人工智能发展毫无意义--百度百家
AlphaGo对李世石的输赢 对人工智能发展毫无意义
分享到微信朋友圈
真的难以置信。并不是因为AlphaGo能否战胜李世石，而是人工智能比预想中走得要慢得多。
真的难以置信。
并不是因为AlphaGo能否战胜李世石，而是人工智能比预想中走得要慢得多。
在19年前，学生时代记忆中的“深蓝”，战胜了国际象棋世界冠军卡斯帕罗夫。在那个对计算机懵懂的年代，这是我们对人工智能的初体验。
最近的人机对战应该在5年前，Watson在美国老牌智力问答节目《危险边缘》中，战胜了两位人类冠军。这时的Watson表现出的语音理解能力，就是现在所说的认知计算，这也是人工智能的一种体现。
最后则是现在最引人关注的AlphaGo挑战李世石，无论战局如何，都会带来许多疑问。被美国电影不断题材化的硅基文明向人类的挑战，似乎来得并没有那么快。无论AlphaGo比深蓝要神奇多少倍，计算的能力要超出不知凡几。
但仍免不了，只能在方寸之间的棋盘上，与人类一赌输赢。胜负，真的没有那么重要了。
在AlphaGo成长背后的秘密
AlphaGo大战李世石之所以如此引人关注，不是因为它能够代表科技的进步，或是人工智能的未来。而是它占据了电子竞技的版面，造成了超乎预期的关注。
但首先必须要承认，围棋比国际象棋确实要复杂得多，毕竟象棋的棋子是越下越少，而围棋的棋盘则是越走越密，这对计算的要求要高了很多。国际象棋的步数完全可以靠计算出来，而围棋除了计算能力，还与个人的思考方式有关。也就是说，与国际象棋人工智能相比，围棋人工智能更像是一个“人”。
AlphaGo能够成长为一个类人的棋手，它的背后也有一些关键的技术。
据说，谷歌的Deep Mind团队给AlphaGO输入了海量的职业棋手的对局，而其自我学习演绎的对局数更是达到了3000万局。
这里能够看出两个细节，第一，必然有大数据的支撑，让AlphaGo能够厘清头绪，形成对规则的认知。第二，AlphaGO具有深度学习的能力，自我进化。确实在本质上，AlphaGo就是一套为了围棋优化的设计周密的深度学习引擎，使用了神经网路加上MCTS (Monte Carlo tree search），并且用上了巨大的谷歌云计算资源，结合CPU+GPU，加上从高手棋谱和自我学习的功能。
所以，AlphaGo其实并不是神秘，也不是人工智能的技术创新，它确切的定义应该是不同机器学习技术的整合。它的核心必须是建立在大数据和深度学习两个基础上的。
比如微软的小冰，就符合同样的基础，首先小冰的大数据基础来自于中国7亿网民的积累和大量公开的文献，其次，正是凭借微软在机器学习和深度神经网络上的技术，实现了最终的人机交互。
再比如，在国内也有相同的案例。京东的智能机器人JIMI，就是一个典型的代表。基于京东在电商交易的核心大数据分析，形成了JIMI的骨架。京东强大的人工智能和深度学习团队，为JIMI提供了深度神经网络的大脑和机器学习的能力。
如何去判断人工智能是否成功的表现呢？其实，有一个很简单的方法，当我们感受不到对面的对象是一个机器人时，这个人工智能就是成功的。
从这个角度去看，AlphaGo确实有这方面的潜质，去年10月以5：0战胜欧洲围棋冠军樊麾时，通过策略网络和价值网络来决定棋路，不去计算每一步的可能性，颇有人类棋手的味道。
而作为京东的购物小助手，JIMI在去年618大促时，就已经承担了京东整业务咨询量中的30%强。很多用户在咨询过程中，几乎感受不到面对的是一位机器人助手，实际上，以如今JIMI对商品和用户的了解，通过它实现的业务咨询满意度已经超越了人工客服，这种切实的进步，其价值也不亚于人机大战。
当然，话说从头，如文章开篇提到的那样，人工智能在19年来，没有给世界带来太大的惊喜，根本的原因，还是离应用太远。就像我当初评价3D打印机一样，没有核心的应用，再强的计算和技术都免不了跑龙套的命运。人工智能的未来到底该是什么样的？
应用先导&技术为本&方得未来
AlphaGo所表现出来的人工智能的技术模型和计算引擎，确实代表了人工智能目前在深度学习方向的进步，这是毋庸置疑的。
不过，那些对人工智能最终取代人类生产力的判断，却有些为时过早。索罗斯的“反身性”原理，背后揭示了一个深刻的规则：人不能跳出“人的视角”去验证人。
比如毕加索的抽象艺术，人工智能绝无可能理解格尔尼卡表现出的被炸弹袭击后小城的绝望。所以，首先，对人工智能的理解，必然建立在具体的应用场景中，才有释放光芒的可能。
所以，无论是AlphaGo还是小冰，他们存在的意义，在于展示谷歌和微软在人工智能领域，具有很强的技术积累和人才体系，但他们在应用本身并没有体现出积极的作用。
相反，已经应用在京东实际业务当中的JIMI在这方面做得相对要好。只是，当我们过分追求了一种意识上的认同，却忽略了，真正的人工智能就在我们身边的事实。JIMI是建立在对产品信息，订单流程的服务上，它的应用场景核心就是辅助交易，这使得JIMI在应用中能够发挥实际的作用，而不是作秀。
况且，JIMI的应用并不想AlphaGo只是解决一时的问题，JIMI在京东的实际业务流程中，是7X24的满负荷，这表示JIMI的学习能力，是时刻都在进化的。
其次，技术是人工智能的根本。
为了达成AlphaGo战胜世界上最好的围棋选手的使命，谷歌为其搭配了15名以上的世界顶级的计算机科学家和机器学习专家。而其实，早在日，京东就已经成立了京东深度神经网络实验室，这个实验室是由国内外著名院校的博士及博士后组成，阵容丝毫不落下风。
以深度学习的神经网络的层数为例，这是衡量深度学习水平的一个标准。传统神经网络一般只有两三层的神经网络，其有限的参数和计算单元，对复杂函数的表示能力有限，学习能力有限；而深度学习则具有5到10层的神经网络。JIMI之所以能够达到这样的智能水平，是因为京东的深度学习已经能够做到了9层。
再有最容易被忽略的大数据，并不是所有的数据都能称之为高价值数据。AlphaGo的数据源是海量的职业棋手对局，所以它的深度学习模型集中在AlphaGo与AlphaGo自己的对局当中。这是它的最大价值，但如果换一个应用场景，没有严谨又合理的数据源，它的模型可复制性就大打折扣。
相比而言，京东JIMI的优势在于，京东的数据链很长，包括经销商的数据、用户的数据和地理位置的数据，这些数据建立起来的价值链条，就等于是用户需求的深度挖据。这种价值也是JIMI在应用中逐渐建立起来的。
所以，我为什么要关心AlphaGo能否战胜李世石？这对人工智能整个的发展而言，不过是对了人机对战的一笔笑谈。真正的人工智能必须要要诞生在应用上，才能展现出真正的价值。
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
阅读：38万
阅读：1832
阅读：16万
阅读：11万
阅读：11万
热门文章HOT NEWS
通胀抬头或明显，美联储6月份加息或没有悬念。这将对新兴市场包括...
maomaobear
丁鹏Gamewower
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻疾病带来的体力难支，有时让他只能跪在椅子上讲课。
冰雪云海交织一起的美景吸引了众多广东人上山赏雪。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
　　相信在最近几天时间里无论是否关注围棋，只要你是一个拥有基本社交关系的正常青年，一定都被 VS. 韩国职业九段围棋棋手 （或李世h）的重磅对抗新闻刷了无数屏。对阵双方是Google旗下DeepMind公司[1-2]开发的AlphaGo围棋 （Artificial Intelligence, AI）程序和韩国乃至世界顶级围棋高手李世石，DeepMind试图证明AI科技可以使冰冷的计算机具备人类思考意识，以期未来布局到游戏、医疗、机器人以及手机等领域从而更好地服务人类；而李世石作为代表人类的一方，则试图抛开人类的偏见和自负，承担起捍卫圣杯的义务（当然，胜利一方将获得$100w美金奖金）。遗憾的是李世石目前已经输掉了整场比赛，被AlphaGo以3: 0的比分毫无悬念摘下这场天王山之战的胜果（按照官方赛制规定比赛采用5局3胜制，无论哪一方提前胜出都要下满5局），现在社交网络上的风评已经由讨论比分几比几转变成讨论李世石到底能不能扳回哪怕一城？(创事记注：在13日进行的第四局比赛中，李世石战胜AlphaGo，获得了其在本次系列赛的首场胜利。)透过直播甚至能看到比赛期间李世石频繁摇头叹气，赛前誓言要5: 0血洗AI的豪气早已不复存在，私下里还被网民戏谑为“Google高级软件测试工程师”。
　　Google旗下DeepMind的AlphaGo VS. 韩国职业九段围棋棋手李世石
　　前三场比赛的比分
　　如果不出意外，这场比赛将会以人类一方被5: 0的血洗终结并载入AI科技发展史。AlphaGo内部的增强学习机制只会让其棋艺越来越专业，而且机器不会受情感波动的影响稳定发挥，所以现阶段压力几乎全扑向李世石一边，剩下两局已经不再是输赢的问题了，这对他旗艺的发挥必然造成影响。
　　这场比赛为什么空前受瞩？
　　此役之前，AlphaGo曾以5: 0的大比分轻松横扫欧洲围棋冠军樊麾，初步证明了AlphaGo的围棋“思考”能力已经具备围棋大师赛水准。按照最新的Elo分数世界排名（http://www.goratings.org/），樊麾以2986分排名世界第513 / 827位，属于职业二段棋手，而李世石的得分是3520，世界排名第4 / 827（年间世界排名第1，近几年长期盘踞前4状态），属于职业九段棋手，几乎代表了人类围棋博弈的智慧顶峰，所以这场比赛和1997年IBM的计算机程序“深蓝” VS. 加里&卡斯帕罗夫那场国际象棋大赛地位相当。
　　Elo分数排名和分布
　　从解空间大小来看国际象棋的穷举解空间只有10^46，而围棋的穷举解空间高达10^172，即使穷尽整个宇宙的物质也存不下围棋的所有可能性（宇宙中的原子总数是10^80），针对每一步落子的棋局分析和剪枝优化判定都比国际象棋复杂得多。很多没有算法概念的小白一厢情愿地认为只要用足够多的计算资源进行暴力穷举（brute-force）就能得到最优解，这种心态类似著名的猴子无限定理中所描述的：让一只猴子在打字机上随机地按键，当按键时间达到无穷时，几乎必然能够打出任何给定的文字，比如莎士比亚的全套著作。不过在现实中，猴子打出一篇像样的文章的概率是零，因为科学家经过反复试验后发现，猴子在使用键盘时通常会连按某一个键或拍击键盘，2003年，某个科学家做了这个实验，结果打出了5张全是‘S’的纸。最终打出的文字不可能成为一个完整的句子。这是因为现实是非常大的有限，而不是严格意义上的无限。
　　AlphaGo解空间示意图
　　AlphaGo是什么，有何厉害之处？
　　通过阅读AlphaGo发表在《Nature 2016》上的文章Mastering the game of Go with deep neuralnetworks and tree search[3]可以了解到：
　　Abstract: The game of Go has long been viewed as the most challengingof classic games for artificial intelligence owing to its enormous search spaceand the difficulty of evaluating board positions and moves. Here we introduce a new approach tocomputer Go that uses ‘value networks’ to evaluate board positions and ‘policynetworks’ to select moves. These deep neural networks are trained by a novelcombination of supervised learning from human expert games, and reinforcementlearning from games of self-play. Without any lookahead search, the neuralnetworks play Go at the level of state-of-the-art Monte Carlo tree searchprograms that simulate thousands of random games of self-play. We alsointroduce a new search algorithm that combines Monte Carlo simulation with valueand policy networks. Using this search algorithm, our program AlphaGoachieved a 99.8% winning rate against other Go programs, and defeated the humanEuropean Go champion by 5 games to 0. This is the first time that a computerprogram has defeated a human professional player in the full-sized game of Go,a feat previously thought to be at least a decade away.
　　AlphaGo的神经网络训练模型和架构
　　通俗地讲，AlphaGo就是一套针对围棋周密设计的深度学习引擎，采用多种机器学习技术进行整合：增强学习（reinforcement learning），深度神经网络（deep neural network），走棋网络（policy network）、快速走子（fast rollout）、估值网络（Value Network）和蒙特卡洛树搜索（Monte Carlo tree search, MCTS），加上Google强大的硬件支撑和云计算资源，结合CPU ，通过增强学习和自我博弈学习不断提高自身水平[4-5]。值得一提的是，paper两位主要作者之一的Aja Huang（一名低调的台湾教授，另一位是David Silver）也是一名围棋爱好者，目前水平已经达到业余六级（普通人一般是业余二级），整个AlphaGo主要来自两位在博士阶段及毕业以后五年以上的积累。
　　在未来，AI科技能否超越人脑？
　　自1956年AI这个概念被提出并确立以来，一共经历了符号主义→ 专家系统→ …→ 统计学习→ 神经网络→ 深度学习等几大重要阶段，尤其是近十年来对深度学习的研究使得AI在历经神经网络发展低潮过后再一次空前崛起。回顾过往，历史上比较著名的AI对抗人类智慧事件共有三次：
　　1.1997年IBM的计算机程序“深蓝”在国际象棋大赛中以3.5: 2.5 （2胜1负3平）战胜加里&卡斯帕罗夫，当时使用的是人工调整的评估函数，而且是用特殊设计的硬件和“暴力”的搜索。
　　2.2011 - 2012年，吴恩达（Andrew Y. Ng）在Google Brain搭建了一个拥有1.6万多个微处理器、数十亿连接的神经网络，通过观看千万数量级的YouTube图像后，无监督地从里面自主辨识出了“猫”这种生物。然而这样一个庞大集群却也只能达到一个几岁孩子的思维水平。
　　吴恩达现就职于百度，担任公司首席科学家，负责百度研究院的领导工作，尤其是Baidu Brain计划。
　　3.近期，Google旗下DeepMind的AlphaGo与韩国职业九段围棋棋手李世石的围棋对抗，目前比分为AlphaGo: 李世石 = 3: 0，AlphaGo胜。
　　那么，若AlphaGo赢下全部五局比赛，是否意味着AI科技进入全面应用的智能生活时代？不尽然也。按照智能程度分类，AI可以分为强人工智能和弱人工智能，强人工智能的观点是让机器真正的思考（can machine really think），弱人工智能的观点是让机器智能的行动（can machine act intelligent），本质上现有的大多数AI系统包括AlphaGo都还处于弱人工智能阶段，人工投入越多，智能的表现就越多，机器只是执行人类复杂程序命令，并不具备类人情感情绪和思维思考。注意到对AI的分类并不是以解空间大小作为标准，像语音 / 图像搜索、机器翻译、和无人驾驶等即将或已投入使用的AI科技的计算体量都比AlphaGo小得多。
　　谷歌人工智能软件首赢韩国选手李世石看上去是一座里程碑，它似乎意味着电脑已经能做任何人类所擅长的事，但事实并非如此。世界上还有无数人类能够完成的任务，是电脑难以接近的。“世界上最强大的力量应当是人类本身，而不是一把铁锹或者核潜艇。人类制造的产物不讲道德和感情，但他们拥有力量，这种力量的快速增长往往让人类感到恐惧。”――英国《卫报》
　　让电脑模拟出人类思维方式是一件很难的事情，计算机能正常运转是通过按部就班地执行一行行程序代码实现，这些代码指令最终都会变成0和1的二进制机器码。
　　l语音搜索
　　一个简单的搜索引擎案例，当你想了解黄晓明的家人都有谁时，会在搜索框中输入“黄晓明的老婆是谁”，结果是Angelbaby，但如果你想继续了解“黄晓明的妈妈是谁”，就必须重新执行第二次搜索动作才会得到结果。试想一下如果搜索引擎具备了人脑的思维方式，整个过程将会变成：“黄晓明的老婆是谁”→“Angelbaby”→“妈妈呢”→“张素霞”，相当便捷。如果将这种搜索方式以语音的方式交互，省去在小块手机屏幕上打字输入的烦恼，对搜索用户体验将带来极大的提升。语音搜索是一种结合多种AI技术的典型应用，包括但不限于语音识别（speech recognition）、自然语言处理（natural language processing, nlp）、机器学习（machine learning, ml）和对数据的挖掘（data minging, dm）和呈现（data visualization），实现过程相对于单一任务、封闭式规则的围棋项目要复杂许多，可以通过语义理解与多轮对话精准识别你的需求，带有一定的思考判断能力。在未来，语音搜索可以应用到例如服务、汽车导航助手、基于语音特征的金融支付、新闻媒体和咨询顾问等行业中，不排除未来发展成为强人工智能的趋势。
　　具有多轮对话功能的语音搜索
　　具有多轮对话功能的语音搜索
　　l图像识别
　　丰富的社交网络让人人自带媒体属性，情感在互联网上被肆意发泄，可以无时无刻分享心情和照片。最近几年因深度学习被大力推崇与发展，搜索功能也变得不再单一，尤其是语音和图像搜索识别技术开始大放异彩，无数科学家前后投入希望搜索引擎更加智能地服务用户。比如哪一天你在朋友圈刷到一张美女明星图，不追星的你出于对美女的钟爱也很想知道这是哪位明星以及她的基本资料，只要将图片保存后上传到图像搜索引擎中分析识别，计算机会帮你找到想知道的信息。
　　基于海量数据的图像识别
　　除此之外，还有基于人脸、姿态和场景等综合的相似性图像推送。
　　基于海量数据的相似图片推送
　　l机器翻译
　　语言是沟通的桥梁。在没有中间翻译的条件下，两个不同语种的人交流往往十分困难。近年来伴随着语音识别和深度神经网络（DNN）等技术的快速发展和经济全球化的需求，多语言机器翻译研究成为当今信息处理领域新的研究热点。基于深度学习的翻译系统的核心是一个拥有无数结点（神经元）的深度神经网络，一种语言的句子被向量化之后，在网络中层层传递，转化为计算机可以“理解”的表示形式，再经过多层复杂的传导运算，生成另一种语言的译文。
　　机器翻译演示
　　以目前的发展趋势预测，AI替代人类部分工作只是时间问题，这在众多领域已经初现端倪。最后引用开复老师的精彩答案[6]来回答：战胜李世石的AlphaGo是否代表了人工智能的成功和未来？
　　1.在可以凭逻辑分析推算的问题上，机器即将远远把人类抛在后面。机器速度会越来越快，学习能力会越来越强，数据会越来越多。当年，大家讨论“国际象棋输给机器不算什么，围棋才是真正的智慧”只是我们人类维护自己尊严但是不实际的幻想！今天，我们该面对现实了！
　　2.在大数据机器学习大规模并行计算的时代，我们将看到无数的商机和产品，能够在预测、分析、推荐等方面，产生巨大的商业和用户价值。不过，这些解决方案和人类相比，其实没有什么意义，因为人差太远了（比如说：推荐引擎将能推荐你最可能会买的产品、想吃的菜，想认识的人；自动交易能得到更高的投资回报和风险比例。。。）。
　　3.在感知方面，人类也将会被机器超越。今天的语音识别，人脸识别，未来的自动驾驶，都是例子。
　　4.但是，以上都还是冷冰冰的技术，机器打败了世界冠军也没有感到高兴（甚至说不出为什么）。对于那些科幻片的粉丝们：机器人是否会人性化？这还是未知的。毕竟，在情感、喜怒哀乐、七情六欲、人文艺术、美和爱、价值观等方面，机器离人还差的很远，甚至连基础都没有。对人工智能的研究者，这是下一个挑战。对我们人类，在下个突破之前，我们还是多发展右脑吧！
　　原文链接：
欢迎举报抄袭、转载、暴力色情及含有欺诈和虚假信息的不良文章。
请先登录再操作
请先登录再操作
微信扫一扫分享至朋友圈
搜狐公众平台官方账号
生活时尚&搭配博主 /生活时尚自媒体 /时尚类书籍作者
搜狐网教育频道官方账号
全球最大华文占星网站-专业研究星座命理及测算服务机构
电子工程世界（EEWorld）是一家专为中国电子工程师和电...
9404文章数
主演：黄晓明/陈乔恩/乔任梁/谢君豪/吕佳容/戚迹
主演：陈晓/陈妍希/张馨予/杨明娜/毛晓彤/孙耀琦
主演：陈键锋/李依晓/张迪/郑亦桐/张明明/何彦霓
主演：尚格?云顿/乔?弗拉尼甘/Bianca Bree
主演：艾斯?库珀/ 查宁?塔图姆/ 乔纳?希尔
baby14岁写真曝光
李冰冰向成龙撒娇争宠
李湘遭闺蜜曝光旧爱
美女模特教老板走秀
曝搬砖男神奇葩择偶观
柳岩被迫成赚钱工具
大屁小P虐心恋
匆匆那年大结局
乔杉遭粉丝骚扰
男闺蜜的尴尬初夜
客服热线：86-10-
客服邮箱：内容字号：
段落设置：
字体设置：
精准搜索请尝试：
谷歌AlphaGo首战刚赢李世石，我就忧起人类未来……
来源：作者：汐元责编：汐元
在今天备受瞩目的人机围棋大战中，，以1：0的战局领先。其实关于这场对决，无论赢家是AlphaGo还是李世石，我们都早有心理准备，但听闻李世石中盘认输的消息，还是略感意外。世界顶尖的棋手选择中盘认输，说明他已无法看到翻盘的希望，选择放弃，也说明在面对AlphaGo这样一个人工智能机器的时候，这位世界冠军心理的不适应和敏感。而作为机器人的AlphaGo则不存在这个问题，它甚至能在开局不利的情况下及时“冷静”的寻找出翻盘的策略，这是它恐怖的地方。谷歌的AlphaGo是一套专为围棋优化设计的深度学习人工智能程序，它利用“价值网络”去计算局面，用“策略网络”去选择下子。“价值网络”能够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；而“策略网络”负责当前的棋局，分析当前哪些棋步是不该走的，哪些棋步最有希望。他的关键词是“深度学习”，可以从以往的大量棋谱中进行学习，并通过与自己的对弈来不断改进。在此之前，它曾以5:0完胜欧洲围棋冠军、职业二段选手樊麾。本次的人机对决也很容易让人想到1997年IBM的“深蓝”超级计算机以2胜1负3平战胜当时世界排名第一的国际象棋大师卡斯帕罗夫，不过如今的AlphaGo和当时的“深蓝”不可同日而语，甚至是有本质的不同，主要依靠强大的计算能力穷举所有路数来选择最佳策略，而AlphaGo真正更像人类，能够根据已经学习的内容来判断成本消耗，自己选择最优方案。他的围棋知识不仅是程序员遍进程序里的，而主要是通过不断的自我训练和对局慢慢学习而来，这个过程没有人类干预。显然，机器运算速度、数据存储量都远远超过人类，学习的速度也显然要远比人类要快，所以在这一方面，它于某个时间点超过人类也是必然的事情。可以想到，AlphaGo的深度学习技术、神经网络技术、MCTS等等，这些都是基础性的技术，也就是通用的，既然AlphaGo能在围棋方面超过人类，那么它也可以在其他领域做得比人类好，只要运用上述类似的底层技术，得到相应的解决方案应该不成问题。如果你对这个保持怀疑，那么最好的例子应该就是同为谷歌在研发的无人驾驶汽车，没错，我们一直忽略或怀疑它在取代人类司机方面能够做到什么程度，经过这次AlphaGo首局战胜李世石，我们应该能够领略到这种深度学习技术的威力。无人驾驶汽车不比围棋，不是游戏，也更为复杂，所以它需要更多的时间来自我学习和总结，但是IT之家编辑相信，如果有一天谷歌正式拿出了无人驾驶汽车的正品，我们恐怕真得慢慢接受“司机下岗”这个事实了。而这也是人们担心和恐慌的原因，赛前就有人将本次对局意义上升到“电脑能否战胜人脑”，这种担心并非无道理。此前人们引发过“机器人代工潮”导致失业率暴增的担忧，根据预测，到2018年，全球将有130万台工业用机器人投入实际生产，从而大大削减企业的劳动力成本。而未来，人工智能取代人类的，肯定不仅是工厂工人们做的那些活，护士、会计、律师助手、教师等等，各行各业，包括那些需要高级脑力劳动的岗位，都有可能被人工智能机器人代替。那怎么办？应该恐慌或是阻止？IT之家编辑认为，“水能载舟，亦能覆舟”，人工智能就如水，如果人类能够利用水的特性顺势而为，让人工智能解放人类的劳动，创造人类的无限财富、资源，能够比人类本身做得更好。“老师”能够教出最好的学生、“厨师”能够做出最好的饭菜、“医生”能够完成完美的手术……而真正的人类，寻求更具创造性的活动。当然，人类也要把握好水涌流的运势和规律，不让其决堤，不让人工智能危害到人类自身的安危。相信后者，是人类在将自己的劳动完全交给人工智能前，必须要解决的。Alphabet董事长埃里克?施密特说的是正确的：“无论谁胜谁败，”，AlphaGo或许能赢下最终的胜利，或许李世石能够成为最终的胜者，但无论如何，这种人工智能技术的大潮已经涌起，如果能够完全驾驭技术并让其为人类自身服务，今天的胜负，也就不那么重要了。
微信搜索“IT之家”关注抢6s大礼！下载IT之家客户端（）也可参与评论抽楼层大奖！
软媒旗下软件：||||||||
IT之家，软媒旗下科技门户网站 - 爱科技，爱这里。
Copyright (C) , All Rights Reserved.
版权所有 鲁ICP备号人工智能将战围棋大师李世石 这次它还能赢么？
作者：智能小宝
来源：互联网
北京时间2月5日消息，谷歌DeepMind实验室主管DemisHassabis透露，系统AlphaGo对阵李世石的围棋大战将在YouTube上直播。李世石是韩国著名的九段围棋高手，3月9日、10日、12日、13日和15日，他将与AlphaGo在韩国交手，总共5轮，每轮奖金100万美元。此前，AlphaGo曾与法国围棋冠军樊麾(FanHui，音译)对战，在没有让子的情况下，前者以5:0完胜。计算机程序能在不让子的情况下，在完整的围棋游戏中击败专业选手，这是第一次。此前，研究者也让&阿尔法围棋&和其他的围棋进行了较量，在总计495局中只输了一局，胜率是99.8%。它甚至尝试了让4子对阵CrazyStone、Zen和Pachi三个先进的，胜率分别是77%、86%和99%。显然，谷歌对自己在技术方面取得的进步很满意，已经用在许多谷歌产品中。在Alphabet财报会议上，谷歌CEOSundarPichai就兴奋地谈到AlphaGoAI系统战胜樊麾的事，好像是该季度的&业务亮点&一样。的确，AlphaGo不仅有着与真人对战的能力，它还有着独特的&记忆&功能，能够将曾经对战过的棋局加入自己的数据库中，从而充实自己的&大脑&，也就是对战的次数越多，它的技术就越强。说白了AlphaGo能够在对战中逐渐的成长。不过，AlphaGo也不一定就会打败李世石。李世石在声明中说：&我听说谷歌DeepMind的AI相当强，而且越来越强，但我深信这一次我可以击败它。&对于Alphabet来说，不是一个业务部门，甚至不能算是一款产品。然而，随着的发展，它可以为公司赢得商业上的优势，例如改进功能，为用户提供更好的体验。
本站文章信息来源于网络以及网友投稿，本站只负责对文章进行整理、排版、编辑，是出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性。如果您有什么意见或建议，请联系QQ28-！
华为邵洋：智能家居一个新生命的诞生
中国产扫地机器人价格低功能全 受市场关注
Behmor Brewer智能咖啡机体验：泡出独特咖啡
专家解读：人工智能是魔鬼还是天使？