AlphaGo之父哈薩比斯是一個絕頂聰明的人，他從4歲開始下象棋，很快成為天才少年。8歲時就思考人腦如何完成復雜的任務。在本場比賽開始前的開幕式上，哈薩比斯就為此次比賽定了調(diào)。他說，“AlphaGo的本質(zhì)是人類利用電腦發(fā)現(xiàn)新知識，人們利用哈勃望遠鏡發(fā)現(xiàn)新的宇宙空間一樣。就像我們的最終目的不是輸贏，因為不管如何，最終的勝利終將屬于人類。讓我們一起尋找圍棋的真諦?！?br />
　　為什么計算機下圍棋非常困難？這是因為其復雜程度讓窮舉搜索都難以解決，這個難題包括兩個方面，一是“不可能”寫出評估程序以決定輸贏，另一個是搜索空間太過龐大。更困難的是圍棋不像象棋等游戲靠計算，而是靠直覺。圍棋中沒有等級概念，所有棋子都一樣，圍棋是筑防游戲，因此需要盤算未來。你在下棋的過程中，是棋盤在心中，必須要預測未來。小小一個棋子可撼動全局，牽一發(fā)動全身。很多藝術(shù)都是主觀，AlphaGo把圍棋看做了一個客觀的藝術(shù)，每一步都會分析有什么影響圍棋“妙手”如受天啟。

　　AlphaGo學習了3000萬步人類棋譜，走棋風格也近似于人。而AlphaGo2.0脫離了機器對人模仿，走棋風格也將完全脫離人的定式。在與柯潔的比賽中，會不斷出現(xiàn)我們意想不到的走棋，而且這些走棋在教科書中會被認為是低級錯誤或者完全不可理喻，但凡一個正常的棋手都不會這么玩，但凡一個新手這么玩都會被點撥這樣不對。而AlphaGo2.0會不斷制造這樣的局面，關(guān)鍵他還是對的。我們會津津樂道，AlphaGo是什么棋風。但可以這樣推理：但凡有流派和風格，就還有局限性。只有當所有流派合一看不出流派的時候，才到達致高境界。AlphaGo 2.0便會是這么一臺機器，沒有風格，穩(wěn)如磐石，比人更能避免陷入局部利益的狹隘計算，進而表現(xiàn)為能夠走出看似難以理解但是實則韻味無窮的落子，只因每一步都是朝著全局獲勝的目標前進的。

　　AlphaGo 1.0是巧妙地混合了蒙特卡洛樹搜索+監(jiān)督學習+增強學習三種算法。根據(jù)公開資料推測，此次AlphaGo2.0的技術(shù)原理與之前有著巨大不同：

　　1. 放棄了監(jiān)督學習，沒有再用人的3000萬局棋譜進行訓練。這本是AlphaGo最亮眼的算法，也是今天主流機器學習不可避免的核心條件：依賴于優(yōu)質(zhì)的數(shù)據(jù)，在這個特定問題下就這么被再次突破了。

　　2. 放棄了蒙特卡洛樹搜索，不再進行暴力計算。理論上，算法越笨，就越需要暴力計算做補充。算法越聰明，就可以大大減少暴力計算。從AlphaGo 2.0的“馬甲”Master的歷史行為看，走棋非常迅速，約在每10秒鐘就走棋一步，如此速度很可能是放棄了暴力的計算。

　　3. 極大地強化了增強學習的作用，之前敲邊鼓的算法，正式成為扛把子主力。想想看有多勵志：兩臺白癡機器，遵守走棋和獲勝規(guī)則，從隨機走棋開始日夜切磋，總結(jié)經(jīng)驗，不斷批評和自我批評，一周后終成大器。

　　在這樣的算法下，AlphaGo 2.0對計算資源開銷極小，把當前棋局輸入神經(jīng)網(wǎng)絡(luò)，電流流過，輸出就是最佳的走棋方案。我猜測如此算法下，有可能僅僅依靠一個GPU工作，每一步棋消耗的能源接近人的大腦。

　　DeepMind已經(jīng)在嘗試讓AlphaGo有“舉一反三”的能力，這種觸類旁通的能力才是人類更為擅長的，這里就要用到遷移學習領(lǐng)域的技術(shù)。DeepMind的愿景是研究何為AI，然后再用智能解決所有問題，即怎樣提出有效的建議去解決問題，最終希望建立通用人工智能。也許就是因為這種進步，DeepMind將開始探索人工智能在醫(yī)療等各個行業(yè)領(lǐng)域的應用。

　　以AlphaGo為代表的人工智能應用，在這場認知革命里只是一個小小里程碑。工業(yè)革命實現(xiàn)了體力工作自動化解放了體力勞動者，認知革命將知識工作自動化解放腦力勞動者。人機合作可以達到1+1＞2的效果，人類的智慧將被人工智能放大。人工智能和AlphaGo都是工具，就像哈勃望遠鏡一樣，可以推進人類文明的進步。無數(shù)其他領(lǐng)域也將遭到組合轟炸，強人工智能也是我們探索的最好工具，比如將AI用到材料設(shè)計、新藥研制上，還有現(xiàn)實生活中的應用，如醫(yī)療、智能手機、教育等。