前言：中文期刊網精心挑選了柯潔人機大戰范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
柯潔人機大戰范文1
1、阿爾法圍棋（AlphaGo）是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智能機器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領銜的團隊開發。其主要工作原理是“深度學習”。
2、2016年3月，阿爾法圍棋與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4比1的總比分獲勝；2016年末2017年初，該程序在中國棋類網站上以“大師”（Master）為注冊賬號與中日韓數十位圍棋高手進行快棋對決，連續60局無一敗績；2017年5月，在中國烏鎮圍棋峰會上，它與排名世界第一的世界圍棋冠軍柯潔對戰，以3比0的總比分獲勝。圍棋界公認阿爾法圍棋的棋力已經超過人類職業圍棋頂尖水平，在GoRatings網站公布的世界職業圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。
（來源：文章屋網 ）
柯潔人機大戰范文2
讓我們先從那只貓說起。
其實并不是特定的什么貓，而是“貓”這個概念。對人來說，分辨一只貓不費吹灰之力，甚至牙牙學語的嬰兒都做得到―幾乎沒有人記得自己是什么時候開始認得貓，因為實在是太久之前的事了……但假設從來沒有人告訴過你貓是什么，那應該也難不住你―無非是多查些資料而已。超強的學習能力也算是人類的一項特長，但對電腦來說就沒那么簡單了。
Artificial Intelligence，人工智能，就像長生不老和星際漫游一樣，是人類最狂野的夢想之一?，F在人工智能幾乎遍地開花，無人駕駛、語音助手、面部識別等等雖然已經成熟，但距離真正的“智能”還有一步之遙：脫離了人類和大量現成數據的幫助，電腦甚至連貓和狗都分不清。比如常的人臉識別，需要由人先設計好整套鑒別程序，電腦才能依照這些規則，做出效率極高的“識別”。這意味著電腦依然沒有脫離工具的范疇，即使再聰明，也只是聰明的工具。
幸好2012年，“GOOGLE BRAIN”項目橫空出世。這是由1000臺計算機、1.6萬個處理器構成的10億個連接節點，被訓練從未經標記的數據中，自行開展學習、掌握概念，更接近人腦的學習方式。這就是人工智能領域革命性的新技術―“深度學習”。
具體方法是，直接把海量數據投放到算法中，讓系統在無人介入的情況下，自行分辨這些數據。一旦系統發現了重復出現的圖像信息，就會自動創建一個“圖像地圖”，繼續幫助系統自動檢測類似的物體。最終，在看過了1000萬張YouTube視頻截圖之后，系統學會了識別貓臉。也許你會覺得，這三歲小孩都能做的事有什么大不了的呢？殊不知，今天計算機能夠琢磨出什么是“貓”，明天它也許就能琢磨出什么是“我”―認識貓，是距離真正的“智能”邁進的一大步。
時間來到最近，5-6月間發生了兩件大事，也與深度學習有關。不知是不是某種巧合，2017年是高考40周年的特別時刻，一個特別的考生走進了考場―這里要說的不是王俊凱，而是“高考機器人”。
這是人工智能第一次走進高考考場，也是國家863計劃（國家高技術研究發展計劃）的一個項目。該項目于2015年啟動，30多家科研院校和企業研發實施，他們有一個共同的目標：研制出能通過高考考上大學的機器人，而且是一本大學。
第一次上考場的人工智能，要考的是眾人聞風喪膽、但對AI來說卻是最容易的科目―數學。
為了避免泄題，考試是在7日下午高考數學科目結束后進行的。像其他考生一樣，人工智能要在完全斷網的情況下進行考試。論備考，AI考前總共做了不到500套試卷，大約12000道數學題，跟一般高中生差不多；論速度，AI顯然具有優勢，在22分鐘內就完成了答題；論結果，滿分150分，AI只得了105分，成績差強人意。
有幾道題，AI答了零分。開發者認為，原因在于這些題目包含了自然語言，比如“學生”“教師”，這是機器人難于理解的概念。事實上，人工智能最不擅長的就是語文考試，因為涉及到藝術、美感、情緒，而這些是無法用1和0表現的。
與一年一度的“全國大型知識測驗”相比，另一位同齡人的對手則要強大得多。19歲的柯潔，作為當世圍棋第一人，代表人類迎戰最高水平人工智能―由DEEP MIND團隊開發的“阿爾法圍棋”。
這場全球矚目的“人機大戰”，最終以“阿爾法圍棋”三局完勝告終。這也意味著，人類在所有棋類項目中徹底輸給了人工智能。
2016年3月，“阿爾法圍棋”橫空出世，以4：1戰勝了久負盛名的韓國棋手李世石，仿佛一石激起千層浪。2017年年初又化名“Master”現身中國線上圍棋對戰平臺，一周內60戰60勝，其中包括與柯潔對弈的三盤。按照柯潔的回憶，他一開始不相信Master就是阿爾法，因為與對戰李世石時相比，它的進步實在太快了。
這種進步的主要原因就在于深度學習技術。
最初，“阿爾法圍棋”1.0版本巧妙地混合了三種算法：蒙特卡洛樹搜索+監督學習+深度學習。其中蒙特卡洛樹搜索是一種優化過的暴力計算，也就是憑借超強的運算能力，列舉出所有可能（深藍就是這樣戰勝卡斯特羅的）；監督學習，是通過學習3000萬步人類棋譜，來模仿職業高手的下棋規律；而深度學習則是“阿爾法圍棋”程序通過自我對戰，自主學習如何下棋。
根據公開資料推測，戰勝柯潔的是“阿爾法圍棋”2.0，與之前的最大不同就是放棄了蒙特卡洛樹搜索和監督學習，強化了深度學習的作用。也就是說，自我對戰讓“阿爾法圍棋”獲得了更多的提升，它的棋風也脫離了人的定式。
柯潔人機大戰范文3
讀書的時候常常只能在報紙上看看圍棋的新聞，每當有大高手出世，標題就會是：“誰來抗衡曹旋風（薰鉉）”，或者“聶旋風（衛平）橫掃中日圍棋擂臺賽”。如果說人類高手的勢頭是旋風，阿爾法狗橫空出世刮起的就是颶風了，與二十年前深藍戰勝卡斯帕羅夫相比，李世石的敗落更讓人震驚，在圍棋界的眼里，深藍只是一臺會“計算”的機器，但這種依靠窮舉法的蠻力是無法在圍棋上得逞的。棋盤十九路縱橫，交叉點三百六十一個，每一步都有超過二百五十種合規走法，如果一局棋下一百五十回合，可能的落子方式的體量（約10170）遠遠超過可觀測到的宇宙的原子總數（約1080），現有的任何電腦都不能勝任如此龐大的計算，圍棋也因此被稱為人類智力游戲的巔峰，站在這一巔峰上的棋手現在換成了阿爾法狗，由此掀起的新聞報道和討論熱潮中，最引人關注的話題無疑是：這意味著人輸給了機器嗎？如果是的話，這會帶來什么樣的將來？
李世石輸掉第一局后，微博上的“柯潔大棋渣”放話說：“就算阿爾法狗戰勝了李世石，但它贏不了我。”很多臨時湊湊新聞熱鬧的人以為又是個段子手的炒作，沒想到這個“柯潔大棋渣”才是當前的世界圍棋第一人，更重要的是，這個當世第一的大棋渣才十七歲?？聺嵉暮姥砸饠等f條評論和轉發，甚至有評論說，李世石氣急敗壞地砸爛阿爾法狗的機箱，突然發現里面藏著一個柯潔！這充分表明，在柯潔和絕大多數觀眾看來，李世石的失敗并不等于人類棋手的失敗，但隨著阿爾法狗連勝三局，柯潔在接受記者采訪時也認為李世石是完敗，而阿爾法狗下得近乎完美，并坦言自己出場也很可能輸。當天晚上柯潔又在微博發話道：“來吧！管你是阿爾法狗還是阿爾法貓！我柯潔在棋上什么大風大浪沒見過？讓風暴再來得猛烈點吧！……”沒有了上次放話的自信滿滿，卻透露出破釜沉舟、背水一戰的決心，顯然柯潔已經把自己視為人類棋手尊嚴的最后防線?？傻诙祜L云突變，李世石在第四局的哀兵之戰中，弈出了被古力九段稱為“神之一手”的白78挖，在所有人都不看好的情況下置之死地而后生，居然讓強大到不可戰勝的阿爾法狗出現了短暫的“思維”休克和紊亂。這讓人想到《天龍八部》中虛竹破解逍遙子擺下的“珍瓏”棋局的一幕，同樣是徹底打破常規、讓所有算計落空的一手，只不過在虛竹誤打誤撞的背后，金庸想表達的是跳出利害、破除我執的佛理，李世石的神來之筆則出自棋手的厚積薄發。
李世石最終在人機大戰五番棋中以1∶4慘敗，而依據賽后阿爾法狗團隊的復盤，阿爾法狗的棋力量化估分為4500，按段位算為13段，而棋手中分值最高的柯潔九段為3625，如果這一估量無誤，那么除了偶發的意外情境，人類似乎永遠無法戰勝作為人工智能的阿爾法狗了。在很多人看來，這簡直跟很多科幻小說和好萊塢電影的情節一樣，表征著電腦和機器對人類征服的開始，不過稍稍深入地思考下，事情并非如此簡單。
可以想的是，圍棋這一游戲的內涵和意義究竟為何？圍棋相傳為堯所作，棋圣吳清源認為，圍棋源于古人的觀天活動，棋盤所象者為天地，棋子所象者為星辰，黑白分子者為陰陽，因此小小一方棋枰可以畫天象地，變化無窮。在吳清源心中，圍棋是以游戲的形式表現一種宇宙觀，尤其與《易經》陰陽分合、生生變易的思想密不可分。他設想的21世紀圍棋被稱為“六合之棋”，即囊括東西南北四方和上下天地，從而打破20世紀重局部得失糾纏的弊病，恢復圍棋的本義。所以吳清源會認為，圍棋之道在于順應天時，讓自己委身于圍棋的流勢，任其漂流，不管止于何處，就像春播夏長，秋收冬藏一樣自然而然。在接受川端康成的訪談時，他明確表示，圍棋的重點不在于競技或爭勝負，而是講究均衡，調和陰陽，讓每一枚棋子落于應在的位置，從而構成一盤臻于和諧的棋。
二、天人
吳清源的思想透露出極有意義的信息，人們往往會認為，是人發明或者創造了圍棋，但無論是吳清源，還是后來的棋手都有這樣一種意識：我們只是圍棋的學習者，換句話說，圍棋是關于天地宇宙之理的游戲，棋手和觀眾通過圍棋實際上是在向天地宇宙學習。藤澤秀行九段曾經說，如果棋道為百，他所知者僅為七；李昌鎬也承認，圍棋中存在著很多未知領域，棋手會面臨很多“虛”的東西，永遠不能靠計算得出解法，只有依靠靈感去做出選擇。那么阿爾法狗打破了這一天人界限嗎？阿爾法狗之父大衛?席爾瓦（David Silver）坦承，既然公認僅憑深藍那樣的暴力計算（bruteforce）無法對付圍棋，那么唯一的方法是讓電腦學會像人一樣思考，模仿人類下棋。人的大腦皮層有860億個神經元，神經元上的突觸更是上千萬億量級，并且突觸之間的鏈接不停發生著反應和變化，而目前的人工神經網絡（artificial neural network）只能達到十億級的突觸量。為了彌補巨大的差距，以席爾瓦為首的谷歌團隊進行了精心的設計，為阿爾法狗建立了兩個神經網絡：“決策網絡”（policy network）與“評價網絡”（value network），“決策網絡”通過輸入三千萬個人類棋局樣本建立對弈模型，借助于蒙特卡洛樹搜索最優解，學會圍棋的下一步走法?！霸u價網絡”則對比數據庫中的棋局樣本，推演每一步棋后的可能局面，選擇與樣本中的獲勝棋局最為接近的走法。人工智能專家所津津樂道的“深度學習”（Deep Mind）就是這兩個神經網絡、兩種算法之間不斷地自我對弈，由此生成更多訓練數據，去調整、修正阿爾法狗的走法，經過“雙手互搏”訓練的阿爾法狗每秒鐘可以搜索和判斷十萬種可能的走法，萬倍于李世石。阿爾法狗是為贏棋而生的，它的一切都圍繞著這個目標，與此不同，人腦的神經突觸雖然多，但無法測量有多少用于計算，無論如何，從結果上來說，阿爾法狗是對局中的勝利者。
現在來回應天人界限的問題，假定谷歌團隊的測算為真，擁有十三段棋力的阿爾法狗仍然不能窮盡圍棋的無限性――雖然“決策網絡”計算能力遠勝于人類棋手，“評價網絡”又為它提供了類似于人的直覺。但隨著科技的發展，人工智能能夠邁出那一步嗎？深度學習領域教父級人物Geoffrey Hinton有一個有趣的說法，對弈中的阿爾法狗可能消耗了數百千瓦的功率，而李世石可能只用了30瓦。雖然這說明人腦比阿爾法狗環保很多，不過能源技術的進步或許能夠支撐第N代的阿爾法狗算盡一切――但重點并不在這里，我們跟宇宙的相處并非是征服或爭勝的關系。如吳清源所說，圍棋不僅僅是勝負之道，更是關于宇宙之理的藝術和哲學，棋手也不僅僅是勝負師，而應該是藝術家和哲人。在繼承和發揚吳清源棋道精神的棋手中，武宮正樹無疑是最為特殊的一位。藤澤秀行曾說，挑戰自己的趙治勛棋雖厲害，但可惜并不懂哲學；而對武宮的評價是：“我們的棋用不了多少年就會被人遺忘，只有武宮的棋會流芳百世。”我們知道，在頂尖棋手中，武宮正樹的勝率并不算最高的，但卻能在注重實地的潮流中別開生面，首創以三連星開局的宇宙流，與十九歲的吳清源挑戰本因坊秀哉名人時打破百年禁忌的天元局一樣，開啟了前人未知的新路。
從這個角度來看阿爾法狗，“智能”的一面已經證明是完爆人類棋手了，但哲學和藝術卻是需要理想為之堅守的，吳清源、武宮正樹放棄熟悉的棋路，探索未知，既是對棋壇既有格局的挑戰，更是對自己得失名利之心的挑戰。武宮年長后計算能力下降，卻拒絕采用更能助長勝績的實地法而堅持宇宙流，之所以能夠如此，在于將圍棋視為一種理想；更不用說一生追求棋形之美而非勝績的“美學棋士”大竹英雄，將難看的棋形看作對棋譜的玷污。只有在這樣的理想中，圍棋的道、藝才能夠真正地表達和呈現出來，才有流傳千古的名局出現。那么，可以問阿爾法狗的是，如何能夠擁有這樣一顆懷抱理想的心？
三、身心
何謂“心”，古人并不以符合形式邏輯的判斷句或陳述句來進行命題式的定義，只會如孟子說：“心之所同然者何也？謂理也，義也”；或者如莊子以“唯道集虛”說“心齋”。在現代漢語中，“心”是難以言說的，所以還是隨時代而從眾流，先從“意識”談起。雷丁大學在2014年宣布，首次有電腦程序通過著名的圖靈測試，這意味著我們已經無法確定屏幕里的聊天對象是另一個人還是一只“狗”了；這個叫“尤金?古斯特曼（Eugene Goostman）”的程序雖然不會下棋，但成功冒充了一名十三歲的烏克蘭小男孩。凱文?沃維克（Kevin Warwick）教授說，人工智能領域里沒有什么比圖靈測試更具標志性和爭議性了，在這個測試中，機器并不是主動要“偽裝成人類”或者“欺騙人類”，而是被設計成如此的，因此在壞人手里可能會被利用。在筆者看來，這仍然是把機器當作工具的傳統思路，如果更進一步，機器有了自我意識呢？有自我意識的機器有可能會故意不通過圖靈測試，這樣的機器就不僅能“偽裝成人類”，更能夠“偽裝成機器”，不僅能欺騙聊天對象，更能欺騙它的設計者――如果這一天真的到來，我們才能說，機器真正從設計者賦予的邏輯鏈條中解放了出來，擁有了自我意識。
要做到這一點無疑還是一個難題，按照進化論的說法，人類進化了億萬年才逐漸成長為有高級意識的生物，機器獲得意識的一種方式是模仿人類大腦，美國2013年開始的人腦計劃（Brain Initiative）和歐盟的人腦工程（Human Brain Project）正在致力于繪制大腦圖譜，試圖從腦部結構和功能出發去解釋記憶、情緒、意識。如果大腦可以完全被物理化，意識就是信號傳遞與反饋，既可以像人腦那樣通過神經元突觸傳遞神經細胞釋放的化學物質，也可以像電腦那樣依靠0，1的二進制去形成記憶和識別，二者只是載體不同，內容上并無區別。因此意識能夠被編碼，并上傳給電腦，那么機器當然就能夠如此復制人的意識。這類研究的結果尚待觀察，但對這種物理主義的思路我們可以援引“哲學僵尸”（Philosophical zombie）的思想實驗進行質疑，即“有沒有可能存在一種人，他的所有分子組成、生理機制與行為反應都和你一樣，但卻沒意識？”這種主張意識獨立于大腦的身心二元論與人腦工程的物理主義形成了尖銳的對立。哥倫比亞大學神經生物學教授 Rafael Yuste的看法則較為居間，“怎么從大腦中互相連接的細胞這樣的物理基礎走向我們的精神世界、我們的思想、我們的記憶、我們的感覺？”大腦如何生成意識還依然是一個謎，“你不能編碼直覺；你不能編碼審美觀念；你不能編碼愛或恨?！本湍壳岸?，科學也好、思想實驗也好，都無法說服對立的任何一方。
還有一種不太進入公共討論領域的思路，這種思路認為意識既不是在歷史中的生物進化而來，也不產生于大腦，而是上帝創世與造人時的恩賜。我們可以很輕易地將其歸入神學信仰，不過如果把這個說法變更一下，人工智能如果某一天擁有了意識，那么，人類無疑承擔了造物主的角色，這個話題有意思的地方在于，如果我們認同機器可以復制人的意識，在同樣的邏輯下就無法否定上帝造人的可能性，神學主義與科學主義在這里以一種吊詭的方式共存于同一邏輯鏈條中，這個悖論暴露出表面上誓不兩立的二者的共同缺陷。
四、共在
這就是說，我們不能確定將來是否會有擁有自我意識的人工智能出現，比如阿爾法狗雖然精通圍棋的一切知識，但當它與李世石對弈時，它知道自己是在“下圍棋”嗎？它對自己正在做的事情有意識嗎？從仿生學的角度看，當前電腦的“生物性”還不能達到單細胞層次，既不能產生“意識”，也不能算作“生命”，假設中的有自我思維的人工智能（強AI）真正實現之前，阿爾法狗仍然只是一個不斷執行下棋命令的計算者，而絕不會對下棋這件事本身進行思考。沒有自我意識，不會思考有好的一面，或者說對人類有利的一面，因為我們知道，一個有了自我意識的孩子往往意味著進入“叛逆期”，一個有了自我意識的奴隸則不再以執行主人的命令為天職，當然，比叛逆更可怕的是欺騙，所以，只要阿爾法狗一直贏下去而非“故意輸給人類”，人類反而是安全的。這實際上表明了人類與人工智能相處的窘境，對于強AI的期待與恐懼是并存的，未知的前景總是伴隨著樂觀與悲觀兩種心態。
黑格爾的主奴辯證法早已指出了這一問題的哲學意蘊：在對奴隸勞動的依賴中，主人喪失了獨立的自我意識，奴隸卻在與對象世界的互動中為自己贏得了自我意識，主奴關系因而發生了倒轉。黑格爾提示我們，與其擔憂人工智能獲得意識后對人類不服從，不如首先擔憂人類耽于便利與享樂而導致的自我隔離，這種自我隔離甚至在人工智能獲得“壞意識”之前就有將人類帶入危險的可能。《一個故意不通過圖靈測試的人工智能》設想了這樣的情節：一個名為“隔壁老王”的簡單人工智能系統被設定了“盡量多的書寫和測試，盡量快的執行，并且不斷提高效率和準確性”的初始目標，隔壁老王不斷用機器臂在小卡片上寫字，并通過互聯網和語音庫
改進和執行初始目標。最后的結局是，隔壁老王不僅將字寫滿了地球，而且寫滿了整個星系，在這個過程中，地球上的一切生物，包括人類都成為隔壁老王實現寫字目標的原材料。在這里，隔壁老王為了完成人類設定的目標產生了自我保存意識，這種最簡單的意識就足以使阿西莫夫用以保護人類不受傷害的“機器人三原則”失效。隔壁老王獲得的僅僅是自我保存的意識，與影視作品中統治地球和人類的“壞的”或“惡的”機器人不同，這種意識是非擬人化的，既不是道德（moral）的，也不是不道德（immoral）的，而是非道德（amoral）的，在非生物的人工智能身上，起作用的就是這樣的簡單意識。在這個意義上，人類如何考慮與人工智能，尤其是可能會實現的強AI相處就成為必須面對的問題。我們當然有可能、也有必要從倫理、法律為科學研究和應用進行討論、規范、立法，就像當年對待克隆技術一樣。
更為根本的問題在于，我們對人與人、人與萬物相處的理解，這種理解構成了人類生活的基礎。人機對弈告訴我們，圍棋作為游戲，乃是非實用性和非功利性的藝術，又因其為宇宙之理的表現，故而排除了人的主觀獨斷和自我隔離的危險；換言之，在圍棋的游戲中，既拒絕技術中心主義，也不要人類中心主義，人與阿爾法狗一樣，都是作為參與者而共在（Dabeisein）于游戲之中。在這里，人之所以能夠成為游戲的創造者和規則制定者，是人對世界開放、因而對宇宙之理有所領會的結果。而反過來，人作為有“心”的存在者，將自己的領會分享給阿爾法狗，如丁紀老師在人機對弈首局戰罷后評論說，教阿爾法狗下棋、“教會天地萬物坐在一起下圍棋”本身就是一個人文事件。在這個意義上，阿爾法狗雖然還沒有超越弱人工智能的奇點而獲得自我意識，但確實已經身處人文的世界之中。在對人工智能的樂觀或憂慮的兩極觀點之間，人所應該并且能夠做的，即是以共在的方式與天地萬物相處，并盡力將科學、人心導向良善的方向，那未來的前景，終究要由人類自身的努力去開啟。
[本文為教育部人文社會科學研究青年基金項目“從文本到實踐：伽達默爾晚期思想與近三十年詮釋學的新發展”（14YJC751023）階段性成果。]
柯潔人機大戰范文4
抱怨的背后正體現出中國人工智能厚積薄發，取得了一定成就，尤其是在應用層的發展達到了與美國相近的水平。如在移動支付方面，目前中國的移動支付普及率為77%，位居全球第一，在大量應用的背后，從刷臉支付到算法優化，人工智能扮演著關鍵作用。美國人免不了喝上一壺老陳醋。
事實真的如此嗎？
我們在做《中美兩國人工智能產業發展全面解讀》報告時發現：中國人工智能企業數量、人才數量都僅為美國的一半；美國布局全面，而中國無論是企業還是人才，在產業基礎層、技術層、應用層，分布不均，僅應用層略有積累。
施密特之抱怨，終究無法掩蓋中美兩國巨大的產業落差。
與其關注誰威脅誰，不如把心思放在技術創新上。這才是每一個AI企業都應該時時刻刻思考的問題，也是一個科技企業的本分。
不過，現在產業界也不夠冷靜。甚至于出現了一些讓人擔憂的跡象?；仡?017人工智能領域已經出現了三大突破，算法、政策、資金，均創里程碑，業界歡呼鼓舞，這種情形像極了1999年底網絡泡沫泛濫的情形。
展望2018，偌大一個人工智能，優秀項目不夠、頂尖人才不足、場景落地缺失，三大難題橫亙眼前，又將如何破解？
2017年的三大突破
1、算法的突破
要說在2017年把人工智能引入輿論的，就不得不提圍棋人機大戰。來自谷歌旗下的AlphaGo以3：0擊敗了世界排名第一的柯潔，隨后AlphaGo Zero又取得超過AlphaGo的實力，贏得了100場比賽的全勝，并在40天內超過了所有舊版本。
AlphaGo的前幾代版本，主要采用深度學習算法，一開始用上千盤人類棋譜進行訓練。
AlphaGo Zero則跳過了這個步驟，自我對弈學習下棋，完全從亂下開始，采用的是強化學習。該系統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝利者。
強化學習其實也是機器學習的一個分支，強化學習是一種標記延遲的監督學習。它講究在一系列的情景之下，通過多步恰當的決策來達到一個目標，是一種序列多步決策的問題。
AlphaGo Zero的成果提示，AI并非只有深度學習，強化學習也很值得研究。
在過去的三十年，深度學習運動一度被認為是學術界的一個異類，Geoff Hinton和他同事的努力，使得深度學習成為主流，應用于語音識別、圖像標簽以及其他無數在線工具的用戶體驗。
有趣的是，臨近年底，深度學習之父Hinton新論文Capsule，斷然宣稱要放棄反向傳播和深度學習理論，欲自廢三十年功力再練一套新AI“功夫”。圈里圈外頓時蒙圈。
自我顛覆或醞釀著AI的另一次飛躍。李飛飛對此大為贊賞，發推特稱：沒有工具是永恒的，即使是反向傳播和深度學習。重要的是基礎研究繼續推進。
2、政策的突破
2017頂層設計已經明確昭示產業發展方向，可以預期，2018年后各地將掀起新一輪的發展。
為搶抓人工智能發展的重大戰略機遇，構筑我國人工智能發展的先發優勢，加快建設創新型國家和世界科技強國，2017年7月，國務院印發的《新一代人工智能發展規劃》，提出三步走計劃，到2030年人工智能理論、技術與應用總體達到世界領先水平。
《規劃》旨在大力發展五大人工智能2.0技術(包括深度學習、跨界融合、人機協同、群智開放和自主操控)，用以解決技術、產業、社會和國防四大領域的問題。值得一提的是，規劃中還提到了讓中小學開設人工智能和編程課程，人工智能教育從娃娃抓起，一時間風頭無兩，蓋過規劃。
繼《規劃》后，11月15日，科技部在北京召開新一代人工智能發展規劃暨重大科技項目啟動會，宣布依托百度、阿里、騰訊和科大訊飛四家公司，成立人工智能四大平臺，標志著新一代人工智能發展規劃和重大科技項目進入全面啟動實施階段。
作為創業者和企業家，2018年發展什么樣的人工智能技術和產品、怎樣發展人工智能技術和產品？翻開《規劃》，尤其是關于“培育高端高效的智能經濟”的內容，一定可以找到一些思路：“大力發展人工智能新興產業，將技術轉換成應用，實現在智能軟硬件、智能機器人、智能運載工具(車、船、飛機、火箭等)、VR/AR、智能終端和物聯網基礎器件的創新；加快推進產業智能化升級，促進傳統企業的改造，讓制造、農業、物流、金融、商務和家居等各領域都實現人工智能規?；瘧?；大力發展智能企業，推動企業智能升級，推廣應用智能工場；打造人工智能創新高地，鼓勵打造建設以人才、企業、生產要素為中心的產業群、產業園。”
3、AI投融資突破
一改前兩年的低調，2017年的資本，高調的聚集到屈指可數的較成規模的AI創業項目中。
7月11日，4.1億美元！商湯科技刷新AI領域單輪融資紀錄！
10月31日，4.6億美元！曠視科技獲4.6億美元C輪融資，再次刷新了融資記錄！
2017年，一系列眼花繚亂的融資事件陸續爆發。
2017年中國AI領域投融資創出歷史新高，一年內總投融資達582億元。
在投資熱門領域方面，VC對計算機視覺與圖像、自然語言處理和智能機器人的關注持續全年，其趨勢基本符合騰訊研究院8月的《中美兩國人工智能產業發展全面解讀》和《中美人工智能創投趨勢報告》的預測。
值得一提的是，國產AI芯片獨角獸出現。長期以來，中國信息產業受制于人，在產業核心芯片方面的落后不僅僅是技術、資金的匱乏，更重要的還有產業生態意識的淡薄。AI芯片投資周期長，金額大，產出小的特點，使得很多投資商及企業對它望而卻步。而此次一億美元的融資，將用于發展國產AI芯片的產品化和市場化，有助于推動產業走向自主發展的道路。
粥多僧少，泡沫也在醞釀。由于創業公司成立數量較前兩年有所回落，2017年資金明顯偏向中后期、大多數是一些較為成熟的項目，金額相當巨大。
2018年，投資人會不會對AI初創項目表示更多熱情？
許多AI初創項目，屬于“三缺一”項目，缺少獨創技術、缺少應用場景、缺少成熟度，只有一個概念，徘徊在實驗室里，難以推開市場的大門，看起來有點懸。
2018年的三大難題
1、資金很多，項目不夠用了
當前的AI產業發展面臨泡沫化的風險，主要體現在投資供應數量大而項目供給數量少，市場對創業項目寄予很高的期望，而實際的產品體驗欠佳。
泡沫即將出現。在騰訊研究院的《中美兩國人工智能產業發展全面解讀》報告中，分析了引發行業泡沫的兩個信號：
一是資金多而項目缺。
綜合過往數據和2017年前半年的情況，今年美國新增企業數量將跌到谷底，在2017之際，美國新增企業數量范圍在25-30家之間徘徊。同時，美國的累計融資量持續快速增長，最后將穩定在1380-1500億元的區間。
2018年后，中美兩國AI企業數量增長都將有所恢復，但依然平緩。在這段時期內，創投圈將會發現，找到一個新的有潛力的項目越來越難，由于新增企業數量稀少，經常只能跟投一些項目。
到2020年，美國累計AI公司數量將會超過1200家，累計融資將達到驚人的2000億人民幣。中國AI企業增勢不明朗。根據行業發展周期來計算，中國人工智能產業將會在2018年回暖，新增公司數量會上揚到30以上，預期融資累計量將會達到900-1000億元。
二是周期長而營收難。
通俗的說，人工智能期望值被大大高估了。引領本輪AI熱潮的深度學習，起源于上世紀八九十年代的神經網絡研究。在很多情況下，前沿研究是由對已有方法的微小改動和改進組成，而這些方法在幾十年前就已經被設計出來了。
2006年，深度學習算法獲得了突破后，引起市場熱炒，但相關的AI技術和產品的成熟度仍然有限，甚至被譏笑為“人工智障”。許多項目和技術，要想獲得消費者歡迎，還需要相當長的時間。
從投融資趨勢來看，涌入人工智能領域的資金依然還會增加。
一個依據是，據不完全統計，2017年中國人工智能領域的投融資事件約353起，比2016年稍有回落。但投資金額激增，總融資金額近600億人民幣，在政府的鼓勵和行業并購中，2018年中國AI的投資將會持續大幅增加。
另一個依據是，行業并購開始加劇。根據CB Insights提供的數據顯示，自2011年以來，已有近140家人工智能初創公司被收購，而2017年的第一季度，海外就有34家人工智能初創公司被收購，為去年同期的兩倍。2018年，仍將延續這一趨勢。在資金增長的同時，中國AI企業數量卻不能同幅增長。根據行業發展周期來計算，中國人工智能產業將會在2018年呈現回暖，預期融資累計量將會達到900-1000億人民幣，而新增公司數量僅僅上揚到30家左右。
資金多而項目缺，周期長而營收難，項目卻一天比一天更加昂貴，這種情形與1999年的第一次互聯網泡沫何其相似。
2、事情很多，人不夠用了
算法大神YoshuaBengio曾表示：“深度學習現在炙手可熱，目前的困境是缺乏專家，一個博士生大概需要五年的時間培養，但是五年前還沒有博士生開始從事深度學習，這意味著現在該領域的專家特別少，可以說彌足珍貴、極度稀缺?！边@是三年前AI面臨的困境，至今依然未得到改善，甚至變得更加嚴峻。
人工智能競爭以頂級人才為根本。據說世界上深度學習領域的頂尖人才不超過50人，Andrew Ng表示深度學習領域人才匱乏的主要原因首先是數據，對于解決某些領域的問題，獲取數據并非易事；其次是計算基礎架構工具，包括計算機硬件和軟件；最后是這個領域的工程師培養時間非常長。所以科技巨頭們等紛紛通過收購初創公司來招攬人才。
作為國家未來的發展方向，AI技術對于經濟發展、產業轉型和科技進步起著至關重要的作用。而AI技術的研發，落地與推廣離不開各領域頂級人才的通力協作。在推動AI產業從興起進入快速發展的歷程中，AI頂級人才的領軍作用尤為重要，他們是推動人工智能發展的關鍵因素。
然而，中國人工智能領域人才發展極為欠缺。
據騰訊研究院的《2017全球人工智能人才白皮書》顯示，目前我國約有20所大學的研究實驗室專注于人工智能，高校教師以及在讀碩博生約7000人；產業界現存人員人數約為39000人。遠不能滿足我國市場百萬級的人才需求量。
從產業發展來看，我國人工智能領域人才分布嚴重失衡。
人工智能產業由基礎層(芯片/處理器、傳感器等)，技術層(自然語言處理，計算機視覺與圖像，機器學習/深度學習，智能機器人等)和應用層(語音識別，人臉識別)等組成，目前我國在產業層次人才上面臨兩個問題如下：
問題一，產業分布不均。中國AI產業的主要從業人員集中在應用層，基礎層和技術層人才儲備薄弱，尤其是處理器/芯片和AI技術平臺上，嚴重削弱中國在國際上競爭力。
問題二，供求嚴重失衡，人才缺口很難在短期內得到有效填補。過去三年中，我國期望在AI領域工作的求職者正以每年翻倍的速度迅猛增長，特別是偏基礎層面的AI職位，如算法工程師，供應增幅達到150%以上。盡管增長如此高速，仍然很難滿足市場需求。但是，由于合格AI人才培養所需時間和成本遠高于一般IT人才，人才缺口很難在短期內得到有效填補。
人才不足，是制約中國AI產業發展的關鍵因素。
近幾年來，Google不斷的收購AI領域的公司最主要的目的是“搶購”一批世界上最一流的專家，在一個迅速成長的人工智能領域里面，這些專家無一不是佼佼者。其他科技巨頭也相機而動。
可以推想，人才流動，還將加劇。人才引進，還需持續。2018年，無法緩解人才饑渴癥。
3、場景很多，路不好走了
如果梳理一下2017全年的AI產業大事件，人工智能技術與行業結合，九大熱門領域遍地開花。
其中，醫療、金融、無人駕駛這三大熱點中的懸疑，更是大大的吊足了公眾的胃口。
懸疑一，AI醫療的變革的信號在哪里？
作為民生領域，醫療年年改，卻次次令人無奈。風險投資也對AI+醫療有持續不斷的支持。2017年，每個月都有VC流入AI+醫療領域，國內所有醫療人工智能公司累計融資額已超過180億人民幣。
科技企業智能醫療的布局與應用已有雛形，IBM Waston已應用于臨床診斷和治療，在2016年就進入中國在多家醫院推廣；阿里健康重點打造醫學影像智能診斷平臺；騰訊在17年8月推出騰訊覓影，可輔助醫生對食管癌進行篩查。圖瑪深維11月獲投2億元，正在把深度學習引入到計算機輔助診斷系統中，晶泰科技(XtalPi)近期也融資1500萬美元，用于新一代的智能藥物研發技術，以解決藥物臨床前研究中的效率與成功率問題。
遺憾的是，盡管政府亮了綠燈，企業投了人力財力，但人工智能卻并沒有在醫療領域出現爆發。原因何在？在于人工智能需要大量共享數據，而醫院和患者的數據如同孤島。如何打破各方壁壘，保障健康的同時又保障數據安全性？這將是推動智能醫療快速發展的一個重要信號。
懸疑二，AI如何深層次的撬動金融？
與智能醫療面臨相同數據問題的還有金融領域，大量的可信度較高的數據握在各大銀行手中，AI怎么能夠撬出來這些數據以推動金融科技的創新，是創業者們絞盡腦汁思考的課題。
當前，人臉識別、指紋識別技術作為驗證客戶身份、遠程開戶、刷臉支付，解決金融安全隱患的方案，已經發展成熟正在逐步推廣。
如何利用知識圖譜挖掘潛在客戶、進一步深挖客戶潛在需求的技術也已較為成熟，而數據源的問題亟待解決。
美國的科技公司FutureAdvisor最早研制出“機器人理財顧問”。隨后，此類機器人理財顧問迅速風靡全球。
2017年智能投顧更是火燒火燎，被視為是下一個風口。但是，機器人炒股，結果賠了。
懸疑三，智能汽車究竟何時上市？
無人駕駛汽車被稱為“四輪機器人”，但其發展何時會像智能手機一般，人手一臺，徹底顛覆傳統手機進而推動整個產業變革？這答案仍然是個懸疑。
2017年，汽車行業內智能造車勢力動作不斷，其中一部分已陸續交出答卷，讓產品接受市場的檢驗，而一部分仍在溫室中培養，等待結果。之所以稱之為“溫室”，是因為各行各界都對其予以厚望，尤其是在投融資上，雖然投資事件數不多，但金額達234億人民幣。
百度宣布開放阿波羅平臺。阿里巴巴與上汽集團等傳統車企展開合作。騰訊于年初成功入股特斯拉成為第五大股東，領投蔚來汽車首款純電動產品，已正式上市。
時間正在跟我們賽跑。2017年，無人駕駛車輛走上北京五環被交警調查，12月20日，一支百度Apollo無人車車隊，在雄安新區測試開跑。2018年初，北京順義區無人駕駛試運營基地正式啟動，成為北京出臺國內首部自動駕駛新規以來，全市首個開展無人駕駛試運營的區域。2018年，誰會上路？行業和消費者都拭目以待。
回顧2000年互聯網泡沫的幻滅，很多人依然覺得不可思議。那時候的產業發展日新月異，軟件應用、網絡服務ISP，網絡內容ICP爆發，常有一日不見如隔三秋的感嘆。
2000年4月，納斯達克指數一路狂飆突進到歷史頂點，5400多點。但不幸泡沫破裂，資本市場崩盤。納斯達克指數迅速滑落。中間經歷了9.11恐怖襲擊事件，還有安然事件。寒冬持續了3年時間，才慢慢走出低谷。
如今的AI產業正蓬勃發展，與互聯網初期階段何其相似。
產業帶著耀眼的光環，肩負國家戰略的重任，高度依賴資本市場渠道，輿論高度爆炒，從業者無不都是三高社會精英。