前段時間，最熱門的話題莫過於alphago了。也許仍然有很多人對谷歌的圍棋機器人不以為然，20年前lBM的機器不就早已打敗了人類象棋冠軍嗎？ 20年後的今天，當計算機運算能力大幅提高以後，機器下贏人類圍棋冠軍也不是什麼稀奇事嘛。

其實alphago真正稀奇的不是硬體，而是它的軟體----深度學習模式的神奇：

1、 大局觀：

alphago比賽中多次表現出驚人的大局觀，機器日誌表明alphago始終以大局為重步步為營，甚至為了大局敢於放棄區域性利益，嚇尿眾人。一直以來計算機的優勢在於的精打細算，而全域性意識則是人類直覺的長項。但alphago自始至終都控制著局勢，這是前所未有的顛覆性進步。【能夠把戰略眼光和戰術素養完美結合，可不是把割裂的幾個系統胡亂撮合那麼簡單。“深度學習”模型所依賴的多重線性空間張量，是高階邏輯形式，具有多層次抽象的功能。“深度學習”模型天然就具備高度抽象、高度直覺的優勢。】

2、 創新：

一般高手對決總是以不變應萬變，很少在大賽中出奇招。但alphago卻怪招頻頻，評委們大跌眼鏡。以前的計算機擅長背棋譜，被人嘲笑死記硬背高分低能。但是這個alphago卻敢於不按套路出牌，表現出驚人的創造性，讓人敬畏。【人類因為創造性而成萬物之靈，如今能夠自主學習的人工智慧所表現出的更高的創造力，令人折服。】

3、 進化能力：

alphago從小就能夠自我學習，從而自動的玩一些老的簡單電視遊戲。它僅僅透過螢幕上面的影象和遊戲中的分數是否上升下降，從而做出選擇性的動作。在訓練的一開始，這個程式對遊戲一點都不瞭解。它並不知道這個遊戲的目標，是保持生存、殺死誰或者是走出一個迷宮，甚至不知道這個遊戲中會有哪些目標物品。透過在這個遊戲中嘗試並且一遍一遍失敗，這個系統會逐漸學會如何表現來獲得比較好的分數。需要注意的是，這個系統對所有不同的遊戲使用了同樣的系統結構，程式設計師沒有對不同程式給予這個程式任何特殊的提示，比如上、下或者開火等等。事實清楚地證明了，這個機器學習系統能夠掌握一些遊戲，並且比一些人類玩家還要玩得好。這個系統就是Deepmind的原始作品，那時它還不叫alphago，也沒有現在那麼厲害。但是機器人在這個簡單遊戲中，體現的自主學習的能力，卻一目瞭然，使人震驚。從兩三年前的那時，它開始學玩各種遊戲；到現在，它已然在最複雜遊戲中打敗人類最頂尖高手。狗狗去年10月份打敗歐洲冠軍時，大家判斷其水平不過五、六段而己，料想咱人族的九段高手屠狗當然分分鐘so easy 。不期僅僅過了5個月，alphago競搖身一變成了絕世高手。其進化速度驚為天人，深為震撼。可見深度學習秘笈，多麼深不可測。【無論技術專家還是風險投資家，都領悟瞭如此清晰的人工智慧前路。】

從谷歌大腦自主認識“貓”那天算起，卷積神經網路為代表的新一代深度學習模型問世，到現在還不到5年。即使仍還非常初步階段的alphago，就已然打得人類落花流水了，幾乎到了所向披靡的程度，它繼續深度學習下去會是什麼樣呢？目前業界最熱烈的爭論是：儘管深度學習現在非常火熱被吹得神乎其神，但這個技術是否會成為某種意義的終極技術呢？深度學習未來發展是否會成為人工智慧通用基礎技術嗎？是否它就是奇點理論中的人類的最後一項發明呢？

alphago包含了兩個13層級別的特徵層，識別貓的谷歌大腦大概有20層。據說微軟正在搞1000層的超級深度神經網路，震驚之餘，幾許擔憂，莫非這就是終結者麼？雖然搞不清機器人會否有意識，但可以肯定深度學習機器人是有自己的判斷力的。而且它會根據自己的判斷力，採取它認為合適的行動。所以深度學習模型所能達到的高度，是非常令人關注的。那麼，這個模型的邏輯形式有極限的高度嗎？

通常的觀點是，即使一千層、一萬層的特徵深度，也未必是通用人工智慧。除非，這個系統是可以無限延展的。普遍意義的強人工智慧當然就意味著這個系統必須有通用的特徵結構，而且這個結構體可以無限延展。

人工智慧最恐怖的一步人類一直不敢涉足。那就是人工智慧的自我學習和創造。如果人工智慧走出自學習這一步，那麼愚蠢的人類在機器面前就太愚蠢了。機器可以瞬間學完人類歷史以來的所有智慧，並且輕鬆消滅人類！

阿法狗，正式名稱AlphaGo (阿爾法圍棋) 在2016年3月10日二度挑戰世界職業圍棋頂尖選手——南韓人李世石時將其擊敗，2比0領先。

早在1997年5月11日，IBM公司研發的“深藍”超級計算機就擊敗了國際象棋世界冠軍卡斯帕羅夫。但發明逾2500年的中國圍棋遠比國際象棋複雜，在搜尋的廣度和深度上被認為是人類發明的最複雜的棋類遊戲。因此，阿法狗戰勝頂尖圍棋手的訊息震驚了圍棋界，也被譽為人工智慧的重大進展。而今年3月的棋局更是激起了人們的好奇心，也再次掀起有關了人工智慧前景的討論。“人工智慧”“大資料”“網際網路+”這些熱詞，再次火遍全球。

阿法狗的勝利意味著人工智慧有了突破性的進展，用人工智慧大範圍替代人腦作用的時代已經來臨。過去和現在，人力工種已經或多或少被機器替代，或許不久的將來，用人腦控制和操作的一些工作，也會由電腦來完成。人類真的要開始重新認識自身智慧與人工智慧之間的各種複雜關係了。

人其實也是一個生化系統組成的機器，由一系列生物化學成分構成，只不過各個種族有特定的文化差異，在特定的時空邏輯關係下，發生一些共性或個性的適應性的變化。從這個角度來說，我們與機器的區別也許沒有想象的那麼大，人機融合必將迎來啟蒙，感知技術和虛擬現實正在萌芽。

Alphabet 對我們未來的實際意義：

1.無人駕駛汽車，2005年開始研發，目前估計會在2017年到2020年之間投入商用。

2.Project Wing 無人機計劃，亞馬遜也在研究。

3.透過空氣隔空打字的 Project Soli 專案，可以利用微型雷達控制電子裝置。

4.Project Loon專案。

5.可以自動檢測糖尿病人血糖含量的智慧隱形眼鏡。

6.專門為帕金森患者研製的智慧湯。

7.民用機器人。

8.高空風箏發電機。

9.智慧溫度計和煙霧警報器。

......

《圍棋》：

這說明谷歌阿法狗，在圍棋方面比較（善長)

如果換成人類（善長）的事情呢？

譬如：吃飯，喝水，撒尿，拉屎……

不比：

不比就沒有輸，沒有輸就是贏！

為什麼要拿阿法狗的圍棋和人類比呢？

為什麼不拿人類

每天必須要做的事情和阿法狗比呢？

不爭個高下，不比個高底！

就沒有矛盾與糾結！

就沒有煩惱與痛苦！

發揮自己的智慧，

做自己不知道的事！

譬如：

我是誰，從那來，到那去……

深度學習成為當今人工智慧大爆炸的核心驅動。不是因為它是傳統演算法的升級，而是因為它是一種全新的邏輯模型。根據erlangen綱領，深度學習人工智慧可以推演出高階張量中的群結構。而人類的視角只能看出主理想環上的模。這就好比深度學人工智慧推演出包括海面下的整個冰山，而人只能看到水面之上的冰山一角。