何潔是誰不太清楚，無法對她的人生之事加以評頭論足，我想她的一切還是由時間來評判，對與錯，優與劣。她的知名度、作品名稱很少見於讀者、聽者，可能沒有張靚穎風聲鶴起吧？點評一件事必須客觀公正，這樣才能讓其他人看的入神，順著你筆走思路一瀉千里。

人的勝負由他的心情，環境，等左右不能分神，不能悲傷，不能心有雜念！勝敗乃兵家常事！人類的智慧不可用輸贏定論！

不這麼覺得。很多人沒搞清楚邏輯關係，圍棋只是用來測試ai技術的一種手段而已，並不是目的啊。當年的國象不也一樣嗎，20年前軟體就戰勝人類棋王了，但現在最被推崇的不還是現任棋王卡爾森嗎？所以我們擺好心態就好了，畢竟人工智慧要為延續人類生存服務嘛，圍棋只是它發展過程中的一個過客

人類跑步早已跑不過機器，但是絲毫不影響人類的跑步競賽，同樣人工智慧下棋超越人類是不爭的事實，但是棋始終是人與人之間的智慧較量，機器和人類的思維模式不同，所以人工智慧的發展只會對人類圍棋的發展起促進作用，從而下出更高水平的棋局。君不見1997年時深藍曾以微弱的優勢擊敗卡斯帕羅夫，至今已近20年了，但是國象並未因而衰退，反而越來越普及，全球已超過12億國象愛好者，對局質量也越來越高，所以機器只會使人類棋藝進步，是發展了棋

這兩天最熱門的話題，莫過於一個叫master的圍棋大師了。截止昨天，這傢伙連勝中、日、韓絕頂高手50場，正經歷著從東方不敗到獨孤求敗的笑傲江湖。戰無不勝並不是master給予我們的震撼，真正震撼的是它的棋風，從它詭異、清新、超然絕倫的棋風一眼可見並非人類。圍棋本來就是人類智慧的巔峰體現。但圍棋大師們千年積累的經驗，在如今的Master眼中居然如此不堪。很多人斷言，master就是深度學習的AlphaGo。再一次，深度學習碾壓了人類千年以來對圍棋邏輯的一切驕傲。

當兩個物種智力差距很大時，不會發生戰爭，只有非對等下的屈服。面對高人一等的深度學習人工智慧，當人類無論怎樣努力都白費、當人類無論如何勤奮都失敗，那將是一種什麼樣的無奈、無助和絕望。

其實，深度學習模型厲害的並不是演算法本身，它的核心演算法是＂遞度＂下䧏，而遞度運算元只不過是高中生都理解的最簡單的偏微分。深度學習真正厲害之處在於多層＂隱層＂結構，這是高階張量結構，它超越了兩千多年來《幾何原本》奠定的自然科學依賴的參照系。 究其根本，深度學習顛覆的不僅僅是人類千年積累的圍棋知識，更超越了人類兩千年積累的線性推理邏輯。

在圍棋高手們被master耍弄鼓掌之間的時候，我們有必要為全人類的未來擔憂麼？

網友們都認為這只是杞人憂天的無病呻吟，AlphaGo也好、master也好，它們只不過專門領域的專用人工智慧而已。相比擅長融會貫通的人類，AlphaGo們還是弱暴了。

但是，萬一，通用人工智慧與專用人工智慧之間其實只不過一步之遙呢？

我們知道，目前階段的專用人工智慧依賴的核心演算法是＂梯度＂運算元，其本質是高階張量的偏線性結構，形象而言偏線性運算元分析就如同對高階張量一層層切片，這種對高階張量的初級分解的侷限性不言而喻。因此，一個特定隱層模型只能適用於一個專門領域。換而言之，現階段以梯度下降演算法為基礎的深度學習模型是固定死結構的。

那麼，有沒有可能構建一種活體結構的深度學習模型呢？

也許正如erlangen綱領爆料的那樣，也許從群論可以輕而易舉地實現靈活的多重複合的層次化的特徵結構。從群論視角，承載遞度運算元偏線性結構是一種理想環上的模，而從模同態基本定理看，域擴張完全可以推演出高度抽象化的不同變換群的特徵層次聚類。比如對波斯貓特徵屬性的深度學習，軌跡如下：

生物界 --> 動物類 --> 脊索動物門 --> 哺乳綱 --> 食肉目 --> 貓科 --> 波斯貓亞屬種

群結構下的深度學習研究物件的整體特徵屬性、亞屬性特徵、...個性特徵不同層次的特徵屬性，與不同層次的正規子群 息息相關。請注意特徵屬性的擴張亦即域擴張，不同層級的子域和子群是一一對應關係。這表示，群變換的深度學習是可以自主擴充的活結構，所以具有所謂的＂通用＂智慧意義。

人類製造出非生物智慧，並用它終結掉人類在智力遊戲裡的獨享地位。這並非不可實現，因為現在就已經露出了端倪；但此事說到底，還是人類智慧結晶的再一次重大突破，我們不妨以平常心待之。圍棋再高雅再神聖，也不過是智力遊戲，就算人類輸了，又能怎樣呢？任何機械或者電子，都不能僅憑邏輯來威脅整個人類。

人工智慧和自己下一盤棋只要1秒，更可怕的是谷歌讓機器人同時下上百盤棋，幾千年人類的圍棋經驗，人工智慧幾天就學會了，再多學幾個月呢？

這差距就是天上一天，地上一年，這次技術變革的速度之快比火槍 蒸汽機 電能都可怕。

圍棋的魅力之一在於它的虛，輸贏不僅靠計算也靠感覺，是所有棋類運動中最接近神靈的競技。我們已經知道，阿法狗贏棋靠的已經不是單純蠻力計算窮盡走法，而是一種模仿人類的價值判斷，等於告訴人們棋子的價值有另一種更準確的判斷，而它又不能直接告訴你怎樣去判斷，這隻能勾起人類更多的好奇心，圍棋的魅力只能不減反增。

ai應該是深度計算的結果，圍棋沒有定數，而是深度計算的層次勝率能否覆蓋住的問題！阿爾法go走棋採用的勝率計算，棋譜學習，另外就是離散取值等，但是它具體包含的公式是什麼，只有開發者知道！這不是ai的勝利，是機率論和大資料的結果！就像人一樣，經驗和情緒就類似大資料和機率！當你選擇走哪一步就是你這兩年的影響！

【人工智慧的本質是透過自我學習不斷提升解決不確定性問題的能力】阿法狗的棋技不是人類教出來的，而是每天自我對弈過程中自我學習、分析和總結中不斷提高的。柯潔透過每天幾十盤網路對弈積累經驗值，而阿法狗每年對弈3000萬盤，並且透過識別關鍵問題來更新程式的版本。未來人工智慧將從事人類不願意從事或者從事不了的工作，如自動進行垃圾分類回收，外星採礦，災難救援等

不會，有一款叫做星際爭霸2的遊戲，裡面有個兵種叫做感染蟲，有個遊戲解說叫做黃旭東，他每次看到感染蟲釋放技能就高喊奶死法狗！阿法狗的終結技能在此！

AI和傳統APP的區別在於，傳統程式引擎是不變的，變化的是資料庫，而AI的引擎是可以進化的，只有資料庫變化的AI是偽概念。進化的引擎是不可控的，所以現在做AI的公司有一個很大的責任是保護人類。

我覺得終結是絕對不會的，就像柯潔自己說的。職業棋手永遠不會消失，因為人類棋手會犯錯，犯錯就會引發戰鬥，而戰鬥就是圍棋的魅力所在。

人工智慧的發展已經超出了人類的想象，就像當初電腦出來後，很快在諸多方面超越了人類能力一樣，這將是人類未來發展的一大方向，那些網際網路科技公司顯然不能漠視人工智慧，否則極有可能在未來的競爭中落於下風，甚至被淘汰出局。

這大概i是2016年“人機大戰”吸引了全球關注的原因，谷歌旗下的一家英國公司在人工智慧方面攻破了“人類智慧堡壘”——圍棋，過去我們得到的資訊是，起碼50年內，電腦圍棋軟體打敗人類不可能，因為圍棋實在太複雜了，就連人類自己都只是掌握其奧秘的很小很小一部分，人工智慧怎麼能這麼快就趕超人類呢？

但2016年AlphaGo那次與李世石九段的“人機大戰”結果令圍棋界中人無不目瞪口呆，圍棋終究還是被人工智慧攻克了。也許人工智慧在圍棋上的理解能力還有限（或者說沒有理解能力），但因為其把控局面的能力實在太強了，當然這也是建立在強大的計算力基礎上的，人類棋手在年齡稍大、精力下降的條件下，為什麼棋力會下降，根本原因就是人的計算力下降了。區域性死活看不清，兩條龍對殺算不清各自有多少口氣，點目總是點不清楚，常常是點了前邊的忘了後邊的，棋的精確度在下降，因此勝率就會隨之下降。

Master（其實就是AlphaGo）的確厲害，比2016年的AlphaGo厲害多了，不僅僅是升級版那麼簡單，因為它對人類棋手60連勝，尚無敗績，也就是說其深不可測，究竟高點在哪裡，無法得知。但人類也大可不必因此妄自菲薄，Master再厲害也是人創造出來的，既如此，就跟太空梭、高鐵、航母一樣，能為人所用，人類能借助人工智慧，實現圍棋技術的革命性突破，類似過去“金角銀邊草肚皮”這樣的圍棋理論就會被拋棄。

還有，就像奧運會百米短跑一樣，人是跑不過車，但人與人之間的競爭卻永遠存在。同樣的道理，哪怕人類高手下不過Master,但並不會影響人類之間的對抗，勝負，是人類高手之間的勝負，而不是“人機大戰”。人工智慧並非全都是陽關大道，人類高手也不會都走獨木橋，凱撒的歸凱撒，上帝的歸上帝，人類之間在圍棋上的競爭照舊。

人與人工智慧對弈，人必輸無疑，就像聶衛平預測柯潔0⃣️比3⃣️告負一樣。但人工智慧也是人設計的，所以人工智慧取勝也是人類智慧的勝利，柯潔大可不必淚流滿面。但當棋手不再在產房裡生產出來，而從流水線上生產後，對弈的樂趣除了新鮮感之外，還有多少呢？對弈是棋力的對抗，但也是情趣的交融，對手之間的那種尊敬，包容，眼神，人工智慧無法替代，就連握手的溫暖也沒有了。當冰冷的機器包圍我們的生活，我們的生活就金屬化了，就像殭屍一樣。