去年今日，三连败的李世乭扳回一局。

　　然而这一针兴奋剂很快失效，随后李世乭再折一阵，最终以1:4输给AlphaGo。在围棋的人机大战中， 人类选手完败给人工智能。

　　人工智能一战成名，李世乭留下落寞侧影。为AlphaGo落子的黄士杰一年后回忆说：“当时我代表AlphaGo下棋，必须保持冷静”。

　　从那时起到现在，人类始终生活在一个被AlphaGo改变的世界。

　　一年回望

　　站在围棋人机大战一周年的节点上，该如何回顾过去、展望未来呢?量子位先把几个问题抛给创新工场AI工程院副院长王咏刚。

　　量子位：一年后再看AlphaGo有何改变?有什么记忆犹新的片段?

　　王咏刚：AlphaGo出世一年，其实进入大家视野的是三个版本：5:0击败樊麾的内测版本，4:1击败李世石的版本，以Master网名60:0快棋挑落中日韩高手的版本。三个版本演进脉络明显，每次迭代都有重大升级。

　　最震撼的是计算机在人类传统认为极其玄妙的、电脑无法掌握的“大局观”上突飞猛进，远远将人类选手甩在身后。电脑计算“大局观”的方式，和人类培养“大局观”的思路，有根本的差别。人类没可能在这方面赶上电脑。

　　和樊麾对局的棋谱基本上还看不出AlphaGo的大局观有多强，和李世石对局就下出了聂卫平赞不绝口的五路肩冲，到了Master的60局，大局观体现在两个地方：

　　1)从始至终对局势的把握，比如第60局古力用AlphaGo的思路对付AlphaGo，把中央撑得很满，但AlphaGo不紧不慢，总是恰到好处地保持胜势。

　　2)已经深刻影响人类对布局的思考，大飞守角之类的变化迅速被人类棋手模仿，这和当年深蓝问世后，国际象棋的布局革命是一样的。

　　量子位：过去一年，有什么具体产品或研究，是基于AlphaGo的么?

　　王咏刚：AlphaGo用的是AI领域应用非常普遍的算法：深度学习、蒙特卡洛算法、增强学习等。

　　从概念上可以说，机器视觉相关的深度学习技术，包含环境-决策-反馈的智能系统，里面都有AlphaGo的影子。当然，直接的代码实现层面，肯定没有复制、粘贴这样直接借用的关系，因为AlphaGo的深度学习模型毕竟是围绕围棋的特征建立的。

　　DeepMind去年发布的读唇术LipNet，与英国国家医疗服务体系NHS合作推出的医疗辅助应用Streams，与眼科医院合作帮助眼部疾病诊断等等，可以说都是与AlphaGo同源的技术。

　　去年今日，三连败的李世乭扳回一局。

　　量子位：AlphaGo是否已经攻克围棋?未来可提升的空间还有哪些?

　　王咏刚：“攻克围棋”，如果说战胜人类选手的话，AlphaGo已经实现了，而且现在“绝艺”，DeepZen之类的程序对人类胜率也很高了。

　　未来最多三年必将发生的是，手机上的本地APP就可以战胜人类职业高手，现在热闹的网上围棋对弈平台都会死掉(因为对手可以轻易用手机作弊)，人类围棋将回归现澈赛，围棋培训讲师将更重视普及教育，因为中高级的提高训练完全可以用机器代练。

　　不过，如果说“攻克围棋”是像计算机可以穷举西洋跳棋的所有变化那样，让电脑成为围棋“上帝”，这个应该还不大可能。现在AI大部分的招数，还在人类高手可以理解的范畴内。AI也有一些可疑的“弱点”，比如官子水平到底如何等等。

　　以后AI和AI之间的竞赛，应该会不断促进AI提高(但这种没有太多商业利益的事情，有没有持续投入是个问题)。人类应该望尘莫及，但可以不断从AI中学习新的思想。

　　不止下棋

　　“AlphaGo给大家最大启发，不是赢棋，而是如何构建一个智商超过300的机器”，HTC负责研发及医疗的总裁、原Google中国工程院副院长张智威说。

　　构建的方法有两个：一是训练、二是数据。张智威最近在清华的一次分享(传送门)中说，“如果能做好这件事，各位都是亿万富翁。最近两年，我们每天都在想，哪些领域可以拿到无限的数据”。

　　而在AAAI Fellow、IEEE Fellow、香港科技大学杨强教授看来，DeepMind在创造AlphaGo的过程中，引入一个新的概念：利用深度学习+强化学习，来判断现状和预测未来。这与未来的商业模式有着明确的关联：

　　通过对大数据的分析，对现实的判断和对商业未来走向进行预估。

　　杨强还试图基于AlphaGo归纳出一套人工智能的应用流程：算法的目标是什么?有没有数据?数据在哪里?问题的边界是否清晰?什么叫合理的走法、什么叫犯规的走法?你的特征在哪里?又如何得到这些特征?是否可以得到一个持续的反馈?

　　但也有人沿着另一条路前进。

　　围棋也好、国际象棋也好、国际跳棋也好，所有这些都是完美信息博弈。现实世界中，不完美信息才是常态，各种看不见的隐藏信息产生了大量的不确定性，而德州扑克代表的就是这种类型的博弈。

　　今年初，在德州扑克的人机大战中，人工智能Libratus击败了四位 人类玩家。创造了这个AI的卡内基梅隆大学Sandholm教授说，能够处理不完美信息的AI，未来可以用于商业谈判、网络安全、医疗方案制定等领域。

　　人工智能发展的终极目标，是通用人工智能(AGI)。通用人工智能可以解决任何一个问题。想要实现AGI就得让人工智能学会解决不确定性问题，这也是德州扑克人机大战的重大意义之一。

　　对于已届不惑的Demis Hassabis来说，创立DeepMind的目标绝不仅限于创造AlphaGo。过去的一年里，DeepMind还搞出了很多有意思的创新。

　　比方说可以模拟任意一种人类声音的WaveNet;以及与英国国家医疗服务体系合作，使用人工智能来改善医疗行业等。

   投稿邮箱：chuanbeiol@163.com   详情请访问川北在线：http://www.guangyuanol.cn/