从2016年12月29日晚起，一位神秘高手在围棋界掀起了“腥风血雨”。一个注册为“master”、标注为韩国九段的“网络棋手”接连“踢馆”弈城网和野狐网。
这几日，自称“Master”的九段围棋高手搅得整个围棋界“血雨腥风”，不仅引来诸多围观者观战，更是让很多职业高手如柯洁、朴延桓排队苦等与其对战。
2016年12月29号晚间，弈城围棋对战平台上一名叫“Master”，注册地显示韩国的马甲在超快棋比赛中连胜多位冠军。
元旦期间，Master稍作休整，此时它已击败韩国排名等级分第一朴延桓九段（“XIUZHI”）、中国名人战冠军连笑七段（“剑术”）、新科应式杯世界冠军韩韦星九段等，获得30连胜。
1月2日，Master转战“野狐”围棋网，之后传来的消息是包括中国90后世界冠军柁嘉熹九段、日本大满贯传奇井山裕太九段、前烂柯杯冠军孟泰龄九段、韩国世界冠军金志锡九段等一众高手被Master击败。
1月3日晚间，世界棋坛积分排名第一的柯洁以“潜伏”的账号应战Master，然而还是输了，此时柯洁不在是榜单上唯一一名排在AIphaGo之前的棋手了。到这里，Master已经获得50余场胜利。
1月4日下午，64岁的棋圣聂卫平迎战Master，结果未能阻止Master第54胜，执白以7目半落败。晚间，Master又赢了世界冠军周睿羊，获得第59场连胜的傲人战绩。
与此同时，Master终于揭开神秘面纱，承认自己就是AIphaGo团队的黄士杰。
之后“Master”还宣布第60局对手为中国的古力九段，结果并未能出意外，Master对人类围棋高手的战绩停留在60胜0付1和，和的这一场还是因棋手掉线系统自动判和，这是人类捡的一个漏。
AIphaGo自去年三月份下出一手昏招被李世石战胜一局后，便一直退隐江湖，这次重出江湖摆擂台，显然做了充足的准备。在其连续取得胜利背后的种种迹象可以判断，其实Master就是AIphaGo。
Google 的 AlphaGo 也发了公告：
我们最近很努力地开发阿尔法围棋，刚过去的几天我们在网络的对弈平台进行了一些非正式的快棋对局，目的是为了检验我们最新版本的阿尔法围棋是否如我们的预期。我们需要感谢所有与我们的 Magister(P) 和 Master(P) 账户在弈城围棋网以及野狐围棋网对弈的棋手，也要感谢所有观战的人！最新的阿尔法围棋在对局中所富有启发性的创新，我们从中可以学到的，以及对局的结果都令我们非常激动。
世界冠军古力与阿尔法围棋对弈以后写了，“人类与人工智能共同探索围棋世界的大幕即将拉开”。我们现在结束了非正式的测试，非常期望今年能有机会与围棋组织以及专家共同探索神秘的围棋，在相互启发的气氛中共同领会围棋的奥妙。我们希望尽快发布其他公告。
至此，2017.1.4 日像深蓝打败卡斯帕罗夫的 1997.5.11 日一样，变成了一个时代的划分点！
人工智能能在国际象棋上能打败人类，跟现在能在围棋上打败人类，是两种概念，看个动图就知道了~
国际象棋的复杂程度：
围棋的复杂程度：
由于围棋的变数实在是太多，不通过人一样 “ 逻辑思考 ”，几乎没法暴力穷举，或者说穷举起来会很耗费资源，所以一直都没解决这个问题。
那么 AlphaGo 是怎么出来的呢？
这跟 Google 之前收购的一个叫做 Deepmind 的公司有关。
这个公司是研究 Deep machine learning （机器深度学习）方向的公司，本来就是行业里的佼佼者。
被 Google 收购之后，采用了 Google 家的 TensorFlow 系统进行开发，是把 N 维基于数据流图的计算。
通过这个，可以把很复杂的数据结构化的系统分析运算，这样，就可以把数据的处理只能话，给机器装了个 “ 有逻辑的脑子 ”！机器，可以像人脑一样有类似 “ 神经元突出联接处理问题 ” 的能力进行思考了！
TensorFlow 为了演示开放的的 “ 神经网络游乐场 ”：
而且这个系统时可以进行分布式计算的，一个 CPU 也可用，把成千上万的 CPU 连在一起的时候也可以用，只要核心足够多，系统的学习能力是很可怕的！
更叼的是，Google 自己还开发了个 “ TPU ”（Tensor Processing Unit ）专门对于 TensorFlow 算法进行优化 。。。
现在硬件和开发环境都有了，就差开发了。
一开始，关于围棋大家是使用卷积神经网络进行运算的，也就是说把大量棋谱拿过来，统计 “ 到了某一步的时候，把棋下在某一步，以后赢的概率比较高 ”，这样，机器不需要很明白后面的路数，却能找到现在这步把棋下在哪里是最优解！
Google 给出的图解，红圈是最优解：
但，这是不足以让 Alpha 打败人类智慧佼佼者的，最多也就打败围棋 5、6 段的棋手 。。。
这个时候，一个很关键的人出现了，就是上面 Master 自称的 “ 黄博士 ” —— 黄士杰。
前面说到了因为为其太复杂，穷举起来很无力，所以人们一般采用蒙特卡罗模拟，不计算所有的事件，而是对事件进行抽样统计，进行概率分析，可以很有效的分析复杂事件的趋势（说出来你可能不行，这玩意之前是为了搞 “ 核事业 ” 兴起的）。。。
蒙特卡罗模拟
黄博士基于这个，采用了蒙特卡罗模搜索树进行运算。。。
蒙特卡罗模搜索树
之前是通过输入 “ 自然棋谱 ” 让机器学习，也就是让机器对已经有的棋谱进行抽样学习，这样就很难有飞跃性的提升。
这次呢，是让机器既当黑子又当白子，两方都不会下棋，就瞎落子，最后也能分出胜负。。。
就这样，通过不停地傻逼对局，不停地抽样统计分析概率，不会下棋的傻逼系统就会逐渐知道到了哪一步，把子下在那个地方以后赢的几率会高！
就这样不停地自己自学成才，最后变成了天下第一的 Master！
AlphaGo狗2代卷土重来赢得如此干脆轻松，给棋霸柯洁和杂学大家高晓松对人类的信心不小的打击。高速发展的人工智能会以什么样的方式和力度挑战人类再次成为热点话题。
很多人理所当然会认为人工智能再聪明也只是人类工具，就像飞机再快也只是交通工具。但是人工智能不是单纯代替或延伸人类体能的工具，甚至不同于当下意义上作为计算工具的电脑。
人类之总认为自己是万物灵长和上帝选民，是因为体能甚至单纯计算能力都可以用工具替代，人类拥有的却是无可替代的智力。人工智能看上去并不像要和人类争夺上帝选民的位置，人工智能的方向是真正的超级智能，要扮演的角色就是上帝本人。
到目前为止再犀利的人工智能也不具有真正的独立智能，而是根据人类预先植入的指令执行程序。人工智能的优越性主要体现在技术能力的强大。但人工智能长期保持相当的发展速度，AlphaGo可以视为人工智能发展的一次重要突破，也可能预示未来发展的加速和难以捉摸。
很多技术专家（包括受专家影响的罗振宇）都认为人工智能水平取决于大数据训练的结果。但人工智能不止有数据和苟且，还有算法和硬件。
AlphaGo之所以是一个优秀人工智能程序，首先在于其算法设计有突破。光计算、量子计算和仿生神经网络等多项硬件技术一旦有实质性突破，必然也将推动人工智能技术跨越式发展。
当前的人工智能还有很多问题，曾被寄以厚望的自动驾驶在2016年就发生一系列可以说是低级的错误，导致人员伤亡惨剧。马化腾最近也指出人工智能在算法、识别等很多基础问题上还很初级，但这同样可以理解为人工智能有待突破的空间巨大。下围棋其实只是谷歌为AlphaGo定义的登月计划的第一步。我们最好为AlphaGo和人工智能事业的发展速度预留多一点想象空间。
不论人工智能多强大，人类都不会束手就擒。事实上自从人工智能诞生之日起机器人（人工智能）统治世界就是科幻界不变的热门，人类也创造了诸如著名的阿西莫夫机器人三定律：
1、机器人不得伤害人类，或看到人类受到伤害而袖手旁观；
2，在不违反第一定律的前提下，机器人必须绝对服从人类命令；
3、在不违反第一定律和第二定律的前提下，机器人必须尽力保护自己。
但从理性的角度来看，人工智能具有极强自学习能力的演进，终将复制人类智能在自然界进化的结果，即人工智能产生自我意识。而一旦人工智能产生自我意识，绝对命令就不再绝对可靠。
如果有人建议通过严格控制人工智能研发来保证人工智能成长在人类控制之中，这种防火墙必然无法生效。任何一个国家和公司在人工智能上取得实质性领先都可能改变世界，这种诱惑没人可以抵抗。
以美国为例，一旦人工智能具有实操作战能力，美军海外作战历来最担心的士兵伤亡问题就不复存在，从而使美国敢于投入任何一场常规战争而无惧国民反对。在这样巨大诱惑下，即使达成全球控制人工智能公约也无法阻止各国和各公司私下拼命开展人工智能战备。
不过冷静思考人工智能的发展前景，除了指望人工智能以预期速度稳定发展外，人工智能基本原理有助于我们理解人工智能的弱点和优点。
人工智能有很多酷炫的运用场景，比如已经有软件可以自动编曲、绘画、写新闻甚至编剧本，但看似聪明的人工智能目前还只是在装聪明。比如写诗软件只是把唐诗宋词用词频率、常见场景等分析出来，找出在字义上可能的关联，并根据指定的题目进行运算。
人工智能计算出的诗看上去再美好，其实也都是虚幻的。以当下的技术水平，程序眼里的一切都是数据，不可能有任何感情。生和死，爱和恨，对程序来说不过是不同的数值而已。程序不知道也不需要知道为什么要争取美好避免邪恶。的确机器人也会微笑，但它只是在执行一条控制机械神经的命令。对机器人来说欢乐和悲伤是等价。
机器“没有情感也不懂得忧伤，人工智能再美的作品也只是骗局，写得再像纳兰伤心词也只是装病的呻吟”。
很多时候情感对人并不有利，否则也不会有冲冠一怒为红颜，也不会有天若有情天亦老。但情感使人领悟意义所在，使人知道爱和友情的宝贵。而对程序来说，这一切都不过是数字和策略。
灵感是非常复杂的问题，很可能是人在长期观察和经验积累下产生的直觉和下意识。灵感很多时候是反常识的，而人工智能的本质是极端功利的，绝不会背离自己的常识与计算。罗振宇曾转述万维刚先生表达过这个观点。
我的理解是，对人工智能来说在49%和51%两个胜率面前就一定会选择胜率为51%的，程序固定如此。总体来说AI往往能比人类更清晰的计算出机率并能在绝对客观——程序本来就没有感情——的情况下做出最有利自己的选择。但问题是即使49%的胜率也可能恰好带来成功，而一时的错误则可能导致长远来看的正确结果。
人工智能过于功利的特性既保证其永远最少犯错误，但也磨灭了灵感和偶发成功、歪打正着的机遇。
前面说的都是阻止AI，但机器万一统治世界了就一定对人类没有好处么？人工智能的优点至少使机器可以保持公正、客观和智慧。可能有人怀疑机器法官的程序被植入bug，却不会怀疑被买通；人工智能不会做出气枪摆摊判刑三年半的判决，因为人工智能从立法、执法到司法环节都会发现其中的僵化、脱离现实和违背常情。
犹记《与机器人共舞》一书这样写道：机器技术的快速发展将对中国等新兴制造业国家的社会稳定构成威胁，主要问题存在于向信息经济转型的过程中，这些国家将会遭遇失业危机。
但小编始终认为AI的意义在于协助人类更好的管理世界而不是取代人类。正如宇宙学上存在一个让所有物理定律都失效的“奇点”一样，信息技术也会朝着“超人类智能”的奇点迈进。计算机科学家雷蒙德·库兹韦尔也相信，这个信息奇点即将到来，那时，人工智能将超越人脑，人类的意义将彻底改变；那时人将“不人”，而是与机器融合，成为“超级人类”。
不管未来人类与AI关系到底以一种怎样形式存在，但，人工智能已经到来，未来已变！
综合自：差评、创业邦杂志、IT时代网、虎嗅网
>>> 延伸阅读：
Master横扫围棋高手，人工智能PK人的智能，谁将“笑到最后”？
苏泊尔杭州队的90后主教练汪涛在接受采访时表示说，“从Master下棋的布局来看，和人类棋手的认知是不一样的。比如Master在开局阶段就走了一手点三三，一般的棋手不会这样下。我觉得这样的差别在于，人类的计算能力有限，人工智能则可以有超强的计算能力，可以精密计算到更后面的布局。
人类棋手大多都是根据前辈的经验和理论在下棋，这些理论和实际情况可能有一些出入，而计算机可以根据强大的计算能力计算出未来的可能性，下出人类棋手不太会选择的棋。”
毫无疑问，“管理”算法是人的智能对人工智能发挥作用的一种重要形式，不过，或许更重要的还有“创造”。
在《智能商业》一文中特别提到，算法的目的是让传统商业升级成智能商业，而“智能”的关键就是算法和产品、数据的“三位一体”。
从这个意义上说，算法从来不是独立的，把数据智能和特定用户需求无缝融合在一起，创造全新的用户体验，这才是算法的本质。
从算法发展的实践中看也是如此，人的创造力贯穿数据、产品、理论等各个方面，才使算法发挥出价值。
给算法使用哪些数据，基于数据建立怎样的机器学习模型，怎么形成数据的反馈闭环，都是人主导的最基础的创造性工作。比如在收集搜索相关性的反馈数据时，算法工程师和数据科学家不仅分析曝光、点击和跳失等用户行为，同时也常常通过采集注意力、停留时间以及脑电波反应等方式，进一步综合全面地评估用户反馈。
