作為蘋果創始人之一但又因和賈伯斯鬧矛盾而離開蘋果的沃茲尼亞克（Steve Wozniak），一直都是科技界的「點評專家」。在昨天 Reddit 的 Ask Me Anything （向我拋來一切問題吧）欄目上，沃茲回答了關於庫克、蘋果大戰 FBI 等等的問題。而就像外媒形容沃茲「他一直是自己的主人」，這次他的回答也一貫的有個性。庫克在做好產品，但為什麼 Apple Watch 賣這麼貴？作為蘋果聯合創始人，沃茲尼亞克怎麼看蘋果和蘋果的產品，一直都是科技迷關心的重點。而這次有 Reddit 的網友就開門見山，提問沃茲，在他看來，庫克是在做正確的事情嗎？面對這麼直接的問題，沃茲首先表達了對庫克的認可。他說，「庫克確實有把蘋果員工和用戶看做實實在在的人。他繼承了賈伯斯留下來的傳統：做出那些可以幫助人們解決日常生活問題的好產品。」不過，沃茲之後就把矛頭對準了他曾經表示會「忘了戴」的 Apple Watch：我對 Apple Watch 有些擔憂——我的意思是我是喜歡 Apple Watch 的，但是——它將我們帶去奢侈品市場了。人們根據自己對自己的評價來買一隻標價 500 -1100 美元的手錶。而它們的區別僅僅是錶帶不一樣而已。 如果說上面的批評還有些委婉，那之後的幾句話就有些「正中紅心」了。這並不是原來那家蘋果公司了，或者說不是一家真正能大大改變世界的公司。所以它可能是在往前走，不過你卻是在後面追著。說完這些之後，沃茲又口風一轉，誇獎起 iOS 的更新和 AirPlay，並且表示「強烈支持庫克和這個新蘋果」。所以對於沃茲來說，蘋果和庫克離完美只差一個 Apple Watch 了？ 蘋果 VS FBI：支持蘋果不開後門蘋果與 FBI 大戰到現在還沒有決出個「真正的勝負」，因而也成為了昨天 AMA 中網友重點討論的問題。 對於這個問題，沃茲表示，從一開始他就認為，向更新更好的科技發展的前提是把人放在首位，「我們不需要因為科技而改變原來的生活方式」。我們（美國人）有《人權法案》，這對於我來說非常珍貴。《人權法案》說過，因為我們正保護自己作為人的權利，所以壞蛋才不能做壞事。沃茲認為，如果蘋果產品真的開了後門，那麼犯罪分子也就「非常可能」趁虛而入。對比上週比爾·蓋茨在 AMA 上討論如何在給政府賦予獲取公民信息權力的同時保證他們不會亂用，沃茲在這個問題上則顯得更加「自由主義」。 最愛的產品與技術：VR、Amazon Echo 和人工智慧在被問到最喜歡的設備（現存和未來的）時，沃茲第一個就提到了 Oculus Rift，「或者任何一個 VR 頭戴設備」。我非常喜歡用 VR 來看籃球比賽直播；這是一種你難以置信的體驗。有時候我脫下 VR 頭戴設備，都不能相信自己其實是在辦公室或者家裡。 ...
從 19 世紀中葉人工智慧的萌芽時期，到現今人工智慧的重生，從馬文·閔斯基到 AlphaGo，歷史上發生了哪些激動人心的故事？本文以此鋪展人工智慧發展近 70 年來背後發生的故事。前不久，在人工智慧領域發生了兩件大事，一個就是是偉大的人工智慧先驅馬文·閔斯基教授逝世，一個是 Google AlphaGo 擊敗歐洲圍棋冠軍、職業圍棋二段樊麾。馬文·閔斯基教授是幾乎見證了從人工智慧做為一門學科的興起，直至今日成就的所有大風大浪的人，或者可以說教授本人就是這些成就的先鋒，他對人工智慧的發展的影響意義十分深遠。而 Google AlphaGo 此次取得的成就，也可以算是人工智慧領域一次里程碑式的創舉，它的成功標誌著人工智慧領域又進入了一個新高度。這篇文章，我們將從馬文·閔斯基還是哈佛大學本科生的時候講起，一直到今日 AlphaGo 的勝利，整理一下人工智慧是怎樣一步一步走到今日的輝煌成就。要是從宏觀的角度來講，人工智慧的歷史按照所使用的方法，可以分為兩個階段，分水嶺大概在 1986 年神經網路的回歸——在前半段歷史中，我們主要使用的方法和思路是基於規則的方法，也就是我們試圖找到人類認知事物的方法，模仿人類智慧和思惟方法，找到一套方法，模擬出人類思惟的過程，解決人工智慧的問題。 後半段的歷史，也就是我們現在所處的這個時期，我們主要採取的方法是基於統計的方法，也就是我們現在發現，有的時候我們不需要把人類的思惟過程類比出一套規則來教給電腦，我們可以在一個大的數量集裡面來訓練電腦，讓它自己找到規律從而完成人工智慧遇到的問題。這個轉化也可以用一個形象的例子來描述，就像我們想造出飛機，就觀察鳥是怎麼樣飛的，然後模仿鳥的動作就行，不需要什麼空氣動力學什麼的，這種思想在人類歷史上也被稱為「鳥飛派」。但是我們都知道，懷特兄弟造出飛機靠的是空氣動力學，而不是仿生學。不過我們不能就因為這一點就笑話人工智慧前半段各位研究人員和前輩的努力和心血，因為這是人類認知事物的普遍規律，其實現在也有不少人會認為，電腦可以讀懂文字、看懂圖片靠的是依靠和我們人類一樣的認知過程。在研究基於規則的探索中，人工智慧經歷了 3 個主要階段——興起、繁盛和蕭條。會有這樣的過程，一個重要原因是基於規則方法的局限性。 一、萌芽階段人工智慧的萌芽時期大概出現在 19 世紀中葉，第一位需要介紹的人物便是馬文·閔斯基。閔斯基於 1946 年進入哈佛大學主修物理專業，但他選修的課程相當廣泛，從電氣工程、數學，到遺傳學、心理學等涉及多個學科專業，後來他放棄物理改修數學。1950 年，也就是閔斯基本科的最後一年，他和他的同學 Dean Edmonds 建造了世界上第一台神經網路電腦，並命名其為 SNARC（Stochastic Neural Analog Reinforcement Calculator）。這台電腦是由 3,000 個真空管和 B-24 轟炸機上一個多餘的自動指示裝置來類比 40 個神經元組成網路的。後來，閔斯基又到普林斯頓大學攻讀數學博士學位，並以「神經網路和腦模型問題」為題完成博士論文，但是當時的評審委員會並不認為這可以看做是數學。▲ 馬文·閔斯基閔斯基的這些成果雖然可以被稱作人工智慧的早期工作，但是鑒於當時的閔斯基還是一個青澀的毛頭小子，所做的博士論文都不能得到相應的認可，所以影響力有限。接著上場的第二位人物影響力就大很多，那就是電腦科學之父艾倫·圖靈，他是被認為最早提出機器智慧設想的人。圖靈在 1950 年的時候（也就是閔斯基還在讀本科的時候）在雜誌《思想》（Mind）發表了一篇名為「電腦與智慧」的文章，在文章中，圖靈並沒有提出什麼具體的研究方法，但是文章中提到的好多概念，諸如圖靈測試、機器學習、遺傳演算法和強化學習等，至今都是人工智慧領域十分重要的分支。▲ 圖靈在 1950 年的時候在雜誌《思想》（Mind）發表的名為「電腦與智慧」的文章。介紹完以上兩大人物，接下來標誌著人工智慧做為一個獨立領域而誕生的盛會——達特茅斯研討會就要粉墨登場了。不過在介紹達特茅斯研討會之前，我們不得不介紹這第三位重量級的人物，那就是約翰·麥卡錫，因為他正是這次研討會的發起人。約翰·麥卡錫於 1948 年獲得加州理工學院數學學士學位，1951 年獲得普林斯頓大學數學博士學位。然後又在那裡當了兩年老師，接著短暫地在史丹佛大學任職後到了達特茅斯大學，正是這個時期，它組織了達特茅斯研討會。在這次大會上，麥卡錫的術語人工智慧第一次被正式使用，所以麥卡錫也被稱作人工智慧之父。其實麥卡錫在達特茅斯會議前後，他的主要研究方向正是電腦下棋。▲ 約翰·麥卡錫下棋程式的關鍵之一是如何減少電腦需要考慮的棋步。麥卡錫經過艱苦探索，終於發明了著名的 α-β 搜索法，使搜索能有效進行。α-β 搜索法說核心就是，演算法在採取最佳招數的情況下允許忽略一些未來不會發生的事情。說的有點抽象，我們來舉個十分簡單的例子。假如你面前有兩個口袋和一個你的敵人，每個口袋放著面值不等的人民幣，你來選擇口袋，你的敵人決定給你這個口袋裡哪張面值的錢。假設你一次只能找一個口袋，在找口袋時一次只能從裡面摸出一次。當然你希望面值越大越好，你的敵人自然希望面值越小越好。假如你選擇了第一個口袋。現在我們從第一個口袋開始，看每一張面值，並對口袋做出評價。比方說口袋裡有一張 5 元和一張 10 元。如果你挑了這個口袋敵人自然會給你 5 元的，10 元的就無關緊要了。現在你開始翻第二個口袋，你每次看一張面值，都會跟你能得到的最好的那張面值（5 元）去比較。所以此時你肯定就去找這個口袋裡面值最小的，因為只要最少的要比 5 元好，那麼你就可以挑這個口袋。假如你在第二個口袋摸出一張...
人工智慧的發展已行之有年，至今其縝密度已幾乎能與人腦相當，舉例來說，Google 開發的 AlphaGo 人工智慧系統就能輕鬆打敗許多專業級的圍棋好手，實力更是不容小覷。科學家開發人工智慧的初衷想必是立意良善，希望能減輕人力負擔，讓人類能有更多享受休閒活動的時間，但學者 Moshe Vardi 卻不這麼想，他認為，人工智慧和機器人將在未來 30 年內，造成全球 50% 的人失業。長期關注人工智慧、超人類主義等議題的現任 Google 工程總監 Ray Kurzweil 認為，在不遠的未來，人類有可能會成為半個機器人。他表示，在 2030 年時，「人類的思考模式就會演變成生物與非生物學的思考綜合體」，由此可見，不到幾十年內，社會中的所有情況可能會與現在非常不同，人工智慧的發展將會影響人類至深。14 日在華盛頓舉辦的美國科學促進會（AAAS）上，來自美國萊斯大學的電機系教授 Moshe Vardi 發表了一段演講，他質疑許多科學上的發展是否真的只帶給人類益處，而非壞處。若詢問科學家為什麼要鑽研人工智慧等技術，想必「最典型的答案就是，如果機器能幫我們做所有的事，我們就能自由地享受休閒活動。」機器人的研發固然有好的地方，但也會帶來壞處。Vardi 認為人不可能總是活在休閒娛樂中，要想有休閒活動，首先要有收入來源才行。此外，對人類來說工作也是生活的元素之一，缺少了也會乏味。他表示，未來 30 年，機器人將幾乎可以執行任何人類能做的事，更有可能取代他大學教授的職位，並導致將近 50% 的人類失業，到時不用說是休閒活動，可能連基本的食衣住行都有困難。然而，科學家們並不會因為可能衍生的後果，而停下他們的腳步，Vardi 也認為，人工智慧的研發已無法停止，並早已造成難以遏止的惡果，現在應該做的是要開始認真思考，並找出該如何與這些進化的自動化未來和平共處的方法才對。Vardi 也不是唯一一位有如此擔憂的學者，知名物理學家霍金也曾對外表達他對人工智慧發展的憂慮，特斯拉執行長 Elon Musk 更曾在 2014 年時表示，人工智慧災難將在 5 年內爆發，可見人工智慧所帶來的不僅全然是益處而已。Google、Facebook 和許多科技公司目前也開始著手研發人工智慧的這塊大餅，期望能率先在這個領域中站穩腳，搶得先機，但在此同時，不知道他們是否也有顧及道德良知，在其技術上的進步也該有個基本的限制，才不會造成日後可能發生的災難等。而在這人工智慧發展以來的幾十年，人類似乎就像個實驗中的白老鼠一樣，等著實驗結果出爐而已，該怎麼防範於未然也成為許多評論家最擔憂的事。相關連結 Robots could push unemployment to 50% in 30 years, prof says （首圖來源：Flickr/A Health Blog CC BY 2.0）延伸閱讀 繼霍金之後，Elon...
圍棋不僅是世界上最古老的棋類遊戲，更是眾多數學家公認複雜度相當高的遊戲。每一步都變幻莫測，甚至有億億種可能！Google 22 日公布旗下人工智慧公司 Deep Mind 所開發的「AlphaGo」人工智慧系統挑戰世界圍棋天才李世乭的賽程和細節，邀請大家共同見證這場精彩的人機對弈！此圍棋對弈將於 3 月 9 日（三）至 3 月 15 日（二）期間分五場次於首爾舉行。值得一提的是，若李世乭於這場賽局中獲勝，將獨得 100 萬美元做為獎勵；若 Google 人工智慧系統「AlphaGo」獲勝，Google 將捐出此獎金予聯合國兒童基金會（UNICEF）、Science,Technology, Engineering, and Mathematics（STEM）教育機構以及圍棋公益組織。為有效透過人工智慧技術解決人類史上需要龐大數據與演算法的多項分析，許多人工智慧科技公司將「圍棋」（Go）視為發展人工智慧演算法的終極目標。因此，若「AlphaGo」系統能夠在與人腦的圍棋對弈中獲勝，將有助於人工智慧技術後續發展與分析。這場人機對弈的世紀對決將於賽期期間透過 DeepMind YouTube 頻道進行直播，更邀請到職業九段棋手邁克‧雷蒙德（Michael Redmond）、劉昌赫、宋泰坤等擔任賽局評論員，絕對精彩可期！若「AlphaGo」人工智慧系統能夠於變幻莫測的圍棋對弈中戰勝人腦，將成為人工智慧發展史上一大重要里程碑。 相關對弈資訊： 第一場次對弈：2016 年 3 月 9 日（三） ，中午 12 點。 第二場次對弈：2016 年 3 月 10 日（四），中午 12 點。 第三場次對弈：2016 年...
還記得上個月人工智慧擊敗人類圍棋冠軍這件事嗎？Google DeepMind 實驗室名為 AlphaGo 的人工智慧在沒有任何讓子的情況下，以 5：0 完勝歐洲冠軍、職業圍棋二段樊麾。近日 VentureBeat 消息稱，這個創造出 AlphaGo 的 Google DeepMind 實驗室將會把觸角伸向醫療技術領域，希望自己的技術能夠運用在醫療保健之中。總部位於英國倫敦的 DeepMind 實驗室表示，他們為了進軍醫療技術領域成立了 DeepMind Health 團隊，之後 DeepMind Health 團隊將與英國倫敦帝國理工學院和倫敦皇家自由醫院展開合作。他們現已推出一款名為 Streams 的行動端應用程式，醫療人員可以利用 Streams 更快地觀察到醫療結果。目前 Streams 正在皇家自由醫院進行試驗，在談到這款應用程式時，皇家自由醫院患者安全助理醫學總監 Chris Laing 表示：「Streams 只需幾秒鐘就可以查看存在急性腎臟損傷病人的驗血結果，並能夠針對病人的實際情況給出治療方案。」另外他們還收購了 Hark，將為倫敦帝國理工學院的臨床醫生開發任務管理應用。關於這一舉措，DeepMind 的聯合創始人 Mustafa Suleyman 說：「目前我們的重點是要取得臨床醫生的信賴，之後計劃與醫生和護士進行合作，將我們的機器學習技術推向健康保健領域，從長遠來講，我們希望向臨床醫生提供工具，説明他們處理龐大的資料資訊。」（Source：YouTube）關於 DeepMind Health 的目的，Google DeepMind 在他們的新網站上提到：對於醫療人員來講，他們比任何人都知道該用病人提供優秀的護理，我們旨在為醫療人員提供構建服務所需的技術支援，以便能更好地照顧病人。實際上，Google DeepMind 實驗室這次進軍醫療健康醫院，也是 Google 的母公司 Alphabet 向醫療保健和醫療技術領域進軍的一部分，Alphabet 目前旗下有幾家醫療科學子公司和一家抗衰老公司；同時，Google 也在進行基礎的醫療科學研究。（本文由 愛范兒 授權轉載；首圖來源：CB...
距離圍棋系統 AlphaGo 與南韓九段圍棋名將李世乭之間的對戰，距離開始還有兩天（3 月 9 日，本周三）。各方注意力也都聚集上來，日前李開復接受媒體採訪時，也對這一大戰發表了評價。他大概有以下幾個層面的觀點。 里程碑意義。「人工智慧已經在最近幾年，成為各家科技公司重點研發的方向，這次人機大戰無疑具有里程碑意義。」 人工智慧發展快，但成功不是這次。「很驚訝，這麼快就可以達到挑戰圍棋世界冠軍的高度，但這次是否就能夠戰勝人類，我個人認為還有點不確定。」 不過總有一天會成功。「不過，任何事情都有第一次，就像當年深藍第一次挑戰卡斯帕羅夫沒有取得成功，多年後智慧型機器人肯定會崛起。」 之前，當 Google 旗下的 DeepMind 開發的 AlphaGo 擊敗了歐洲圍棋冠軍樊麾時，國外雜誌《Nature》雜誌以封面論文的方式報導。評價認為，其意義不亞於 1997 年那場深藍擊敗國際象棋大師卡斯帕羅夫的世紀之戰。 我們為什麼要聽李開復的判斷？李開復在機器學習方面有豐富的職業經歷，根據騰訊科技的文章介紹，當年，李開復利用統計學方法在電腦下黑白棋研究方面取得很大進展，開發了全世界最早自己與自己下棋、自己學習、自己總結的學習系統之一。1988年，李開復開發的「奧賽羅」人機對弈系統，擊敗人類的黑白棋世界冠軍而名噪一時。李開復還曾説明 IBM 組織深藍團隊。當年，李開復發掘了擊敗國際象棋世界冠軍卡斯帕羅夫的電腦「深藍」設計者許峰雄並引薦給 IBM，李開復和許峰雄都是卡內基美隆大學校友。許峰雄曾透露，那時告訴他「IBM對『深思』感興趣」的人，是後來成微軟亞洲研究院首任院長的李開復——李開復比許峰雄低一屆，一直以來兩人私交甚篤。IBM 認為「深思」具備極其重大的開發價值，因此，「藍色巨人」將許峰雄和他的兩名同事請到了其設在紐約的電腦研究中心。不過，「深思」首戰卡斯帕羅夫，卻落得慘敗收場，一直到 1997 年，IBM 邀請到了 4 名國際象棋特級大師做「深藍」的「師父」和「陪練」，不斷修改完善「深藍」的棋路缺陷。終於，許峰雄和脫胎換骨後的「深藍」迎來「人機大戰」的勝利。李開復表示：「我記得我在多年前曾説明 IBM 邀請許去組織深藍團隊，深藍團隊在和國際象棋的世界冠軍多次對決後終於擊敗國際象棋的冠軍，當時被認為是特別重大的里程碑。」但打敗國際象棋被認為有很多局限，因為相比圍棋來說，國際象棋複雜度要簡單得多。國際象棋（深藍）雖也用機器學習功能，但主要是用硬體 brute force（加速近似窮舉）方式。有觀點認為，圍棋的棋盤為 19×19=361，棋盤較大，且下棋過程中會出現提子（吃子）情況。因此，圍棋複雜度高太多，無法僅靠硬體加速解決，一定要根本性上有更強自我學習方法。有統計稱，從複雜度講，國際象棋是 10^48, 圍棋是 10^172，李開復以前做的黑白棋是 10^28。 李開復認為人工智慧不會贏，可靠嗎？AlphaGo 到底相當於人類什麼水準？今年 1 月 28 日，AlphaGo 以 5 比 0 的成績擊敗歐洲冠軍、職業圍棋二段樊麾，才獲得了與李世乭較量的資格。關於上面問題的回答，大家也有不同的觀點。被 AlphaGo 擊敗的樊麾為中國職業二段棋手，在棋力上與李世乭有著非常大的差距。但從兩人的對戰情況看，AlphaGo 已經具備不低於職業初段棋手的棋力，這也是大多數圍棋專業人士的看法。圍棋界新星柯潔的評價則要嚴苛一些，「它的水準大概就是沖職業段之前的水準，雖然職業還到不了，但是接近於職業了。」九段的李世乭本人認為，AlphaGo 的棋力相當於三段棋手的水準。這已經是一個相當高的評價。在觀看樊麾和 AlphaGo 的比賽後，他認為自己完全能夠戰勝電腦。從以往的戰況看，李世乭的實力顯然是在 AlphaGo 之上。除了段位，李世乭的大殺著是什麼？不過，李世乭的棋風被人稱為「僵屍流」，棋入中盤，他常常因出招過分而導致死大龍，在職業高手看來，這樣一邊倒的局面已可終局，尤其是對於老派的只研究前半盤的中日職業棋手而言。然而，絕境之中的李世乭常常能爆發出驚人的力量，他一次次地如同僵屍復活一樣滿血歸來，並且總能在最後一刻撞線。不按常理出牌，可能是 AlphaGo...
被譽為「人機世紀之戰」，Google 旗下人工智慧公司 DeepMind 的人工智慧系統「AlphaGo」與南韓棋王李世乭的對戰，在今（9）日展開第一盤，李世乭在 3 小時 30 分左右投降。全球有幾十萬人在線上觀看這場賽事的直播。繼 IBM 的深藍電腦在 1997 年擊敗西洋棋世界冠軍 Garry Kasparov 後，世人都一直等著看哪天電腦能夠在世界最複雜的棋類──圍棋，贏過人腦。AlphaGo 人工智慧系統是由 DeepMind 公司開發。DeepMind 專注於開發人工智慧，在 2014 年以 4 億美元被 Google 收購，隨後在 2016 年於《Nature》期刊發表其人工智慧系統「AlphaGo」，更說到該系統於 2015 年 10 月以 5 : 0 打敗歐洲三屆圍棋棋王樊麾。自此 AlphaGo 大紅，人們驚覺，電腦要贏過人腦的時刻似乎真的要來了。而 Google 也邀請圍棋九段的南韓圍棋名將、十八度榮獲世界棋王銜頭的李世乭與 AlphaGo 來場對戰，共下 5 盤，勝者可以拿到 100 萬美元的獎金，若是 Google 拿到將會捐給公益團體。第一場就在 3 月 9 日開戰。賽前，李世乭認為 AlphaGo 跟樊麾的比賽只過了 5 個月，Google...
2016 年 3 月 9 日 Google 人工智慧 AlphaGo 和南韓圍棋大師李世乭的人機對決引發了全球關注，首戰 AlphaGo 獲勝，李世乭是 21 世紀以來獲得冠軍次數最多的棋手，但非當下世界第一，現世界圍棋等級分第一的棋手柯潔在其個人微博表示，就算 AlphaGo 戰勝了李世乭，也贏不了他。AlphaGo 和李世乭的對決佔據了近期科技版面的頭條，尤其是在圍棋的發源地中國更是受得了廣泛關注，這一場賽事有多個網路平台線上直播，各平台觀看線上觀看人數總計超過 1,000 萬人，相當於一場世界盃足球賽熱門場次的線上觀看人數。李世乭是 21 世紀以來獲得冠軍次數最多的圍棋職業選手，但非當下世界第一，AlphaGo 首戰獲勝後不少中國棋手也在社群平台表示對李世乭的狀態和此盤布局策略的質疑。賽前中國多位圍棋世界冠軍均公開表示 AlphaGo 將完敗於李世乭。 現圍棋等級分第一、近一年多以來三勝李世乭的中國棋手柯潔在個人微博表示，「就算 AlphaGo 戰勝了李世乭，但它贏不了我」，言語間相當自信，他認為李世乭的優勢在於收官階段，而非前半盤布局，AlphaGo 因在布局階段面對的選擇更多，因此和人類棋手還有一定的差距，隨著棋局可變範圍越來越小，AlphaGo 的優勢才能得以發揮，在收官階段人類棋手的任何失誤都可能直接導致輸掉這一盤棋，柯潔的優勢則是在於布局，他的自信也不是沒有理由。在評論區他回覆粉絲稱人機對決「到頭來，還是得靠他」。 柯潔是這樣表述李世乭和自己的差距的：「看來圍棋盲還是不少啊，在這裡我簡單介紹一下自己：我叫做柯潔，97 年出生。現在暫時是世界圍棋第一人（特地用了暫時，謙虛是美德），正式比賽我是單盤 8:2 碾壓李世石（他贏得這兩盤沒有任何作用），世界冠軍獲得過三次（此年齡如此成績前無古人）大小國內賽事冠軍數次我本來真不想提這些得因為我是一個低調的人，是你們逼我的。」 據傳柯潔是此次人機對決的第二選擇，若李世乭拒絕出戰 Google 將邀請柯潔與AlphaGo對決。 柯潔微博 延伸閱讀： Google 人工智慧 AlphaGo 對戰南韓棋王李世乭第一盤：電腦勝 李開復：人工智慧 AlphaGo 很難贏李世乭 Google AlphaGo 的勝利：不是電腦打敗人類，而是人類打敗人類 從馬文·閔斯基到 AlphaGo，人工智慧走過了怎樣的...
如果不先稍微了解 AlphaGo 背後的神經網路系統，你很容易以為 AlphaGo 在對局開始前跟李世乭站在同一起跑線上。做為一種人工智慧的 AlphaGo，和 IBM 在上個世紀打敗西洋棋大師卡斯帕羅夫的深藍超級電腦，以及當代的蘋果 Siri、Google Now 有著顯著的區別。要了解 AlphaGo，首先我們需要了解 AlphaGo 背後到底是一個什麼東西。它背後是一套神經網路系統，由 Google 2014 年收購的英國人工智慧公司 DeepMind 開發。這個系統和深藍不同，不是一台超級電腦，而是一個由許多個資料中心做為節點相連，每個節點內有著多台超級電腦的神經網路系統。就像人腦，是由 50-100 億個神經元所組成的，這也是為什麼這種機器學習架構被稱為神經網路。 你可以將 AlphaGo 理解為電影《全面進化》（Transcendence）裡由強尼戴普飾演的人工智慧，而它所控制的超級電腦，就像影片裡被人工智慧心控的人類一樣，共同為一種蜂群思惟（Hive Mind）服務。 AlphaGo 是在這個神經網路系統上，專為下圍棋（Go）而開發出的一個實例。然而，雖然名字已經介紹了它的功能，AlphaGo 背後的神經網路系統卻適合用於任何智力競技類項目。這個系統的基礎名叫卷積神經網路（Convolutional Neural Network，CNN），這是一種過去在大型影像處理上有著優秀表現的神經網路，經常被用於人工智慧圖像辨識，比如 Google 的圖片搜尋、百度的識圖功能都對卷積神經網路有所運用。這也解釋了為什麼 AlphaGo 是基於卷積神經網路的，畢竟圍棋裡勝利的原理是： 對弈雙方在棋盤網格的交叉點上，交替放置黑色和白色的棋子。落子完畢後，棋子不能移動。對弈過程中圍地吃子，以所圍「地」的大小決定勝負。 ▲ AlphaGo Logo / DeepMindAlphaGo 背後的系統還借鑒了一種名為深度強化學習（Deep Q-Learning，DQN）的技巧。強化學習的靈感來源於心理學中的行為主義理論，即有機體如何在環境給予的獎勵或懲罰的刺激下，逐步形成對刺激的預期，產生能獲得最大利益的習慣性行為。不僅如此，AlphaGo 借鑒了蒙地卡羅樹狀搜尋演算法（Monte Carlo Tree Search），在判斷當前局面的效用函數（value function）和決定下一步的策略函數（policy function）上有著非常好的表現，遠超過上一個能夠和人類棋手旗鼓相當的圍棋程式。AlphaGo 所採用的 DQN 是一種具有廣泛適應性的強化學習模型，說白了就是不用修改代碼，你讓它下圍棋它能下圍棋，你讓它在紅白機上玩超級瑪莉和太空侵略者，它也不會不熟悉。做為一個基於卷積神經網路、採用了強化學習模型的人工智慧，AlphaGo 的學習能力很強，往往新上手一個項目，玩上幾局就能獲得比世界上最厲害的選手還強的實力。2014 年，已經被 Google 收購的 DeepMind，用...
人機世紀大戰第二場 10 日開戰，由 Google 開發的人工智慧系統 AlphaGo 對戰南韓棋王李世乭的第 2 盤結果為李世乭投降，由電腦 AlphaGo 勝出。共 5 盤的圍棋競賽現在已經由 AlphaGo 以 2 : 0 領先。繼昨（9）日第 1 盤 AlphaGo 逼得李世乭投降，取得勝利後，今日第 2 盤仍由 AlphaGo 獲勝。且李世乭（白棋）似乎陷入窘境，被 AlphaGo（黑棋）追著打，想突圍也頻頻被斷，花費時間更比 AlphaGo 多出近 30 分鐘，最後在開局 4 小時 30 分李世乭投降。棋評目測，李世乭輸超過 10 目。昨日李世乭在賽後表示，「很詫異，我沒有想過會輸。然而，也沒有想過AlphaGo的表現是如此完美。」在賽前，李世乭甚至相當有信心自己會大勝，不是 5 : 0 取得全勝就是 4 : 1，因為看 2015 年 10 月 AlphaGo 與歐洲棋王樊麾的比賽後，李世乭認為在 5 個月中，AlphaGo 沒有太多時間可以進步。樊麾有職業二段實力，李世乭則有職業九段實力。但昨日一場比賽，AlphaGo 人工智慧學習系統的進步速度有多快，相信李世乭是感受最深的人了。賽中棋評兼主持人蕭愛霖說了一段他聽聞的小道消息，在與李世乭比賽前，Google...