舒石、若樸 發自 凹非寺
量子位元·QbitAI 報導
去年今日， 三連敗的李世乭扳回一局。
然而這一針興奮劑很快失效， 隨後李世乭再折一陣， 最終以1:4輸給AlphaGo。 在圍棋的人機大戰中， 頂級人類選手完敗給人工智慧。
AlphaGo一戰成名， 李世乭留下一個落寞的側影。 為AlphaGo落子的黃士傑在一年後回憶說：“當時我代表AlphaGo下棋， 必須保持冷靜”。
從那時起到現在， 人類始終生活在一個被AlphaGo改變的世界。
站在圍棋人機大戰一周年的節點上， 該如何回顧過去、展望未來呢？量子位元把幾個問題拋給創新工廠AI工程院副院長王詠剛。
量子位：一年後再看AlphaGo有何改變？有什麼記憶猶新的片段？
王詠剛：AlphaGo出世一年， 其實進入大家視野的是三個版本：5:0擊敗樊麾的內測版本， 4:1擊敗李世石的版本， 以Master網名60:0快棋挑落中日韓高手的版本。 三個版本演進脈絡明顯， 每次反覆運算都有重大升級。
最震撼的是電腦在人類傳統認為極其玄妙的、電腦無法掌握的“大局觀”上突飛猛進，
和樊麾對局的棋譜基本上還看不出AlphaGo的大局觀有多強， 和李世石對局就下出了聶衛平讚不絕口的五路肩沖， 到了Master的60局， 大局觀體現在兩個地方：
1）從始至終對局勢的把握， 比如第60局古力用AlphaGo的思路對付AlphaGo， 把中央撐得很滿， 但AlphaGo不緊不慢， 總是恰到好處地保持勝勢。
2）已經深刻影響人類對佈局的思考， 大飛守角之類的變化迅速被人類棋手模仿， 這和當年深藍問世後， 國際象棋的佈局革命是一樣的。
量子位：過去一年， 有什麼具體產品或研究，
王詠剛：AlphaGo用的是AI領域應用非常普遍的演算法：深度學習、蒙特卡洛演算法、增強學習等。
從概念上可以說， 機器視覺相關的深度學習技術， 包含環境-決策-回饋的智慧系統， 裡面都有AlphaGo的影子。 當然， 直接的代碼實現層面， 肯定沒有複製、粘貼這樣直接借用的關係， 因為AlphaGo的深度學習模型畢竟是圍繞圍棋的特徵建立的。
DeepMind去年發佈的讀唇術LipNet， 與英國國家醫療服務體系NHS合作推出的醫療輔助應用Streams， 與眼科醫院合作幫助眼部疾病診斷等等， 可以說都是與AlphaGo同源的技術。
量子位：AlphaGo是否已經攻克圍棋？未來可提升的空間還有哪些？
王詠剛：“攻克圍棋”， 如果說戰勝人類選手的話， AlphaGo已經實現了， 而且現在“絕藝”， DeepZen之類的程式對人類勝率也很高了。
未來最多三年必將發生的是， 手機上的本地APP就可以戰勝人類職業高手， 現在熱鬧的網上圍棋對弈平臺都會死掉（因為對手可以輕易用手機作弊）， 人類圍棋將回歸現場競賽， 圍棋培訓講師將更重視普及教育， 因為中高級的提高訓練完全可以用機器代練。
不過， 如果說“攻克圍棋”是像電腦可以窮舉西洋跳棋的所有變化那樣， 讓電腦成為圍棋“上帝”， 這個應該還不大可能。 現在AI大部分的招數， 還在人類高手可以理解的範疇內。 AI也有一些可疑的“弱點”， 比如官子水準到底如何等等。
以後AI和AI之間的競賽， 應該會不斷促進AI提高（但這種沒有太多商業利益的事情， 有沒有持續投入是個問題）。 人類應該望塵莫及， 但可以不斷從AI中學習新的思想。
“AlphaGo給大家最大啟發， 不是贏棋， 而是如何構建一個智商超過300的機器”， HTC負責研發及醫療的總裁、原Google中國工程院副院長張智威說。
構建的方法有兩個：一是訓練、二是數據。 張智威最近在清華的一次分享（傳送門）中說， “如果能做好這件事， 各位都是億萬富翁。 最近兩年， 我們每天都在想， 哪些領域可以拿到無限的資料”。
而在AAAI Fellow、IEEE Fellow、香港科技大學楊強教授看來， DeepMind在創造AlphaGo的過程中， 引入一個新的概念：利用深度學習+強化學習， 來判斷現狀和預測未來。 而這與未來的商業模式有著明確的關聯：
通過對大資料的分析， 對現實的判斷和對商業未來走向進行預估。
楊強還試圖基於AlphaGo歸納出一套人工智慧的應用流程：演算法的目標是什麼？有沒有數據？數據在哪裡？問題的邊界是否清晰？什麼叫合理的走法、什麼叫犯規的走法？你的特徵在哪裡？又如何得到這些特徵？是否可以得到一個持續的回饋？
但也有人沿著另一條路前進。
圍棋也好、國際象棋也好、國際跳棋也好，所有這些都是完美資訊博弈。現實世界中，不完美資訊才是常態，各種看不見的隱藏資訊產生了大量的不確定性，而德州撲克代表的就是這種類型的博弈。
今年初，在德州撲克的人機大戰中，人工智慧Libratus擊敗了四位頂級人類玩家。創造了這個AI的卡內基梅隆大學Sandholm教授說，能夠處理不完美資訊的AI，未來可以用於商業談判、網路安全、醫療方案制定等領域。
人工智慧發展的終極目標，是通用人工智慧（AGI）。通用人工智慧可以解決任何一個問題，而不是只能專注於撲克或者圍棋。想要實現AGI就得讓人工智慧學會解決不確定性問題，這也是德州撲克人機大戰的重大意義之一。
對於已屆不惑的Demis Hassabis來說，創立DeepMind的目標絕不僅限於創造AlphaGo。過去的一年裡，DeepMind還搞出了很多有意思的創新。
比方說可以模擬任意一種人類聲音的WaveNet；以及與英國國家醫療服務體系合作，使用人工智慧來改善醫療行業等。
繼續戰鬥過去的一年裡，僅僅在圍棋界，出彩的人工智慧就不止AlphaGo一家。比方說量子位元此前報導過的首個圍棋十段：騰訊絕藝（傳送門），就是一個AI。
而對於AlphaGo來說，挑戰也還沒結束。
現在的圍棋江湖裡，中日韓三強中，無疑中國軍團佔據了絕對的優勢。剛剛結束的第18屆農心杯三國圍棋擂臺賽上，中國隊僅上場兩位選手，就將日韓兩隊悉數全滅。連笑、柁嘉熹、柯潔等重量級棋手尚未登場，就已經拿下冠軍。
不在正式場合對陣世界排名第一的柯潔，對於AlphaGo來說始終不夠完美。去年AlphaGo挑戰李世乭前，各方還就誰贏誰輸打賭。
當時《連線》記者在報導中描述道：
一位元名叫周峰的中國記者在觀戰室攔下了我，開心地和我這種將AlphaGo視為科技奇跡而非圍棋殺手的人進行對話。
但是當我詢問看見李世石輸了比賽他作何感想時，他指著心口說：“我很難過。”
四月，新的人機大戰又要啟幕了。
量子位很想問問，如果柯潔這次也輸給AlphaGo，周峰還會特別難過麼？這一次，在人工智慧和人類頂級高手之間，你覺得誰會贏呢？
柯潔對陣AlphaGo，你覺得 (單選) 0人 0% 支持何潔老師(感謝CCTV) 0人 0% 有種又要住院的預感 投票
“我們不關心輸贏。輸贏其實不用看的，AI想贏它就肯定能贏”，雲從科技CEO周曦說，“關鍵問題是在於，AlphaGo會不會有些新的想法”。
好戲又要上演，而未來的人機大戰，勢必不止於圍棋。
插播廣告
《馬雲爸爸搞了個神秘計畫，組建新團隊研發人工智慧》
但也有人沿著另一條路前進。
圍棋也好、國際象棋也好、國際跳棋也好，所有這些都是完美資訊博弈。現實世界中，不完美資訊才是常態，各種看不見的隱藏資訊產生了大量的不確定性，而德州撲克代表的就是這種類型的博弈。
今年初，在德州撲克的人機大戰中，人工智慧Libratus擊敗了四位頂級人類玩家。創造了這個AI的卡內基梅隆大學Sandholm教授說，能夠處理不完美資訊的AI，未來可以用於商業談判、網路安全、醫療方案制定等領域。
人工智慧發展的終極目標，是通用人工智慧（AGI）。通用人工智慧可以解決任何一個問題，而不是只能專注於撲克或者圍棋。想要實現AGI就得讓人工智慧學會解決不確定性問題，這也是德州撲克人機大戰的重大意義之一。
對於已屆不惑的Demis Hassabis來說，創立DeepMind的目標絕不僅限於創造AlphaGo。過去的一年裡，DeepMind還搞出了很多有意思的創新。
比方說可以模擬任意一種人類聲音的WaveNet；以及與英國國家醫療服務體系合作，使用人工智慧來改善醫療行業等。
繼續戰鬥過去的一年裡，僅僅在圍棋界，出彩的人工智慧就不止AlphaGo一家。比方說量子位元此前報導過的首個圍棋十段：騰訊絕藝（傳送門），就是一個AI。
而對於AlphaGo來說，挑戰也還沒結束。
現在的圍棋江湖裡，中日韓三強中，無疑中國軍團佔據了絕對的優勢。剛剛結束的第18屆農心杯三國圍棋擂臺賽上，中國隊僅上場兩位選手，就將日韓兩隊悉數全滅。連笑、柁嘉熹、柯潔等重量級棋手尚未登場，就已經拿下冠軍。
不在正式場合對陣世界排名第一的柯潔，對於AlphaGo來說始終不夠完美。去年AlphaGo挑戰李世乭前，各方還就誰贏誰輸打賭。
當時《連線》記者在報導中描述道：
一位元名叫周峰的中國記者在觀戰室攔下了我，開心地和我這種將AlphaGo視為科技奇跡而非圍棋殺手的人進行對話。
但是當我詢問看見李世石輸了比賽他作何感想時，他指著心口說：“我很難過。”
四月，新的人機大戰又要啟幕了。
量子位很想問問，如果柯潔這次也輸給AlphaGo，周峰還會特別難過麼？這一次，在人工智慧和人類頂級高手之間，你覺得誰會贏呢？
柯潔對陣AlphaGo，你覺得 (單選) 0人 0% 支持何潔老師(感謝CCTV) 0人 0% 有種又要住院的預感 投票
“我們不關心輸贏。輸贏其實不用看的，AI想贏它就肯定能贏”，雲從科技CEO周曦說，“關鍵問題是在於，AlphaGo會不會有些新的想法”。
好戲又要上演，而未來的人機大戰，勢必不止於圍棋。
插播廣告
《馬雲爸爸搞了個神秘計畫，組建新團隊研發人工智慧》