李世石再次败给AlphaGo，人工智能真的超越了人类？

谁都没有想到，声称要以5:0击败电脑的韩国围棋天王李世石，会在“人机大战”连续两场比赛败给Alpha Go，尽管失利的主要原因是李世石自身的失误造成的，但不可否认的是，Alpha Go实力上的提升，已经到了可以威胁人类最强围棋选手的地步。 　　这次比赛引发广泛探讨，机器人工智能是否正在超越人类“脑力”？ 1李世石为什么输？

记者在昨天赛后采访了江苏围棋队主教练丁波，他认为：“人类棋手和电脑软件相比，最大的优势在于直觉，换句话说，当盘面上的棋子越少的时候，人类的优势就越大，所以布局阶段肯定是电脑的弱项。因为在选择围实地和取厚实二者之间，电脑很难做出抉择，这些都只能靠直觉去判断。” 　　实际上，围棋界的人都知道，布局阶段正好是李世石的弱项，他所擅长的战斗，也正是电脑的优势所在。在以往的对局中，李世石很多的胜利都是靠给对手制造压力，迫使对手犯错而完成逆转，但这一招在电脑面前很难奏效，因为电脑不会有情绪上的波动，甚至不会出现失误。昨天的对局也印证了这一点，Alpha Go的逆转来自于局部战斗的胜利，它自身计算精准，很少犯错，相反李世石却出现了不少失误。 　　以至于在赛后，中国围棋第一人柯洁也表示：“李世石布局差战斗强的特点，对于Alpha Go来说是重大利好。” 　　尽管李世石输掉首盘对局，但他并没有丧失信心，他认为后面的比赛可以赢回来，但不可否认的是，Alpha Go的实力已经超乎了人类的想象。

2Alpha Go能自我学习

20年前，国际象棋棋王卡斯帕罗夫和电脑“深蓝”的对决，曾引发了一次“人机大战”的高潮，从1996年的棋王获胜，到一年之后的“深蓝”获胜，实际上就证明了电脑软件在国际象棋领域已经征服了人类的最强棋手，中国象棋的情况也是如此，一款普通的软件甚至都能击败大师级的棋手。

　　不过围棋的情况不一样，它的棋盘空间更大，变化更加复杂，胜负的目标也更加模糊，所以在Alpha Go出现之前，没有一款电脑软件可以和职业棋手相抗衡。丁波表示：“之前无论是国际象棋还是象棋的软件，最厉害的是它们强大的计算能力，因为只要计算就能保证它们获胜。而围棋除了计算之外，还要靠直觉上的判断，所以Alpha Go加入了自我学习的能力，据说它每天可以自己跟自己下几十盘棋，以提高自己的水平和‘直觉’，这一点是很可怕的，要知道职业棋手一天最多也就能下一到两盘棋。”从科技发展的角度而言，昨天Alpha Go击败李世石只是一个开始，未来，电脑击败围棋界的最强棋手将是不可阻挡的趋势。

3人工智能将如何发展？

从科技发展的角度而言，昨天Alpha Go击败李世石只是一个开始，未来，电脑击败围棋界的最强棋手将是不可阻挡的趋势。围棋的难度和竞技性，让它成为一个很好的对象，来作为验证人工智能开发的成果，如今除了谷歌和脸书之外，还有不少中国和日本的公司，也都投入到围棋软件的开发中来。那么，最终这些人工智能形成的成果，将会被运用到哪里以给人类带来福利呢？

Alpha Go的创始人哈萨比斯在昨天赛后的发布会上也谈到了这个问题，“许多人可以通过这个程序提高自己的围棋水平，特别是在西方，并没有太多优秀的围棋选手，Alpha Go将让事情变得简单。” 创新工场董事长李开复，曾帮助IBM组织“深蓝”团队和卡斯帕罗夫的人机大战，他在昨天也向外界揭秘了关于人工智能未来的发展方向，他透露：人工智能未来在投资买卖股票方面，可以超过一般人；另外一个可能就是无人驾驶，十年左右时间可以彻底替代。

奇点临近

一部预测热工智能和科技的奇书。

2045年：奇点来临，人工智能完全超过人类智能，人类历史将彻底改变。

神经网络与机器学习

神经网络是计算智能和机器学习的重要分支，在诸多领域都取得了很大的成功。

在众多神经网络著作中，影响最为广泛的是Simon Haykin的《神经网络原理》（第3版更名为《神经网络与机器学习》）。

数据挖掘：概念与技术（原书第3版）

数据挖掘领域具有里程碑意义的经典著作。最受欢迎的数据挖掘专著。

完整全面阐述该领域的重要知识和技术创新。

数据挖掘：实用机器学习工具与技术（原书第3版）

机器学习和数据挖掘领域的经典畅销著作。

详细介绍用于数据挖掘领域的机器学习技术和工以及实践方法，并且提供了一个公开的数据挖掘工作平台Weka。

人工智能：计算Agent基础

本书有机地将理论与实践结合起来，既详细地介绍了各种人工智能理论，又提供了实现的思路和程序，这将有利于研究学习人工智能时把对人工智能的理性认识转化为对具体程序的感性认识，从而弥补大部分人工智能教材偏重于理论的缺陷。

人工智能：复杂问题求解的结构和策略（原书第6版）

一本经典的人工智能教材，全面阐述了人工智能的基础理论，有效结合了求解智能问题的数据结构以及实现的算法，把人工智能的应用程序应用于实际环境中，并从社会和哲学、心理学以及神经生理学角度对人工智能进行了独特的讨论。新版中增加了对“基于随机方法的机器学习”的介绍，并提出了一些新的主题，如涌现计算、本体论、随机分割算法等。