2016年3月9日，谷歌旗下Deepmind团队研发的围棋机器人AlphaGo与世界围棋冠军职业九段棋手李世石展开举世瞩目的“人机大战”，开始并不被外界看好的AlphaGo不仅取得首胜，更连胜三轮，再次掀起了社会对于人工智能的关注热潮。
曾经一度看好李世石的媒体和评论家们纷纷以人类被逼到“墙角”和人类尊严已难捍卫等诸如此类的评论在表示对于AlphaGo敬畏的同时，也在为人类哀怜，但事实真的如此吗？AI（Artificial Intelligence，人工智能）真的已经强大到足够取代人类了吗？中国人工智能学会（CAII）常务理事、模式识别国家重点实验室主任刘成林教授，进行了专题访问。
AlphaGo的“胜算”从何而来？
刘成林教授表示，谷歌人工智能机器人AlphaGo的围棋水平相较于之前的计算机围棋系统有了很大的提高，主要得益于其研发团队Deepmind采用了最先进的深度学习技术，利用深度神经网络对棋盘的局势进行了预测，并且AlphaGo在前期搜集了大量围棋对弈的历史数据，其中也包括很多围棋名人的棋谱，而且，它已经具备了从大规模数据中学习的能力，所以它仅仅在几个月内实现了人类若干年才能够达到的学习效果。这样惊人的学习能力是人类可望而不可即的。
何为”深度学习“能力？具备这样的能力对于人工智能技术来说具有怎样的意义？
刘成林教授解释说，人工智能的终极目标是希望机器具有像人一样看、听、说、思维、推理以及运动等方面的能力。在深度学习技术出现之前，过去采取的方法就是人类耗费巨大的精力编写程序，输入机器及其然后执行预定的功能，而现在有了深度学习技术以后，人类只需要编写让机器人深度学习的程序，机器就能够实现在庞大的数据积累过程中通过学习来实现智能化操作，并且其水平可以在数据增加的过程中不断得到提升。
刘成林教授表示，机器的学习效果除了跟所收集的数据有关以外，还跟其学习的方法有着密切的关系。近年来人工智能技术发展如此迅速，主要得益于两个方面的进步。
其一是机器学习的理论和方法有了新的突破，尤其是2006年开始提出的深度学习的方法，为推动人工智能技术的发展起到了关键性的作用；其二就是近年来计算机的计算能力提高的很快，GPU并行计算的能力在快速增长并被普遍使用。
AlphaGo此次之所以能够战胜世界冠军李世石，刘成林教授认为，这是由于AlphaGo在赛前做了充分的“准备”。而这个“准备”就是对李世石棋谱数据的深度学习，而对于李世石而言，他没有机会对AlphaGo的下棋方法进行分析，也就是说，人在明处而机器在暗处。AlphaGo是有备而来，但李世石却是毫无准备，所以人输给机器一点也不奇怪。
除了AlphaGo,人工智能历史上还有哪些不能被遗忘的里程碑？
此次的人机大战再次掀起了人们对于人工智能的好奇，而在人工智能的发展史上，除了AlphaGo其实还有许多里程碑式的事件。
刘成林教授表示，里程碑意义的事件既包括技术方面的飞跃，同时也不能忽略学术理论的进步。从技术角度来说，1997年IBM人工智能机器人”深蓝“战胜了国际象棋冠军，2011年IBM电脑沃森在美国知识问答节目中战胜人类选手，苹果推出了语音识别助理Siri，以及谷歌的互联网搜索技术等等，都是具有里程碑意义的事件。而在这些技术进步的背后其实更多的是理论方法的飞跃，是人工智能学科的发展进步。
电脑的一小步，人类的一大步
近些年来”深度学习“技术的进步，打破了上个世纪五十年代所提出的”多层神经网络“训练方法的局限性。在深度学习技术出现之前，当一个神经网络所承担的数据很多时，往往其训练或者说掌握数据所消耗的时间就会特别长，而且在这种情况下程序无法实现收敛，即使收敛但是其推广能力也会比较差。2006年深度学习技术出现以后，很好地解决了多层神经网络的缺陷，能够极大地提高机器人学习的效率，并改进其收敛性和推广能力。
而现在深度学习技术应用最多的还是视觉领域，即对图像和视频的分析。在图像分析方面，比如人们熟悉的人脸识别、文字识别和大规模图像分类等，采用深度学习技术之后，与传统方法相比，其识别性能也得到了极大地提升。
是杞人忧天，还是“技术奇点”真的已经到来？
AlphaGo实现三连胜后，人们在惊叹机器人所表现出的非凡能力的同时，也对人工智能技术未来的发展方向产生了诸多顾虑。对于人工智能技术是否将超越人类智慧，刘成林教授也发表了自己的见解。
刘成林教授表示，人工智能技术包含很多方面，除了以AlphaGo为代表的棋类人工智能，还有包括视觉识别、语音识别、推理与问答等在内的多种技术领域，机器在某个专门的领域超过人类并不奇怪，但是在综合智能方面，机器的能力还是远远不如人类的。虽说目前深度学习有很大进步，但机器深度学习的实现依然是依赖于人工设计的程序，而且深度学习需要有大量的数据作为训练基础，学习过程也不够灵活，这些都需要在人的协助下实现。
刘成林教授表示，对于”技术奇点“所代表的人工智能全面超越人类，甚至机器反过来控制人类、对社会产生破坏性影响的说法，其实是很梦幻的想法。人工智能全面超越人类不是没有可能，但这一天还很遥远，而且即使超越也是在人类可控的范围内的。
围棋复杂性分析图
不同于深蓝战胜象棋高手，业界普遍认为围棋的难度比象棋要高的多。其实AlphaGo只要拿下一局的胜利，此次的人机大战就已经成为人工智能历史上的里程碑。
各界颇具影响力的人士也纷纷对此次史诗性的事件发表评论：李开复认为人类不必担忧，AlphaGo这类“人工智能”机器可能带来的危机不是奴役人类而是让人类丧失斗志，无所事事。扎克伯格则表示，人们现在担忧人工智能的安全性就如同两百年前担心将来有了飞机会坠毁是一样的道理。五个月前刚刚被AlphaGo击败的欧洲围棋冠军樊麾也提到： 我们面对新生事物要放宽眼界，毕竟人类的想象力和创造力还是机器学不会的，人还是最牛的。
虽然外界普遍关注棋局的输赢，但事实上，无论是 AlphaGo赢了还是李世石赢了，都是人类赢了。面对围棋这样过高难度的策略竞技，考验了人们的逻辑性与分析能力，能造出 AlphaGo本身即是胜局。
人工智能赢了棋局，但是人类却赢得了未来。
【感想】
机器是不带情感，而且用数据说话的，像下棋这种很容易发挥受情绪波动而影响发挥的，的确人类会略处于劣势。
而且在进行第二次比赛后，机器人还会收集数据。
但归根结底，机器还是人类建造出来的，人工智能的确令人佩服呢
曾经一度看好李世石的媒体和评论家们纷纷以人类被逼到“墙角”和人类尊严已难捍卫等诸如此类的评论在表示对于AlphaGo敬畏的同时，也在为人类哀怜，但事实真的如此吗？AI（Artificial Intelligence，人工智能）真的已经强大到足够取代人类了吗？中国人工智能学会（CAII）常务理事、模式识别国家重点实验室主任刘成林教授，进行了专题访问。
AlphaGo的“胜算”从何而来？
刘成林教授表示，谷歌人工智能机器人AlphaGo的围棋水平相较于之前的计算机围棋系统有了很大的提高，主要得益于其研发团队Deepmind采用了最先进的深度学习技术，利用深度神经网络对棋盘的局势进行了预测，并且AlphaGo在前期搜集了大量围棋对弈的历史数据，其中也包括很多围棋名人的棋谱，而且，它已经具备了从大规模数据中学习的能力，所以它仅仅在几个月内实现了人类若干年才能够达到的学习效果。这样惊人的学习能力是人类可望而不可即的。
何为”深度学习“能力？具备这样的能力对于人工智能技术来说具有怎样的意义？
刘成林教授解释说，人工智能的终极目标是希望机器具有像人一样看、听、说、思维、推理以及运动等方面的能力。在深度学习技术出现之前，过去采取的方法就是人类耗费巨大的精力编写程序，输入机器及其然后执行预定的功能，而现在有了深度学习技术以后，人类只需要编写让机器人深度学习的程序，机器就能够实现在庞大的数据积累过程中通过学习来实现智能化操作，并且其水平可以在数据增加的过程中不断得到提升。
刘成林教授表示，机器的学习效果除了跟所收集的数据有关以外，还跟其学习的方法有着密切的关系。近年来人工智能技术发展如此迅速，主要得益于两个方面的进步。
其一是机器学习的理论和方法有了新的突破，尤其是2006年开始提出的深度学习的方法，为推动人工智能技术的发展起到了关键性的作用；其二就是近年来计算机的计算能力提高的很快，GPU并行计算的能力在快速增长并被普遍使用。
AlphaGo此次之所以能够战胜世界冠军李世石，刘成林教授认为，这是由于AlphaGo在赛前做了充分的“准备”。而这个“准备”就是对李世石棋谱数据的深度学习，而对于李世石而言，他没有机会对AlphaGo的下棋方法进行分析，也就是说，人在明处而机器在暗处。AlphaGo是有备而来，但李世石却是毫无准备，所以人输给机器一点也不奇怪。
除了AlphaGo,人工智能历史上还有哪些不能被遗忘的里程碑？
此次的人机大战再次掀起了人们对于人工智能的好奇，而在人工智能的发展史上，除了AlphaGo其实还有许多里程碑式的事件。
刘成林教授表示，里程碑意义的事件既包括技术方面的飞跃，同时也不能忽略学术理论的进步。从技术角度来说，1997年IBM人工智能机器人”深蓝“战胜了国际象棋冠军，2011年IBM电脑沃森在美国知识问答节目中战胜人类选手，苹果推出了语音识别助理Siri，以及谷歌的互联网搜索技术等等，都是具有里程碑意义的事件。而在这些技术进步的背后其实更多的是理论方法的飞跃，是人工智能学科的发展进步。
电脑的一小步，人类的一大步
近些年来”深度学习“技术的进步，打破了上个世纪五十年代所提出的”多层神经网络“训练方法的局限性。在深度学习技术出现之前，当一个神经网络所承担的数据很多时，往往其训练或者说掌握数据所消耗的时间就会特别长，而且在这种情况下程序无法实现收敛，即使收敛但是其推广能力也会比较差。2006年深度学习技术出现以后，很好地解决了多层神经网络的缺陷，能够极大地提高机器人学习的效率，并改进其收敛性和推广能力。
而现在深度学习技术应用最多的还是视觉领域，即对图像和视频的分析。在图像分析方面，比如人们熟悉的人脸识别、文字识别和大规模图像分类等，采用深度学习技术之后，与传统方法相比，其识别性能也得到了极大地提升。
是杞人忧天，还是“技术奇点”真的已经到来？
AlphaGo实现三连胜后，人们在惊叹机器人所表现出的非凡能力的同时，也对人工智能技术未来的发展方向产生了诸多顾虑。对于人工智能技术是否将超越人类智慧，刘成林教授也发表了自己的见解。
刘成林教授表示，人工智能技术包含很多方面，除了以AlphaGo为代表的棋类人工智能，还有包括视觉识别、语音识别、推理与问答等在内的多种技术领域，机器在某个专门的领域超过人类并不奇怪，但是在综合智能方面，机器的能力还是远远不如人类的。虽说目前深度学习有很大进步，但机器深度学习的实现依然是依赖于人工设计的程序，而且深度学习需要有大量的数据作为训练基础，学习过程也不够灵活，这些都需要在人的协助下实现。
刘成林教授表示，对于”技术奇点“所代表的人工智能全面超越人类，甚至机器反过来控制人类、对社会产生破坏性影响的说法，其实是很梦幻的想法。人工智能全面超越人类不是没有可能，但这一天还很遥远，而且即使超越也是在人类可控的范围内的。
围棋复杂性分析图
不同于深蓝战胜象棋高手，业界普遍认为围棋的难度比象棋要高的多。其实AlphaGo只要拿下一局的胜利，此次的人机大战就已经成为人工智能历史上的里程碑。
各界颇具影响力的人士也纷纷对此次史诗性的事件发表评论：李开复认为人类不必担忧，AlphaGo这类“人工智能”机器可能带来的危机不是奴役人类而是让人类丧失斗志，无所事事。扎克伯格则表示，人们现在担忧人工智能的安全性就如同两百年前担心将来有了飞机会坠毁是一样的道理。五个月前刚刚被AlphaGo击败的欧洲围棋冠军樊麾也提到： 我们面对新生事物要放宽眼界，毕竟人类的想象力和创造力还是机器学不会的，人还是最牛的。
虽然外界普遍关注棋局的输赢，但事实上，无论是 AlphaGo赢了还是李世石赢了，都是人类赢了。面对围棋这样过高难度的策略竞技，考验了人们的逻辑性与分析能力，能造出 AlphaGo本身即是胜局。
人工智能赢了棋局，但是人类却赢得了未来。
【感想】
机器是不带情感，而且用数据说话的，像下棋这种很容易发挥受情绪波动而影响发挥的，的确人类会略处于劣势。
而且在进行第二次比赛后，机器人还会收集数据。
但归根结底，机器还是人类建造出来的，人工智能的确令人佩服呢
