如果说2015年大家还在质疑深度学习、人工智能，那如今Master 横扫人类围棋界高手，就再一次将人工智能推到了全球舆论的风口浪尖。国内乃至全世界范围，无论是媒体、大众还是企业，都在讨论VR、自动驾驶、机器人，这些其实都是人工智能的不同应用领域，由此看来人工智能已经成为科技创新的主战场。

 

                 

 

“Master”选择以一个无名棋手的身份出场，却在弈城围棋网吊打众围棋高手，打败了世界排名第一的柯洁两次，大胜60局。这般超大师级的表现，在围棋界掀起一阵又一阵的腥风血雨，世界上最顶级的选手纷纷在它面前折戟沉沙。

 

 

旁人只关注到Master的战绩，但即便是人工智能，也是一步一个脚印从“小白”成长为独孤求败的大神。围棋实际上规则非常自由，组合无限，围棋棋盘上每一点，都有黑、白、空，三种情况，棋盘上共有19*19=361个点，所以可能产生的局数为3的361次方种。举个例子，如果从137亿年前宇宙初始下起，60亿人口每天下60亿盘，到目前为止，也只下了不到亿亿亿万分之一。Master要进行围棋规则的演练和学习，也是一个漫长的过程。

 

 

AlphaGo演变为Master之前，曾开发了两台同样水平的AlphaGo不断进行对战，它们能在短短一周之内就下完人类围棋大师一生中可下的围棋数量。两台机器经过长时间的博弈，再将这些数据和概率组合不断地深度学习，很快便超越了围棋大师一生之内可达到的见识。

 

这背后的学习就牵扯到了卷积神经网络，卷积神经网络是一种在大型图像处理上有着优秀表现的神经网络，常用于人工智能图像识别，比如Google的图片搜索、百度的识图、阿里巴巴拍立淘等等。区别于传统的模式识别，卷积神经网络是一种更加进化的识别算法，它里面包含了多层神经网络的复杂运算。

 

 

作为人类，你可以轻易识别出一只猫和狗，但是机器人是没有这个意识的。你看到的是猫还是狗，大脑是怎么运作得出结论的，里面需要上亿层神经元的传输和反馈，类似卷积神经网络。可以说，卷积神经网络是一种更像人类神经元的网络算法。

 

 

除了卷积神经网络，Master背后的系统还借鉴了一种名为深度强化学习的技巧。强化学习的灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。

 

就像驯兽师一样训练机器人，反复输入告诉它们我现在给你吃的是什么，你要知道当我拿出鱼的时候你该干什么了。

 

 

说白了深度学习是一个自学成才的系统，只需要喂养大量的数据。Master就是通过大量自我对弈的棋局，获取大量的数据，然后统计出各种走法与胜负的相关性，它用到了大数据的思想，但它并不知道这么调整在棋理上的根本原因是什么，只是知道这样调整与赢棋的相关性大。虽然这种方法并不是百分百准确，但通过大量数据的统计，就可以使得它的调整战胜人类九段棋手绰绰有余。

 

 

当然这只是在人类限制之下的一种机器学习方法，在深度学习领域还有一种叫无监督自学习，也就是人类不加框架不加限制的机器学习，它们能在学习的过程中萌发了自我意识，自己决定想要接受的信息，有了自己的价值观。

 

 

就像《西部世界》里机器人被加了一个“冥想”的算法，引发了不可控的自我意识觉醒。《终结者》的天网通过自学习有了自身的价值观视人类为威胁，要灭掉人类的意识就跟你要去剪断多余的长发一样理所当然。

 

 

如果说深度学习是人工智能的火箭，燃料为大数据，那云计算则是它的引擎。人工智能之所以历经这么多年后才在今年大红大紫，原因归根于深度学习，是深度学习使得人工智能有了实用价值。

 

但深度学习能够取得这样的突破，也是基于云计算和大数据日趋成熟的背景，数据量越来越大，计算能力越来越强，过去不实用的琐碎信息都成了管饱的粮食。这意味着，在通往人工智能的路上，有两个不可或缺的角色：大数据、云计算，它们三人可谓是“铁三角”。

 

 

所以你说，随着人工智能这个浪潮的掀起，大数据真的显得老生常谈了吗？

 

答案显然是否定的。云计算的成熟为大数据提供了一个不受限制的发展舞台，越来越多的传感器、智能设备接入互联网，扩大了数据的采集范围，一个基于人、时间、空间的数据网络正在形成。

 

 

大数据就像是基础设施，它被建立起来了，无论是人脸识别还是自动驾驶，都能为人工智能做一个很好的铺垫。但这两个行业又不完全是前因后果的承接，它们都是需要一个连续性的发展的，随着这种发展，大数据会慢慢地细分出不同的领域，进行深耕。

 

 

所幸我们生在一个能见证它发展的时代，但也有不少科学家直言人工智能将终结人类，这也是我们最坏的时代。你觉得呢？

​（反正我是活不到那天了……）