“人机世纪大战”第一局落下帷幕，李世石认输，这是让很多人没有想到的。原本被寄以厚望的李世石，到底为什么会输于古力口中“业余六七段”的Alphago？
Alphago深度学习发挥作用
“国际象棋每步大约会出现35种左右的走位可能，而围棋的走位可能则高达250种，每一步250种相乘就意味着整局比赛会出现多到几乎无穷尽的走位方案。”谷歌DeepMind实验室主管德米斯-哈撒比斯(Demis Hassabis)说道。Alphago在击败欧洲围棋冠军樊麾时学习了3000万盘棋，而经过将近半年的学习，这个数量已经增长到1亿以上。
AlphaGo的核心是两种不同的深度神经网络。“策略网络”（policy network）和“值网络”（value network）。它们的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋手所做的一样。
其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑；而“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。利用蒙特卡洛拟合，将这些信息放入一个概率函数，AI就不用给每一步以同样的重视程度，而可以重点分析那些有戏的棋着。
这意味着Alphago属于典型的力战型棋风，善于敏锐地抓住对手的弱处主动出击，以强大的力量击垮对手。李开复先生说现在的AlphaGo和1997年击败世界象棋冠军的深蓝相比，从围棋到象棋的难度高了很多，是难度非常大的跳升。
近年来深度学习的技术，非常大的数据量和计算量可以扩张地使用，超过了我们的想象。同时我们也对人所谓的智力，当时有一些错误的幻想，实际上深度学习的成长非常快速，它可以非常好地利用更多地机器。所以在任何客观、科学工程评估的领域，包括游戏，其实是金融、搜索、广告等各方面的应用，人类基本上不会再有更多的机会跟机器来竞争了。
小编推荐阅读
