从击败世界围棋冠军到重塑内容生成方式，人工智能经历了什么
图片来源@视觉中国
文｜投资人史松坡
从政策端来看，今年6月16日，微软公司创始人比尔·盖茨来华，并受到我国最高领导人的接见，这一事件释放了我国将要大力发展人工智能产业的强烈信号。此前，微软对OpenAI投资超百亿美元，是其背后最大的“金主”。实际上，我国对于人工智能产业以及更广阔的数字经济赛道早有战略布局。
去年12月15日，总书记在中央经济工作会议上的讲话提出，人工智能作为战略性新兴产业，是引领未来发展的新支柱、新赛道，要加快前沿技术研发和应用推广，支持专精特新企业发展。去年12月2日，中共中央、国务院还发布了《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”），提出要促进数据合规高效流通使用、赋能实体经济，充分实现数据要素价值。
在市场端，我国各行各业对发展数字经济和人工智能的需求旺盛，国内外技术快速迭代越发成熟，形成了政策端和市场端的完整闭环。在国家政策对于数字经济、人工智能产业的大力支持下，我国的人工智能产业进入高速发展赛道。
什么是人工智能？
那么，什么是人工智能呢？在投资时，我们有必要对人工智能的发展史以及关键的计算机技术有一个基本的了解。顾名思义，人工智能就是具有类似人类的思维能力的机器。根据维基百科的定义，人工智能是由机器展示的感知、合成和推断信息的智能，“智能”包括学习和推理、概括和推断意义的能力。
人工智能发展史上的里程碑：
来源：洛克资本绘制
人工智能的发展经历了几个重要阶段。早在1950年，被称为“计算机科学之父”的艾伦·图灵（AlanTuring）发表了关于人工智能的开创性作品ComputingMachineryandIntelligence。在本书中，图灵提出了以下问题：“机器能思考吗？”图灵还提出了著名的“图灵测试”（TuringTest）。图灵测试是指由人类评审者对机器与人类受试者提问，如果无法准确判断谁是人类、谁是机器，则该机器就通过了图灵测试。在1956年的达特茅斯会议上，约翰·麦卡锡（JohnMcCarthy）创造了“人工智能”一词，这次会议标志着人工智能研究正式开始。随后，1957年，早期人工神经网络PerceptronMarkI诞生，展示了机器学习算法模拟人类智能的潜力。
1960年代，开始了“人工智能热潮”。在发现Perceptron模型的缺陷后，计算机科学家们开始积极探索各种创建和控制智能机器的新方法，尝试执行传统上认为需要人类智能来完成的任务。热潮过后，海外的人工智能发展遇到了瓶颈，遭遇1980年代的投资寒冬。
在寒冬中，尽管发展速度放缓，但仍然诞生了一些伟大的技术。计算机科学家们开始研究专家系统，旨在模仿特定领域（如医学、金融、语言或工程）的人类专家的决策能力。研究者试图利用专家的知识来建立一个系统，系统能够根据用户的查询，使用推理规则从其知识库中提取知识来输出决策。专家系统的出现很重要，因为它们是人工智能第一个真正有助于人类生活和成功落地的应用。时至今日，专家系统还在我们的日常生活中发挥作用，例如，我们电脑中的拼写及语法检查器。
专家系统的简化模型示意图：
图片来源：Javapoint
1990年代，机器学习算法和计算能力的进步，使研究人员开始使用统计方法直接从数据中学习模式和特征，而不必依赖预定义的规则。从数据中学得模型的过程称为“学习”（learning）或“训练”（training）。我们可以用机器学习届圣经“西瓜书”（周志华老师编写的《机器学习》）中形象生动的知名比喻来描述机器学习的简化过程：首先，收集许多西瓜的样本并测量各种特征，如大小、重量、颜色、根蒂形态、敲的声音等；其次，获得这些特征的“结果信息”，例如，（（色泽＝青绿；根蒂＝蜷缩；敲声＝浊响），好瓜）；对这些具有结果信息的特征的集合进行学习，建立模型来预测一个新的西瓜是否好吃；然后，可以用新的西瓜样本去测试模型，判断模型的准确性和有效性，并对模型进行再训练和调优。最后，可以用训练好的模型来对新采集的西瓜样本进行预测，判断哪些可能好吃。
相比于之前提及的专家系统，机器学习技术为人工智能发展注入了完全不同于传统“逻辑推理”方法的新鲜血液，提供了更多的可能性。正如“西瓜书”中所说，“机器学习是人工智能研究发展到一定阶段的必然产物。二十世纪五十年代到七十年代初，人工智能研究处于‘推理期’，那时人们以为只要能赋予机器逻辑推理能力，机器就能具有智能。……然而，人们逐渐认识到，仅具有逻辑推理能力是远远实现不了人工智能的。专家系统面临“知识工程瓶颈”，简单地说，就是由人来把知识总结出来再教给计算机是相当困难的。于是，一些学者想到，如果机器自己能够学习知识该多好！”机器学习技术已经在我们的生活中无处不在，广泛地支持着聊天机器人、语言翻译、社交媒体与购物网站及视频网站等各大平台的内容推荐、医学诊断、自动驾驶等各种领域的应用。
21世纪初，深度学习算法的出现，使机器能自动地从大型数据集中学习，机器学习进一步如火如荼地发展。深度学习和机器学习这两个概念看起来很相近，都是人工智能的子领域，但实际上，深度学习是机器学习的一个子领域。
深度学习由神经网络组成，“深度”是指由三层以上层组成的神经网络，可以使用下面的图表来形象地表示这个过程。
深度学习中的神经网络概念示意图：
图片来源：IBM
经典或“非深度”的机器学习更依赖于人类干预，即所谓的“调参”。而深度学习使该学习过程的大部分实现自动化，并允许使用更大的数据集。深度学习可以以原始形式（例如文本、图像）摄取非结构化数据，并且可以自动确定区分不同类别数据的特征层次结构。与机器学习不同，深度学习不依赖人工干预来处理数据，使得机器学习的门槛实际上变“低”了，从而使得其应用变得更加广泛。
机器学习技术在近年的一个重要里程碑是AlphaGo战胜李世石和柯洁。AlphaGo是第一个击败职业围棋世界冠军的计算机程序，可以说是历史上最强的围棋玩家。AlphaGo由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发，将高级搜索树与深度神经网络相结合，将棋局盘面的描述作为输入，然后通过包含数百万个神经元连接的多个不同的网络层进行处理。研发团队还让AIphaGo与不同版本的自己比赛数千次，每次都能从错误中吸取教训。随着时间的推移，AlphaGo不断进步，在学习和决策方面变得越来越强大，这个过程被称为强化学习。
从决策式AI到生成式AI，
人工智能新模式崛起
2022年底开始，以我们熟知的ChatGPT为首的大语言模型的涌现，代表着人工智能新范式的崛起。2022年11月，OpenAI发布ChatGPT，掀起AI浪潮。2023年3月，OpenAI又发布GPT-4，GPT-4的训练数据量更大，拥有更高级的推理能力，支持多模态，可以接受图像和文本输入。
GPT的全称是GenerativePre-trainedTransformer，是一系列延伸自转换器架构（Transformer架构）的自然语言生成模型。相比于小模型，大模型的标志性特点就是更大规模的参数量。从GPT-1到GPT-3，模型的参数量从1.17亿个增长了1750亿个，在几年的时间内增长了1000多倍。尽管官方未披露GPT-4的参数量，但据悉已达到万亿级别。研究发现，当训练的参数量超过某个阈值时，就会量变引起质变，模型的精度会突然暴增，即所谓的“涌现能力”。因此目前，各大厂商在训练模型时，都会追求更大的参数量。
OpenAI推出的GPT系列发展史：
来源：洛克资本绘制
我们目前熟知的大语言模型，基本都是基于上述的Transformer架构。Transformer是一种新型的网络架构，用于自然语言处理（NLP）的深度学习模型，表现能力优异，远超CNN、RNN等方法。Transformer由encoder（编码器）和decoder（解码器）构成，具有优秀的语义特征提取能力、远距离特征捕获能力、综合特征提取能力、并行计算能力及运行效率。Transformer的核心之一是自注意力机制（Self-Attention），能够通过关系的特征进行学习，描述数据各元素之间的相关性，也就是数据本身的内在关联。根据业内人士解释，拥有自注意力机制的Transformer神经网络能够把成千上万个Transformer串联起来，通过对大规模文本数据的学习，建立从单词、短语、句子、段落不同层次之间相互连接的关系，并且基于这种连续关系进行统一整体的表达，因此从人类使用者看来，GPT产品拥有较高的理解能力和整体表达逻辑。
此前，人工智能的应用以“决策式AI”为主，通过学习数据中的条件概率分布进行分析、判断和预测来生成决策、进行相应的部署，比如推荐系统、自动驾驶、人脸识别、围棋象棋决策等。生成式AI则不是简单地对数据进行归纳，而是对数据进行演绎、创造、模仿，生成数据中原本不存在的新样本。例如，向ChatGPT输入指令，它可以生成文案、续写小说、与你聊天，这些丰富多彩、自然多变、贴近人类日常生活的内容生成是传统决策式AI力所不及的。生成式AI通过创建类似于训练数据的新数据来模仿人类的创造过程，成为人类的“协作者”甚至“创作者”。
生成式人工智能可以大幅度提升内容领域的生产力，在图像与音视频生成、市场营销、文学乃至计算机代码等内容生产领域的创造性工作中大有用武之地，并开始在办公协同、娱乐、医疗、商业、教育等各种场景中发挥作用。
AI画作《太空歌剧院》：
去年9月，美国科罗拉多州博览会举办了一场“数字艺术”大赛。在比赛中，一幅名叫《太空歌剧院》的作品脱颖而出，一举夺魁。这幅作品的创作者并不是一个传统的人类艺术家，而是一名39岁的游戏公司老板JasonAllen，他使用了AI作画应用Midjourney来创作这幅作品。创作过程如同Allen所说，“他花了近一个月的时间不断修改指令，在AI工具上输入尽可能准确具体的指令，创作出了100多副图画，然后从这上百张图画中，选出了自己喜欢的3张，并用工具进行了处理和微调，最后才打印在画布上。”该画作结合了古典与科幻元素，呈现出无与伦比的创意，同时包含了大量的几何形状、光影效果和细节纹理，视觉效果美轮美奂。
除了在图像生成、视频生成方面大放异彩之外，生成式AI日渐开始在人类的办公中发挥作用。此前，在今年3月17日的微软2023Microsoft365Copilot发布会上，微软宣布为其Microsoft365应用程序和服务推出由生成式人工智能驱动的Copilot，帮助人们生成文档、电子邮件、演示文稿等。Copilot由OpenAI公司的GPT-4提供支持，将作为聊天机器人出现在边栏中，使得Office用户能够调用它来在文档中生成文本、基于Word文档创建PowerPoint演示文稿，甚至帮助使用Excel中的数据透视表等功能。正如微软365负责人JaredSpataro说：“它与您一起工作，嵌入在数百万人每天使用的应用程序中：Word、Excel、PowerPoint、Outlook、Teams等。”Copilot也将存在于Outlook中，可以帮助用户总结电子邮件，甚至可以基于用户对语气和长度的选择创建回复草稿。
以大模型作为底层支持，一大批民间初创企业制作的下游插件或应用如春笋般涌现。从功能分类来看，下游应用主要分为办公协同和生活娱乐两类。在办公场景下，目前的生成式AI应用已经可以帮助用户阅读和总结提炼文档中的信息、生成初始版本的法律文书或协议、辅助用户进行数据分析、根据用户指令一键生成精美的PPT等。娱乐场景下的应用更是五花八门。除了上文提及的图片生成外，生成式AI还可以应用于音视频生成及剪辑、与用户进行互动式聊天（虚拟伴侣）、基于聊天交互的游戏、生成虚拟人化身/头像等。
AIGC在文字、代码、图像、音视频领域的应用：
来源：红杉资本
AIGC投资热潮下，
自研大模型真的值得吗？
ChatGPT最大的贡献是完成了一场全民式的“AI教育”。因为使用门槛较低、功能新颖且具有强互动性，自去年底ChatGPT问世以来，该产品在很短的时间内就家喻户晓，且掀起了近半年来大火的AIGC投资热潮。我国的互联网头部企业更是纷纷追逐自研通用大模型的风口浪尖，开始在生成式人工智能领域的“军备竞赛”。目前，国内已有百度、阿里巴巴、腾讯、华为、科大讯飞等公司对AI大模型进行研究开发，若干自研的NLP大模型、CV大模型、多模态大模型已推出并实现部分落地。其中，腾讯另辟蹊径地尚未推出通用大模型，而是首先推出ToB的行业大模型，以一种“短平快”的方式切入赛道。实际上，国内外科技公司的自研通用大模型之争，更是一场烧钱的博弈。
目前国内互联网头部企业的自研大模型情况：
来源：洛克资本绘制
从训练大模型的经费数据上看，时至今日，微软已经陆续向OpenAI注资超130亿美元，且去年一年内，OpenAI的净亏损高达5.445亿美元。大模型训练所需的硬件成本极为高昂，据外国机构a16zFintechInvestments测算，只有当一个公司一年的AI运算预算超过5000万美元时，才能凭借足够的规模效应支撑自己批量采购GPU。OpenAI推出的GPT-3需要1024张A100GPU芯片才能支撑起一次训练，且OpenAI至少需要32400张A100芯片用于日常推理，根据测算，仅训练ChatGPT的硬件成本就高达8亿美元以上，更不用说还有高昂的算法团队、数据方面等各种开支。
自研大模型，实际上是一个耗资耗时的系统性大工程，无论是在算法、算力还是数据方面，都需要投入极大的人力财力，从而影响整个公司的战略规划。如果训练不理想或是变现周期长、投入资本回报率不佳的话，无疑会给整个公司造成浪费战略资源、影响商业地位的负面效应。因此，是否要加入这场“烧钱”的自研通用大模型的战争，颇值得打一个问号。
在斥巨资自研通用大模型之外，还有一种比较节省资源的务实做法是搭建与自身产品生态相结合的“垂类大模型”或面向B端用户需求的“行业大模型”。相比于“大而全”的通用大模型，此类垂直细分的大模型更“小而美”，所需的资源量较小，应用落地更为精准，投入资本回报率更高，在当下整体偏于冒进的研发潮中是一种谨慎稳健的选择。
关注具体应用场景，
另辟蹊径把AI带进千家万户
比垂直细分大模型更“小而美”的，则是上文提到的种种下游应用层的产品。这些产品借助于现有大模型的接口（API），借助于现有的“天花板级别”的大模型并向其付费，直接实现小微场景下的功能应用。大模型的价值，本就在于与各行各业的具体需求相结合，成为人类的协作者或指令下的创作者，广泛地激活生产力。用程序员的一句黑话来说，在低阶水平重复“造轮子”没有太大的意义（比如，圆形车轮已经是大家公认最好的了，却非要自己重新发明另一种形状的轮子）。对于有财力以及技术积累支撑的企业来说，在尖端水平上进一步突破技术的边界固然是一件有利于企业自身长远发展并且有利于整个人类社会的好事。但对于绝大多数资源有限的企业来说，更具商业价值和变现能力的是借助现有的轮子造自己的车。
我们看好人工智能整个产业的发展前景。生成式人工智能技术的发展势必会带来深远的影响，它在内容创作上开启无限可能，可能改变各个行业的商业模式，改变我们的工作、学习和生活、娱乐方式。另一方面，生成式人工智能只是人工智能领域的一个分支，侧重于内容生成，而决策式人工智能则凭借其强大的分析、推理、预测能力，在工业控制（机器人、汽车等）、推荐算法、图像识别等众多领域发挥重要作用。这两种人工智能并非新浪替代旧浪的关系，而是术业专攻、相辅相成，覆盖不同的应用场景。我们将密切追踪人工智能在各行各业中的实际落地应用，尤其是在各个行业、技术的交叉点上挖掘独特的商业价值。
人工智能围棋战胜李世石,人工智能围棋阿尔法狗
AI让围棋失去了很多魅力，人工智能对围棋游戏的影响有多大？人工智能对围棋影响是两面性的，围棋本身就是一种娱乐方式，并不一定是说人工智能完胜人类之后就会让这种娱乐消失。我们可以通过人工智能学习到更精的棋艺，而且在未来人工智能可以代替人类的地方还有很多，它本身就是人类创造出来的，是为了能够更好的帮助人类服务的。
自从2016年，李世石挑战阿尔法狗1：3败北以来，围棋AI可以说颠覆了许多围棋领域的固有思维和模式。总的来说，利大于弊。
1、人工智能的产生，有利于人类探索围棋的终极奥秘。比方说，过去有很多人诟病近代围棋国手只是业余高手水平，但通过AI的验证，拨云见日，重现先辈的大智慧和深邃的算路。
2、人工智能的产生，更有利于围棋的普及，想学围棋，随便找一个AI陪练成为业余高手的难度大大降低了。
3、人工智能的产生，颠覆了传统的围棋教学模式，AI全面介入教学过程，过去的围棋教练成了辅助的教学指导人员，答疑解惑的要求相对降低了。
4、人工智能的产生，因为AI可以轻松碾压职业棋手，所以围棋正式比赛，要严格预防作弊了，增加了一定的比赛成本。
5、人工智能的产生，某种程度上影响了人类到网上下棋的意愿，因为谁都不愿意与“遛狗”的对手比赛。
6、人工智能助推围棋全球化。不仅是职业棋手，在业余围棋领域人工智能的应用也在普及，李星今年编写的教材中就增加了人工智能方面的内容。在青少年学棋阶段，人工智能的应用也更加广泛。
7、从“打狗”到“用狗”。那次“人机大战”之后，“打狗”成为了围棋界的热词，然而随着“阿尔法狗”升级后开始“碾压”人类棋手，人类棋手的思路也逐渐从“打狗”转为了“用狗”。如同聂卫平所言，人工智能是围棋上帝派来给人类引路的。人工智能出现以前，人类曾以为在围棋领域的高度至少达到了50%，但人工智能出现后才发现人类还处于围棋领域的初级阶段。
人工智能阿尔法围棋用了哪项新技术阿尔法围棋用到了很多新技术，如神经网络、深度学习、蒙特卡洛树搜索法等，使其实力有了实质性飞跃。美国脸书公司“黑暗森林”围棋软件的开发者田渊栋在网上发表分析文章说，阿尔法围棋系统主要由几个部分组成：
1、策略网络（PolicyNetwork），给定当前局面，预测并采样下一步的走棋。
2、快速走子（Fastrollout），目标和策略网络一样，但在适当牺牲走棋质量的条件下，速度要比策略网络快1000倍。
3、价值网络（ValueNetwork），给定当前局面，估计是白胜概率大还是黑胜概率大。
4、蒙特卡洛树搜索（MonteCarloTreeSearch），把以上这四个部分连起来，形成一个完整的系统。
“阿尔法狗”采用的是利用“价值网络”去计算局面，用“策略网络”去选择下子。阿尔法狗依旧处于一个弱人工智能的水平。什么是弱人工智能？简单的说，所谓弱人工智能就是仅在单个领域比较牛的人工智能程序。
比如我们熟悉的苹果Siri，就是一个会卖萌的弱人工智能程序。而阿尔法狗根据这个标准，依旧在这个范围以内。充其量，最多是人类围棋的陪练。而这场人际对决，本质上更像是谷歌的一场科技秀。
阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。
2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。
2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。
2017年5月27日，在柯洁与阿尔法围棋的人机大战之后，阿尔法围棋团队宣布阿尔法围棋将不再参加围棋比赛。2017年10月18日，DeepMind团队公布了最强版阿尔法围棋，代号AlphaGoZero。
2017年7月18日，教育部、国家语委在北京发布《中国语言生活状况报告（2017）》，“阿尔法围棋”入选2016年度中国媒体十大新词。
第一个战胜围棋世界冠军的人工智能程序是什么？阿尔法狗(AlphaGo)是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，由谷歌(Google)公司的团队开发。其主要工作原理是“深度学习”。
2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平。
起源
围棋，起源于中国，中国古代称为“弈”，可以说是棋类之鼻祖，围棋至今已有4000多年的历史。据先秦典籍《世本》记载：“尧造围棋，丹朱善之。”晋张华在《博物志》中继承并发展了这种说法：“尧造围棋，以教子丹朱。若白：舜以子商均愚，故作围棋以教之。”
1964年版的《大英百科全书》就采纳这种说法，甚至将其确切年代定在公元前2356年。
唐代诗人皮日休所作的《原弈》认为：“弈之始作，必起自战国，有害诈争伪之道，当纵横者流之作矣。岂曰尧哉！”
明朝陈仁锡在《潜确类书》中又提出“乌曹作博、围棋”。乌曹相传是尧的臣子，有的人又说他是夏桀的臣子。后来，董斯张的《广博物志》、张英的《渊鉴类函》等也采录了这种说法。
人工智能围棋水平较高的软件有美国的AlfaZero、AlfaGo。
1、AlfaZero是产自美国深度思维公司研发的人工智能产品寓意从零开始，所以翻译为阿尔法零，是围棋水平较高的软件。
2、AlfaGo是出自美国谷歌公司旗下的人工围棋智能打败了围棋冠军。
AI现在的围棋水平是什么程度？2018中国围棋大会8日在广西南宁市落子开幕，本次大会共26项围棋比赛，包含全国围棋定段赛、“百千万工程”全民围棋团体锦标赛、“百千万工程”全民围棋段级位棋王赛、世界智能围棋公开赛、九路棋王赛、马拉松围棋赛、亲子双人赛等传统专业赛和贴近民众生活的趣味赛。其中，人工智能围棋比赛及产业应用展示成为本次大会的吸睛点。“中国围棋运动当前的竞技水平和普及推广力度，均走在世界前列。
目前中国围棋人口约达到4000万，围棋运动及产业发展前景广阔。”中国围棋协会主席林建超当日接受记者采访时表示，本次围棋大会是中国迄今最大的围棋赛程，人群覆盖中外专业棋手、业余棋手、高校学生及青少年兴趣爱好者。其中，2018全国围棋定段赛正式比赛约300场，是目前为止规模最大的“围棋高考”。他说，目前中国的围棋产业化发展迎来一个很好的开端，以城市围棋联赛为代表的围棋产业化模式正在积极探索中。
在此过程中，“人工智能+围棋产业应用”将是未来围棋产业化发展的重要方向。“围棋运动像中国所有的体育运动一样，未来都将朝着产业化的方向发展。”华智城围联体育产业股份公司总经理覃勇刚说，作为中国首个完全市场化运作的“城市围棋联赛”，经过三年多的发展，目前城市围棋联赛成员已经扩展到32个俱乐部，队伍来自七个国家的31个城市，已成为一个具备一定规模，影响力较高的品牌赛事。
人工智能下围棋是如何分析选点的？您好，人工智能围棋发展之所以如此迅速是因为计算方式发生了变化，早些的人工智能在分析选点的时候采用对手落子全盘分析的方式，不仅计算量巨大，而且计算时间长，不利于人工智能围棋发展；新一代人工智能引用大数据时代技术，在人工智能输入大量的人类围棋对局数据，之后智能围棋再采用概率选点的方式分析，对手落子，只分析对局中常见的选点，计算百分比，就可以很快计算，不仅计算速度块，而且精准，计算量也减少很多。
望采纳，谢谢。
人工智能开发VS围棋，到底哪一个能被称为是真正的人类智慧最后一道防线？如果说哪一个是被称之为人类智慧的最后一道防线的话，肯定就要数围棋了，可能很多人都不太相信，很多人也都觉得是人工智能，但其实并不是的。人工智能超过人脑的计算能力和超过人的控制能力再一次惊艳了世界，所以很多人都认为人工智能是计算机科学的一个分支，它能够了解人的各方面的行为，能够帮助人做各种各样的事情，所以大家都觉着人工智能比人类可能都还要更发达，在智慧方面也要比人类更高超。 但是即使这样他也没有围棋伟大，因为人工智能的目标是能够像人类一样思考，判断，模拟人的行为，或者是超越人的行为，但是它终究不能代表人类，而且也是因为围棋，所以才让人工智能火了。国际象棋，跳棋，黑白棋，扑克牌等等都能够被人工智能拿一下，但是围棋却没有，其真的是比人工智能要更略瘦一筹。 围棋的每个棋子在落子前，利益是相同的，这也就是说明了他不会像象棋一样有车马炮的大小之分。他是每一个棋子地位平等的，是不会因为一个棋子来去定胜负。任何一个地方都是可以的。所以这个呢是会更加的考验它的智能的能力，而人工智能目前来说是没有办法达到这一点的，所以说在围棋和人工智能方面，围棋还要略胜一筹。所以说我们不要小看围棋的力量，围棋如果能够玩好，这真的是十分考验人的智慧。虽然说人工智能他的目标是超越人的能力，但是在按照目前来说仍然是没有围棋的。只会更强大。
人工智能“阿尔法围棋”究竟什么样好多种但Google应该是最牛的Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google人工智能专家表示，这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李世乭。今天早上，《自然》杂志发表了一篇GoogleDeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩，研究员随后让系统进行自我博弈，计算出比基础棋谱更多新的打点。也就是说，战胜人类就要靠这些新的东西。“这其中最重要的是，AlphaGo不仅记录着大量的棋谱，还有一系列规则来指导思考，”DeepMindCEODemisHassabis说道，“事实上，该程序能够通过机器学习的方式掌握比赛技巧。”DeepMind的技术核心结合了“强化学习”及其他人工智能手段，这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说，要让机器人变得更“自然”。
人工智能对人类围棋发展的重要意义这是因为同现实世界相比，围棋有明确的规则，更能够“测试”人工智能的水平，AlphaGo也证明，面对人类难以实现的“以穷举法搜索”“由诸多变量共同作用决定结果的复杂系统”，人工智能同样能够达到超越人类最高水准的决策能力。包括金融、医疗、教育等等在内，上述两个条件也是现实世界难以决策的重要原因。AlphaGo开发团队表示，在围棋领域累积下来的高级通用算法，将被用于降低能源消耗、新材料发明和医疗。已经有数据显示，应用了AlphaGo的算法，互联网公司数据中心的能源消耗可减少40%。这也意味着，随着人工智能在硬件和基础算法上的优化，在未来将会对越来越多的产业带来积极影响。
不过，硬币总有另外一面。从“人机大战”中的配对赛进程来看，人类顶尖棋手和AlphaGo之间，由于思考和判断方式不同，人类对AlphaGo的“招数”并不能完全理解，配合也还远远谈不上默契。围棋毕竟有相对明确的得与失，一旦决策型的人工智能被用于更为模糊和复杂现实世界，人类是否能够理解它，两者之间如何真正形成合力，人类要如何建立对人工智能的信任感，仍将是未来很长时间阶段中必须要面对的问题。从目前来看，当务之急是人工智能科学家们依然要帮助人们了解人工智能学习的原理，以及建立更多人类与人工智能沟通和互动的方式。“阿老师”走下棋盘，人工智能来到人间。人机大战硝烟散去，但通往未来的路才刚刚现形。
围棋人工智能出来以后，对围棋职业选手，围棋从业者以及围棋爱好者分别有什么影响？人工智能AI出现利大于弊。
以前在判断棋局好坏的时候就算是职业高手也可能得出截然相反的两种意见，但是现在大家没有纠纷了，AI绝对正确。对于爱好者来讲获益更多，每次下完棋用AI盘点一下，看看本局错误出在哪里，看看正确的应手是什么，就行当一个顶尖职业高手随时陪着你复盘，简直是太幸福了。
当然AI出现的弊端就是下棋作弊的多了，线上，线下都有。
原文：人工智能围棋战胜李世石,人工智能围棋阿尔法狗–木剑广告