谷歌人工智能AlphaGo與韓國棋手李世石的圍棋大戰引發廣泛關注，昨天第一場比賽結束，AlphaGo獲得首場勝利。雙方還將分別在3月10日(周四)、12日(周六)、13日(周日)、15日(周二)的北京時間中午12點進行剩余4場比賽。在人工智能追趕人腦智慧的征程上，深度學習技術再次成為焦點。

      李世石是李昌鎬之后，韓國最具代表性的棋手，他在2003年獲第16屆富士通杯冠軍后升為九段棋手。自2002年加冕富士通杯以來，十年時間里他共獲18個世界冠軍。李世石屬于典型的力戰型棋風，善于敏銳地抓住對手的弱處主動出擊，以強大的力量擊垮對手，他的攻擊可以用“穩，準，狠”來形容，經常能在劣勢下完成逆轉。

      人工智能的應用隨著芯片計算能力的增強以及先進算法的提出，正得到快速發展，越來越多的巨頭公司和創業公司也正積極進入這一領域。根據艾瑞市場咨詢關于人工智能的深度報告，隨著“深度學習”神經網絡算法在語音和圖像識別上取得成功，目前人工智能行業已迎來第三次高潮。當前我國在政策支持、人才和技術儲備以及資本產業發展動向上看已為國內人工智能的發展提供了良好的基礎條件，未來會有更多應用投向市場。

    人工智能已經分別在國際象棋、日本象棋中戰勝了人類。只有圍棋被認為暫時還無法戰勝人類，但后起之秀AlphaGo卻一下子打破了這一看法。

      成為關鍵的是AlphaGo采用了深度學習(Deep Learning)這一人工智能最新技術。可模仿人的大腦進行信息處理，憑借自身能力從龐大數據中找出模板。AlphaGo根據職業棋手的棋譜，學會了在怎樣的局面下應當把棋子下在哪里。

     深度學習是在2012年開始受到關注的。在美國舉行的圖像識別比賽中，加拿大多倫多大學的團隊通過采用這一技術的軟件，首次參賽就取得了壓倒性勝利。

     深度學習的概念源于人工神經網絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。

     深度學習的概念由Hinton等人于2006年提出�；�于深信度網(DBN)提出非監督貪心逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨后提出多層自動編碼器深層結構。此外Lecun等人提出的卷積神經網絡是第一個真正多層結構學習算法，它利用空間相對關系減少參數數目以提高訓練性能。

      深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。

      東京大學準教授松尾認為：“深度學習超越現有技術，精度得到跨越式提升。發生在圖像識別領域的故事又在圍棋領域發生了”，“在機器人等其他領域今后也可能發生同樣的情況”。

      AlphaGo的開發者杰米斯·哈薩比斯表示：“AlphaGo并非圍棋專用的系統。將在醫療和科研等各種各樣的領域進行擴張”。

      AlphaGo是一個能自我學習的深度學習，經過專家的調節，它能在任何在可以純憑邏輯分析推算的問題上，把人類遠遠低拋在后面。機器速度會越來越快，學習能力會越來越強，數據會越來越多。

     基于深度學習的人工智能將帶來什么改變呢？我們將看到無數的商機和產品，能夠解決問題、拯救生命、產生巨大的商業和用戶價值。

     未來，自動交易能得到更高的投資回報和風險比例，自動診斷+基因排序會達到個性化精準醫療，推薦引擎將能推薦你最可能會買的產品、想吃的菜，想認識的人。

     在擁有大數據+大計算+專家調節的領域，就不必再跟人類相比了，因為人類根本差的太遠了（就像沒有人能打敗搜索引擎一樣）。

      這些技術可能輔助專家，也可能取代專家。非專家的工作者很多將會面臨失業。未來十年，大部分今天的人類工作可被機器取代。機器將取代許多的護士、記者、會計、教師、股理財師。。。的工作。任何帶有“助理”、“代理”或“經紀”等字樣的職位都很可能被取代。

     這些機器不需要工資，只需要供電和網，就會一年365天，一天24小時“上班”。這些機器將幫助我們創造世界上的大部分財富。
 

     雖然這些機器確實很“聰明”，而且又高效、勤奮、低廉，但是他們并不“人性化”，只是冷冰冰的機器和工具。

     比如說，AlphaGo第一場就戰勝了李世石，但是它不會感覺高興，也不會理解我們對于它的討論。甚至，它說不上這局棋是怎么贏的。

      因為，它的思考雖然周密，但是它不懂“贏了有什么感受？”，也不懂“為什么圍棋好玩”，更不懂“人為什么要下棋？”，甚至連“你今天怎么贏的？”都說不上。今天的機器完全無法理解人的情感、喜怒哀樂、七情六欲、信任尊重、價值觀等方面 。

      對于人文藝術、美和愛、幽默感，機器更是絲毫不懂。有位AI研究員做了一套研究幽默感的系統，然后輸入了一篇文章，這個系統看了每句話，都說“哈哈”！今天的機器連個兩歲小孩都不如。對人工智能的研究者，這應該是一大未來的挑戰。

未來機器統治人類的預測還很遙遠

      所以，今天這些機器僅僅是我們的工具，會為創造價值。至少今天，我們不必擔心人工智奴役我們（不過要盯好擁有機器學習+大數據的公司，別來作惡傷害用戶）。

      那我們該擔心什么呢？這些強大的機器，將帶來人類能否度過有史以來最大的“下崗潮”。這次的“機器取代人類”將遠超過去的工業革命和信息革命。

      不過，“下崗”還不是最可怕的，因為這些機器會產生巨大的商業價值，養活著這些下崗者，進而養活著人類。

      人類最應該擔心的是：一旦當機器供養著人類，人類達到了馬斯洛需求的基本需求，人類真的還會有動力去追求更宏偉的目標，自我實現嗎？還是會醉生夢死、無所事事地或者？

李開復：人工智能對人類真正的威脅——未來機器養活無所事事的人

面對這個擔心，李開復建議：

①關注啟發式教育，用互動式教育啟發孩子對學習的興趣和效率。AlphaGo愿意跟人類學習，我們當然也要善用最善于分析，最博學的機器。善于學習，樂于學習的孩子，是不會醉生夢死的。

②正視發育右腦的學科領域，平衡文理。塞翁失馬，焉知非福？

機器超越人類的左腦（工程邏輯思維），也許就是要人類從過去幾十年重視理工，傾斜回來，花更多的精力在機器不擅長的右腦，例如：文學詩歌、藝術音樂、電影話劇、文創設計、工匠之美、宗教哲學、溝通情商。

這不是說就不要學理工了，而是說應該讓適合理工，愛好理工的人學理工，適合人文，愛好人文的人學人文。我們應該平等看待文理，并且鼓勵發展文理雙全的人才。

③鼓勵有上進心的年輕人挑戰自己， 孜孜以求，成為專才。不要把時間浪費在“安穩”但是重復性的工作上，而要以“成為某個特殊又有用領域的最頂尖人才”為目標，為己任。