人工智能迎来了一个里程碑！

　　伦敦当地时间10月18日，谷歌人工智能团队DeepMind公布了最强版AlphaGo（阿法狗） ，代号AlphaGo Zero（阿法元）。

“阿法狗”曾横扫围棋高手，韩国李世石、中国的柯洁等，人类的顶尖高手都是其手下败将。但“阿法元”对阵“阿法狗”的比赛结果是：100 : 0，压倒性优势。

　　更重要的是，“阿法狗”学习下围棋是从被输入和解析人类棋谱开始的，花几个月的时间，学习三千万棋局，才打败人类；而“阿法元”从零基础起步，一开始就没有接触过人类棋谱。

　　研发团队只是让它自由随意地在棋盘上下棋，然后进行自我博弈。通过这种办法，只花了3天时间，自己左右互搏490万棋局，它就成为了顶尖高手！对此，少年天才柯洁甚至感叹，“人类太多余了”。

不再受人类知识限制，只用4个TPU

　　“阿法狗”依靠的是多台机器和48个TPU（谷歌专为加速深层神经网络运算能力而研发的芯片）。“阿法元”则非常“低碳”，只用到了一台机器和4个TPU，极大地节省了资源。

　　“阿法元”采用的是新强化学习技术，由于整个对弈过程没有采用人类的数据，因此它的棋路独特，不再拘泥于人类现有的围棋理论。

　　美国的两位棋手对阿法元的棋局做了点评：它的开局和收官和专业棋手的下法并无区别，显示人类几千年的智慧结晶，看起来还是有价值的，但是中盘看起来则非常诡异。

　　这也就是说，人类不会那么下围棋，但“阿法元”独立发现了游戏规则，并走出了新策略，为围棋这项古老游戏带来了新的见解。计算机走出了自己的路。

　　所以，采用人类经验的“阿法狗”，实际上可能被人类“误导”。而“阿法元”再次打破了人类经验的神秘感，让人脑中形成的经验也是可以被探测和学习的。并且它已经可以给人类当围棋老师，指导人类思考之前没见过的走法。

　　人工智能研究长期以来的目标是“创造出在没有人类输入的条件下，在最具挑战性的领域实现超越人类能力的算法。”AlphaGo Zero的成功让这个目标提前实现，标志着人类在人工智能的研究上迈出了一大步。

　　那么什么是强化学习技术呢？简单地说，强化学习就是让AI从中学习到能够获得最大回报的策略。AlphaGo Zero的强化学习主要包含两个部分，蒙特卡洛树搜索算法与神经网络算法。神经网络算法负责落子，蒙特卡洛树搜索算法负责优化，判断下一步怎样走胜算更好。所以，每走一步，AlphaGo Zero都在进步。

围棋只是开始，“阿法元”未来不可限量

　　“阿法元”给了我们信心：人工智能会成为人类智慧的增强器，帮助我们解决人类正在面临的一些严峻挑战 。尽管才刚刚发展起来，AlphaGo Zero已经走出了通向上述目标的关键一步。但对于希望利用人工智能推动人类社会进步为使命的DeepMind来说，围棋并不是AlphaGo的终极奥义，他们的目标始终是要利用AlphaGo打造通用的、探索宇宙的终极工具。

　　当然，通用型人工智能能做更多事情。由于“阿法元”能够从一无所知实现自学成才，其天赋可以在诸多现实问题上派上用场，DeepMind看到了利用人工智能技术改变人类命运的突破可能。

　　“阿法元”向人们展示了即使不用人类的数据，人工智能也能够取得进步。所以，大数据的重要性进一步被削弱。目前深度学习需要大量数据，而数据的获得成本高昂且难度十分大。

　　在很多领域，人类数据，尤其是专家数据都不是太贵就是根本无法获得，但有了“阿法元”这项技术后，数据问题的困扰将大大减轻，人类今后将有可能解决更大的挑战，给人类生活带来根本性的变化。

　　比如，将“阿法元”技术应用到治疗像老年痴呆症这样重大的健康问题上的话，那么在几周内，就能找到治愈人类需要花费几百年时间才能找到的疗法。

　　DeepMind首席执行官Demis Hassabis透露，已运用这个技术解决实际生活中的许多问题。比如预测蛋白质分子的形状，有望成为药物发明的一大突破；还可以设计新材料和进行气候建模。他们目前还正在积极与英国医疗机构和电力能源部门合作，提高看病效率和能源效率。

　　美国密歇根大学人工智能实验室主任Satinder Singh表示：“阿法元”并非任何结束的开始，因为人工智能和人甚至动物相比，所知所能依然极端有限。

　　同时，在未来发展中，我们究竟应该如何看待人类经验的作用；而机器经验与人类经验有很大差别，我们又该如何去选择和利用，这些都是需要考虑的问题。