从棋的内容上来说，去年的比赛机器确实比人类顶尖高手像李世石这样的人下得更好，但是好的依然非常有限。我们人类可能不太服气：“你虽然赢了我，我也没有觉得你有多厉害”。特别比赛刚开始的时候，人类一边倒的认为机器下棋下不过人类，包括我本人也误判了，但是事实上机器在上次的比赛中已经战胜了人类的代表李世石。

　　李世石荣获了人类的14个世界冠军，应该统治了人类棋手十年的历史，代表人类也是当之无愧的，但是客观来说他已经过了自己的巅峰期，不是最佳的竞技状态，所以不一定能够代表人类现在最高的围棋水平。而柯洁是现在的世界第一，所以安排现在人类的世界第一和AlphaGo再进行一次比赛，依然具有挑战的意义，只不过这次挑战看起来不像是机器挑战人类，更像是人类挑战机器。

　　除围棋领域，前不久也有“冷扑大师”和人类进行了德州扑克比赛，后来也战胜了人类。其实更早一些的时候，实际上IBM的深蓝战胜卡斯帕罗夫以后，没有继续在围棋上去研究，而是去参加了人类的一些知识竞赛的比赛，那个系统叫沃森，后来也战胜了人类知识问答的冠军，所以机器是在不同的场合，以不同的方式挑战人类的智慧。

　　AlphaGo是怎样与人类比赛的？

　　有很多人来问我AlphaGo到底是怎么下棋的。AlphaGo应用了哪些技术呢？

云计算

　　跟大家想的一样，它确实要锁定在计算，这次的AlphaGo我不知道情况是什么，但上一次跟李世石的比赛，AlphaGo动用了2000台的服务器，同时进行运算，应该说它使用的云计算技术，集中了相当一部分通过网络连接起来的计算资源。比较而言的话，如果只用一台服务器做运算需要一秒钟的话，2000台的话就可以大大降低它每次判断的时间，甚至使整个比赛得以进行，所以利用云计算谷歌应该可以动用大量的服务器，不光2000台，需要两万台的时候也可以，所以现在应该是用两千台服务器同时进行运算参与这样的顶级比赛。

大数据

　　应该说AlphaGo的上一个版本是1.0版本，它大量录入了人类顶尖棋手的围棋棋谱，可以说它继承和学习了人类围棋史上可以学习的围棋知识，然后通过深度学习的方式，变成它能够理解的知识，然后应用到它自己的实战当中，所以很显然这也是一个大数据的成果。

　　当然很多人可能不一定都会下围棋，很多人也不是都是懂得人工智能的。所以AlphaGo实际上是有一套非常好的人工智能技术来适应围棋的比赛，简单说有两个网络——一个是价值评判的网络，一个是搜索的网络，然后找到每次决策它认为最好的一个点，这个点是以胜利最高的点作为决策的依据。

　　我们可以这样简单理解AlphaGo怎么去跟人下棋的。当柯洁下了一步棋的时候，它会在所有可能的选点中作出一个基础的判断，判断哪些棋可能是应该思考的，但是什么样的棋应该思考的呢？它可能需要搜索的方法去验证，比如说，如果这个点是人类棋手经常使用的，或者是这次可能采用它自己学习系统来产生的一个重要的推荐点，根据这个推荐点会引发一系列的演变，而这些演变通过门特卡罗的搜索数不断的去验证，双方相当于是左右互博的方式，双方都按照对方最好的应对，去演变下面的一些变化。当这些变化演变到一定的步数之后，比如说20步、25步这样的步数的时候，它要对结果进行评判，然后把结果反馈。

　　据说AlphaGo1.0版本的时候，它的学习过程是把人类的大量棋谱作为主要的依据。就是人类在这样的情况下，选择什么样的点进行思考和判断，进行去搜索和推演。这次AlphaGo2.0它实际上不再使用人类已有的棋谱，而是通过两台AlphaGo互相博奕互相学习的方式来产生知识推荐点，我觉得这个过程是很容易理解的。因为早期AlphaGo完全不具有人类的知识，所以他需要大量的棋谱。那么等它经过1.0的比赛以后，它本身已经成为人类的顶尖高手了，所以两台AlphaGo自己的相互博奕就可以作为推荐的依据了，所以很可能这次采用的是它用自己方式来生产的围棋知识。

　　人工智能因何崛起？