当然两个大脑能如此灵活配合，最重要的原因是，数据的累积，即不断的对战下棋，与高手对决、与“自己”下棋。Nature杂志曾经评价：“人类在下棋时有一个劣势，在长时间比赛后，他们会犯错，但机器不会。而且人类或许一年能玩1000局，但机器一天就能玩100万局。”也就是说，与人类棋手对决的AlphaGo是人类以往所有棋手“经验”的总和再加上机器与机器对决经验的总和。

　　但是，AlphaGo就不不会输吗？并不竟然，从原理上来说，在大数据时代，更加复杂且更加强大的深度学习模型能深刻揭示海量数据里所承载的复杂而丰富的信息，并对未来或未知事件做更精准的预测。但是，深度学习也有瓶颈——延迟反馈的问题。

　　所以AlphaGo下围棋也不是深度学习包下所有的，它还有强化学习的一部分，反馈是直到最后那一步才知道你的输赢。还有很多其他的学习任务都不一定是深度学习才能来完成的。

　　AlphaGo下围棋背后的DeepMind 方法其实就是深度学习和强化学习混合体，被称为“深度强化学习（deep reinforcement learning）”。简单来说，j2直播，在这之中，深度学习是主体，强化学习解决了延时反馈的问题。

　　那么此次，“百尺竿头更进一步”的AlphaGo2.0还会继续赢柯洁吗？似乎结果并不重要，而是……过程，比如究竟柯洁所代表的的人类顶级水平，在面对新版AlphaGo通过大量自我对弈棋局产生的经验时会怎样？柯洁的体会如何？有哪些精彩瞬间。

　　不过值得一提的是，这次AlphaGo来华比赛的趣味性更大，不仅有与柯洁的三番赛对弈，更有配对赛和团队赛，所谓配对赛就是两位棋手分别与AlphaGo组队，然后互搏；团队赛则是由五位中国顶尖棋手合作，组成“棋手大脑团”，共同对战AlphaGo。

　　下围棋就是AlphaGo的训练目的吗？

　　深度强化学习的应用其实很广，下棋是一个重要的场景，另外，在机器人的路径规划和任务完成上也应用了强化学习。除了这些之外，强化学习的应用面还有很多，可以用在很多反馈上，但这个反馈并不一定是马上可以得到的，比如医疗领域，对药品和医疗方案的反馈，就是一个很好的例子。这是目前工业界最流行的观点，也是此前“机器人圈”采访第四范式等公司时获得的信息。

　　其实，在发起了一系列与围棋世界大师的对决，收获了“史上最强机器人围棋选手”美誉的同时，DeepMind并没有闲着，直播，此前已经有消息说，目前DeepMind正在与英国NHS（国家医疗服务体系）进行合作，并已经成立了“DeepMind健康”项目，并希望通过技术手段，帮助有意向参与的医护人员提高服务质量。或许在围棋选手后，DeepMind的下一个创造就是“机器人医生”。从下棋到医疗，未来人工智能还将在教育、金融、安防等诸多领域产生商业价值。

　　英国著名诗人亚历山大?波普曾经写过一首赞美牛顿的诗：“自然和自然界的规律，隐藏在黑暗里。上帝说：让牛顿去吧！于是，一切成为光明。”

　　牛顿来了，利用模型归纳总结过去记录的现象，发展出了理论科学。

　　DeepMind出现了，随着数据量的高速增长，人工智能可以分析总结、自我学习，机器人与AI将改变一切。

　　对于AlphaGo2.0与柯洁一战，你有何观点，楼下这些队，你站哪里？

　　围观网友：

　　无所谓派~~

　　知乎ID司空摘星：作为当代顶尖的棋手，看到史上最强的围棋机器，想和它下几局棋不是很正常的一件事么？我觉得这和什么人类尊严关系不大，柯洁就是单纯地想要下棋而已，毕竟柯洁可能是最后一个和阿法狗下棋的人了，和这样的高手切磋的机会以后也不多了

　　广告狗派~~