对于第一个疑惑，或许应该由AlphaGo背后的这支顶级人工智能开发团队DeepMind来解答。只是很可惜，他们并没有出席这场发布会（但你会在5月比赛现场看到他们）。

　　与一年前的解释大致相同，DeepMind团队通过录像告诉我们，新版AlphaGo的核心仍然是蒙特卡罗树搜索（MCTS）。

　　如果直接给你解释“蒙特卡罗树搜索就是根据某一个节点R去随机寻找另一个节点T”，这听起来会有点费力。其实早在去年，《人民日报》就给了这个看起来高大上的算法一个非常通俗易懂的解释：

　　“假如篮子里有1000个苹果，让你每次闭着眼睛找一个最大的，可以不限制挑选次数。于是你闭眼随机拿了一个，然后再随机拿了第二个与第一个比较，留下最大的；然后再随机拿一个，再比较留下最大的……这样循环往复，拿的次数最多，挑出的苹果可能性就越大。但是，除非你把这1000个苹果都挑一遍，否则无法100%肯定自己拿的是否是最大的那只。”

　　换句话说，这个算法就是由n多个随机结果去逼近所需要的精确结果。

　　接下来的东西就比较好理解了。

　　根据介绍，AlphaGo采用深度学习技术训练形成的两个网络之一——“策略网络”能够对所有落子位置进行概率分布，随后把生成的概率信息反馈到蒙特卡罗搜索树中，通过上面的“苹果比较过程”，逐渐生成一个最符合人类棋手思维的可行下法。

　　换言之，策略网络的功能是“想人类所想”。

　　而另一个“估值网络”，则负责估算胜率。然后再将这些估算出的信息投入到蒙特卡罗搜索中，继续通过“苹果比较过程”，推算出胜率最高的一些算法。

　　所以这个网络的功能是“寻找打赢人类的走法”。

　　想想看，面对一个既能抢先读懂你的棋路，又能根据你的棋路迅速生成一套更优对抗策略的对手，你的赢的概率会有多少？

　　但是我们刚才也说了，不到1000个苹果，你无法完全确认手里的苹果是否是最大的那个。也就是说，AlphaGo给出的只能是棋局更高的胜率，而没有100%的胜算。

　　这也就从某种程度上解释了，李世石为何能从AlphaGo那里扳回一局。

　　不过按照AlphaGo强大的算力与学习能力，一年后的回归，即便仍然在面对复杂棋局时会有“恍惚”的微小概率，其面对人类棋手也已经撒下了天网。

　　第二个问题：这个老掉牙的疑问请交给科幻小说家

　　早在一年前，大家还在问这样一个问题：在棋类竞技中，人们还有机会打败人工智能吗？然而如今，大多数人的疑问则变成了“人工智能何时会全面超越人类”。

　　这是对人类的威胁？恐惧？专家和一些媒体们请放心……这是年轻人们处于对“人工智能竟然可以碾压人类智商”的兴奋状态……

　　确切来讲，这是一个伪命题。

　　难道汽车不早就比人类跑得快了吗？同理还有电脑的运算与搜索能力。

　　但你指的是如果是所谓像电影《机械姬》与美剧《西部世界》中出现的“机器觉醒”与“自主意识”，那就有必要被提醒这样一个事实：

　　如今，算法尚且不能识别嘈杂环境中叠加在一起的自然语言（准确率很低），一个个所谓的语音助手、智能音箱，也总是会出现识别错误，并没有让人们感受到真正的智能化。因此，它们又怎样在一个个“交叉领域”完全复制人类的直觉与想象力？

　　我们明明还处于一个名副其实的弱人工智能时代。

　　所以，就像《三体》的作者刘慈欣老师所说的那样：什么“人工智能统治人类”或“天网觉醒”，只需要科幻作家考虑就行了。