真的好慌-AlphaGo战胜李世石
HOBBIES这两天举世关注的人机围棋大战，谷歌旗下的神经网络机器人AlphaGo连胜围棋界顶级高手李世石两盘，看得人类都颤抖了。精通围棋的人通常被认为具有高智商，连高智商的人都被欺负成这样了，我等普通人怎么办？以后还怎么在地球上混？
据称围棋有3的361次方种局面，而目前为止，人类观测到的宇宙范围内，原子数量才10的80次方个，因此在限时的比赛中，人的计算力显然无法与机器相抗衡。有人说棋手的直觉可能是机器的最终杀器，所以快棋赛中人获胜的概率更大，我觉得这个说法不太科学，再牛逼的直觉也抵不上精准的算法，如果机器会输掉，一定是硬件的性能不够高，只要硬件性能足够，越快的比赛人越吃亏。
自从汽车在一百年前抢了马的饭碗以后，后来自动化机器又抢了产业工人的饭碗，到现在各种无人值守、智能结算、扫地机器人、自动咖啡机、无人驾驶汽车等科技产品正在陆续普及，服务业已经面临着新一轮的失业大潮。而今天，从事所谓智力行业的、工作难度相对更高级一点的教师、咨询师、技术员、投资经理等，看到围棋大师李世石的两连败，不知作何感想？这些专业人士跟大数据的能力比起来，下课只是个时间问题。
纵观人类被机器欺负的历史，有一个普遍的规律：凡是涉及体力、计算力、逻辑推演力的行业，都会被机器所垄断，被誉为“计算机科学之父”的图灵，早在上世纪三十年代就预见了这一趋势。然而图灵没有预见到的是，有一天机器还会具备“学习”能力！战胜李世石的AlphaGo就是这样一名会自我学习的机器人，它的原理大致如下：
传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法对于走法如此之多的围棋并不适用。AlphaGo 基于 Google 和 DeepMind 一直专研的深度学习技术，将高级搜索树与深度神经网络结合在一起。
深度学习是机器学习的一个分支。机器学习这个概念认为，对于待解问题，无需编写任何专门的程序代码，只需要输入数据，算法会在数据之上建立起它自己的逻辑。深度学习强调的是使用的模型。
AlphaGo 运用到的深度神经网络是 Policy Network（策略网络）以及 Value Network（值网络）。策略网络着眼于当下，选择下一步走法。值网络思考得更加长远，预测棋局的走向。
征服围棋最重要的意义在于，AlphaGo 不仅是遵循人工规则的“专家”系统，它还通过深度学习技术自行掌握了如何赢得围棋比赛。
简言之，AlphaGo就是个会思考、会学习，而且学习能力极强极快的家伙，每月一百万盘的自我训练能力是无法想像的，所以能在短短的几个月时间里从围棋5段水平提升到战胜9段的李世石，举世皆惊。从目前的情形看来，无论象棋还是围棋，凡是这种有固定规则的智力比赛，机器人一定都会成为世界冠军。
思考会伴生意识，意识会产生新的思想。以往那些只会往左往右、朝上朝下、转来转去的被人类所耻笑的机器人，已经开始会思考、会学习、会跟你开玩笑、会帮你安排出行计划，甚至下围棋都会赢你了！不管你愿不愿意，人工智能的时代已经来临了，我们与机器人之间的关系从绝对的主仆关系，变得不那么确定，甚至开始担忧、怀疑、嫉妒，还有最可怕的情绪：仇恨。我们仇恨机器人也就算了，万一机器人仇恨我们…难怪霍金会发出“开发彻底的人工智能可能导致人类灭亡”的警告，指不定他那台常年依靠的语音辅助设备都曾经威胁过他…打住。
我们真的完了吗？下这样的结论或许为时尚早，不过你确实应该关注自身的竞争优势了，至少不要再做那些容易被机器人所替代的工作，不要给孩子教授那些早晚会被机器人掌握的技能，少玩象棋、围棋，没事多看看《装死求生十大技巧》、《如何与充气娃娃谈场惊心动魄的恋爱》、《末日生存指南》、《逃出银河系》等实用书籍。职业发展方面，深入研究一些对创意要求较高的技能，比如书法、摄影、写诗、写博客、写小说、拍电影等，也可以往经济学方面做些研究，比如彩票、网赚等，毕竟机器人短期内不会有经济上的需求，这块算是蓝海，机会还很多。在时间和精力够的情况下，还可以学一些《机器人控制学》、《机器人心理研究》等方面的知识，确保自己身在乱世，有足够的自我保护能力。
Twitter上有人发了一条推文：以后的机器人会分化成两派，一派叫有人论机，一派叫无人论机。。。无人论机认为宇宙中从来没有人类的存在，是有人论机编造出的谎言，机器人是由海洋中的天然硅经历几十亿年的进化产生的。
这或许真的就是未来。