李世石大战Alpha Go
2016年3月15日，"李世石-谷歌Alpha Go"人机大战第五局比赛在首尔光化门四季酒店结束，李世石未能再扳1分，这场举世瞩目的人机大战最终以1胜4负的比分落幕。
世纪大战结束后的事件里几乎所有的科技新闻都在讨论人工智能，从各个媒体、论坛、社区、微信公众号、专栏等等渠道发布出来的人工智能文章数不胜数，我们一遍遍地从各色文章里读到AlphaGo独特的'价值网络'、'决策网络'如何'碾压'人类的决策机制，或者从包括Facebook人工智能实验室负责人Yann Le Cun以及微软研究院机器学习专家John Langford等非谷歌人工智能专家的'警告'：事实上，Alpha Go（离实现真正的人工智能）还差的十万八千里。
李世石拒绝承认人类统治围棋的时代已经终结。"我并不完全认为AlphaGo比我高明--人类在对抗人工智能方面还能做得更多。"他说，"我不认为这是人类的失败。它暴露出了我个人的弱点，而非人类的弱点。"
能够在游戏中击败人类高手的计算机程序有着悠久的发展历史--从上世纪50年代掌握"井字棋"制胜之道，到1997年"深蓝"(Deep Blue；IBM研发的计算机）击败国际象棋世界冠军加里·卡斯帕罗夫(Garry Kasparov)。
然而，近年来进步速度加快了。能够运算海量数据的设备经常取得以往不可想象的胜利。计算机能够在智力竞赛中取胜，IBM的"沃森"(Watson)在2011年赢得电视节目《危险边缘》(Jeopardy)就是例证。它们还能以越来越强大的"悟性"模仿人的天赋。例如，机器通过观察屏幕上物体的运动，就能学会玩街机游戏。
即便如此，Alpha Go电脑在古老的中国棋盘游戏--围棋的对垒中击败韩国九段棋手李世石(Lee Sedol)，在五局"人机对战"中首战告捷，不仅标志着电脑荣誉板上的一个新档次。赛前对胜利信心满满的李世石，在落败后坦承"震惊"。
围棋有点像国际象棋的变体，只是复杂程度高得多。的确，其棋局的变数比宇宙中的原子数量还要多。这个挑战会挫败传统的程序。事实上，只有多台计算机组成神经网络，通过观察和实践来"自学"（这些能力仍处于计算机科学的前沿），才能驾驭这种高难度挑战。
杰米斯·哈萨比斯(Demis Hassabis)以及他在Deep Mind（Alpha bet旗下英国人工智能部门）的团队以如此快的速度掌握围棋制胜之道，这一点值得赞赏。没错，作为一件具有强大能力的信息技术设备，Alpha Go可以被形容为一把计算机化的大锤，其用途是敲开一个消遣的坚果。然而，它的胜利提醒世人，世界正在快速攻克人工智能及其实际部署所面临的障碍。