2016年3月，AlphaGo以4：1戰勝了職業9段選手李世石；然後又在2016年末2017年初，在中國棋類網站上以“大師”（Master）為註冊帳號與中日韓數十位圍棋高手進行快棋對決，連續60局無一敗績；最近，5月27日上午10點30分，柯潔和AlpphaGo的三番棋較量。
一切在意料之外，又在意料之中，意料之外應該在第一場，剛剛才戰勝職業二段選手才2個月的AlphaGo，進步居然如此之快。之後的戰鬥其實就是毫無懸念的戰鬥了，因為人的進步速度，肯定遠遠比不上機器的進步速度。如果說圍棋還是資訊對稱性的遊戲，在資訊非對稱的領域，如德州撲克上，也失守了，就在今年1月，在賓夕法尼亞州匹茲堡的Rivers賭場，卡耐基梅隆大學（CMU）開發的人工智慧系統Libratus戰勝四位德州撲克頂級選手，獲得最終勝利。這是否表明，機器也學會了撒謊與欺騙呢？
說到AlphaGo，就會提起人工智慧與機器學習，人工智慧並不是一個新名詞，自從第一臺計算機被髮明出來之後，人類就一直幻想著具備高度人工智慧化的機器人，阿西莫夫在《銀河帝國》中的機器人系列中，還定義了耳熟能詳的“機器人三大定律”。在《星球大戰》，《終結者》，《駭客帝國》等電影中，我們也能看到各種各樣智慧的機器人，甚至是機器的反叛與覺醒。而實際的人工智慧，發展的卻並不如科幻這般迅速，不過，隨雲端計算解放了計算能力，網際網路連線了所有資料，隨著資料量的暴增與連線，最近的人工智慧發展頗為迅速，這也是導致了最近兩年人工智慧如此之火的根本原因。
那到底什麼是人工智慧？百度百科上有一句話：
人工智慧可以分為強人工智慧和弱人工智慧：強人工智是有推理和解決問題的智慧機器，並且，這樣的機器能將被認為是有知覺的，有自我意識的，這也就是我們在科幻電影上看到的機器人，他們可能有類人的思考，也可能有非類人的思考能力，也可能有超越，甚至遠遠超越人的智慧；弱人工智慧的這些機器，或者是智慧工具，只不過看起來像是智慧的，但是並不真正擁有智慧，也不會有自主意識。
1、汽車上有很多的弱人工智慧系統，從控制防抱死系統的電腦，到控制汽油注入引數的電腦。谷歌正在測試的無人駕駛車，就包括了很多弱人工智慧，這些弱人工智慧能夠感知周圍環境並作出反應。未來幾年時間，自動駕駛將會快速的發展，甚至超越我們的預期。
2、自然語言處理方面越來越智慧化，比如我們熟悉的蘋果手機中的Siri，我們可以跟她聊天，甚至她還能給我們解決一些實際問題。還有，比如亞馬遜的Echo；我們朋友團隊的Rokid等等，已經不僅僅是智慧語音的處理，以及僅僅是一個會說話的音箱，他們隨時在學習與進化，背後是強大的機器學習軟體與大量的資料的訓練，他們會越來越聰明，能做的事情也會越來越多。
3、圖片處理也越來越智慧化，我登入我的電腦是靠刷臉（indos10中自帶的刷臉功能）；杭州目前的停車場基本上都不用取卡了，全部靠自動識別車牌；以及之前廣泛宣傳的杭州智慧城市，能靠攝像頭的資料分析，自動調控紅綠燈的時間，加速城市道路的通行效率。
4、谷歌翻譯也是一種經典的人工智慧。未來如果跟自然語言處理與圖片處理相結合，你會發現，只要你對著手機說中文，手機直接給你翻譯成英文；或者你用手機攝像頭對著一串英文（或者其他國家文字），手機裡面就自動顯示中文。
還有很多類似此類的弱人工智慧，圍繞在我們的身邊，他們從最早的自動化程式開始，進化到目前的基於雲端計算+大資料的機器深度學習的弱人工智慧，這裡是一個非常大的改變，這也是這兩年人工智慧為什麼這麼火的原因，因為雲端計算解放了計算能力，連線了所有的可能的資料，使得資料量暴增。
目前的人工智慧 = 雲端計算+大資料+機器學習！
我們正在從雲端計算時代，走向大資料時代，然後會步入到人工智慧時代！
雲端計算的出現，解放了計算資源，讓大規模的機器學習變得非常容易；網際網路、雲端計算連線一切，使得資料的獲取也變得更容易，加上資料量本身在雲端計算時代的暴增，使得機器深度學習變得更加可能。反而人工神經網路這項技術的出現已經有40多年了，而且核心技術沒有得到本質性的革新。
人工智慧的興起也再次導致硬體的變化，如從CPU到GPU再到TPU，這兩年在新的演算法上，也出現了一些突破，可以說，人工智慧馬上進入到一個新的爆發時期。
未來50年裡，人工智慧“絕對”或者“很可能”會取代大部分人類工作。普華永道的調查也顯示，未來15年美國38%的工作處在“高危”區域，極有可能被人工智慧取代。
扎克伯格在哈佛的演講中說到：“我們這一代人是非常艱難的，未來將會有數以百萬計的工作被人工智慧取代，比如無人駕駛汽車、卡車等等。我們父母畢業時，他們的目標是找到工作，但是今天，人工智慧導致許多工作消失，社群成員之間的關係也漸漸變淡，許多年輕人感到沮喪。”
今天又看到一篇刷屏的訊息：最近亞馬遜和卡內基梅隆大學一起開發了一套名叫“OtterTune”的機器學習自動化調整DBMS的系統，並公佈起設計論文和開源專案，重點解決DBMS長期存在的一些問題：
1.對管理人員專業性要求高；
2.管理成本高；
3.無法實現配置資源最最佳化等一系列問題。
這是連DBA的飯碗也要搶了。
其實，也沒啥好擔心的，工業革命的時候，我們擔心農民與個人紡織工的失業，汽車出現的時候，我們擔心馬車伕的失業，電子商務時代，我們擔心實體店的失業。其實，在社會的進步中，我們總會有更多的機會出現，比如汽車反而造就了更多的就業崗位。
工作崗位的確不是最用擔心的，大不了人工智慧來養活我們。我們需要擔心的是另外一件事情，強人工智慧會不會出現，怎麼出現，以及出現之後是什麼？
要了解強人工智慧，我們先看一下什麼是深度學習！
人工智慧的本質是來自對大腦的研究，深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。
如果我們機器學習當做黑盒，不用瞭解這裡面的技術是怎麼實現的，最關鍵你要知道它有兩個狀態，第一個狀態是學習狀態，第二個狀態是執行狀態。就像對一個孩子，當你希望他掌握一個技能的時候，一定要給他足夠的訓練，在中式教育中就是題海戰術。所以任何機器學習都需要有很多資料，這些資料當中往往包含問題和答案，不同的機器學習需要的資料量不一樣。學習完之後，這個小孩就畢業了，以後他在執行相同任務的時候，自然而然就會給出分析結果。
具備自我學習能力，才是人工智慧從弱人工智慧走向強人工智慧的關鍵，如果想要程式編一個強人工智慧出來，那是不可能的事情。
在科幻鉅著《海伯利安》中，描述了強人工智慧”核心“的起源：
我們再看另外一個更現代感有趣小故事：
人工智慧，不再是科幻，不再是閱讀理解，不再是新聞標題，不再是乙太網中躍動的位元組和CPU中孱弱的靈魂，而是實實在在的宿命。
所以，所有真正可怕的，不在於目前的弱人工智慧，弱人工智慧一定是對我們有利的，只是解放了我們的勞動力，以及把我們從重複性的勞動中解放出來，可以做更有意義的事情。
而靠弱人工智慧進化出來的強人工智慧（不一定是機器人），他們到底是什麼，他們會做什麼，這個是我們不能肯定的。我敢肯定的是，不存在這麼一個 “機器人三大定律” 的東西能約束他們，他們就是另外一種智慧，正如 “矽基生命” 。
駭客帝國中的機器，靠人類的模擬世界，最終進化出了自己的創新能力，人類再無可用（當然，無可用不表示要消滅，就好象你不會去消滅螞蟻一樣）。
在《海伯利安》的故事中，場景更為宏大，有人工智慧進化出來的“核心”，有走到哪裡都要保留現狀的“現有人類”，也有隨意進化的“驅逐者”人類，比如進化出翅膀，進化成能在太空中生活的人類。但是，那對“現有人類”來說，“核心”不算人類，“驅逐者”就是人類嗎？
最後，不要認為什麼創新能力，移情能力是機器沒有的，人類也不是誕生第一天就具備這些能力的，只要能進化，就能學會思考，然後一切皆有可能。
或許，奇點就在我們未來的不遠處！