超级机器人大战alpha，AlphaGo代表着目前人工智能的最高水平吗？
一、AlphaGo其实只是弱人工智能
AlphaGo的技术细节在今年《自然》杂志上详细公布过，我们细细研究一下，就会发现AlphaGo的原理其实非常简单。
AlphaGo利用深度学习学习人类棋谱，模拟人类来选择几个优势点，然后通过蒙特卡罗树搜索，穷举计算这几个点胜率，从中优选。本质上来说，它还是搜索求解，而且是在非常固定的规则与模式下进行。
它所用到的GPU通用计算，分布式计算，深度学习，神经网络，蒙特卡罗树搜索都不是新技术。只是把这些技术用到围棋上并投入大量资源是首次。
按照人工智能的分类，AlphaGo还属于弱人工智能Artificial Narrow Intelligence (ANI)。
弱人工智能是只能擅长于单个方面的人工智能，规则是封闭的。AlphaGo的判断可以用于围棋，达到很高的水平，它要下象棋也能达到很高的水平，但是就要从头再搞一套象棋的软硬件，它在围棋的深度学习无法通用于其他领域。
按照人工智能的分类，还有强人工智能Artificial General Intelligence (AGI)
强人工智能是指在各方面都能和人类比肩的人工智能，人类能做的脑力活动它都能做。它没有既定规则和领域，是开放式的。
我们现在看到的各种幻想其实是强人工智能超越人类的高级阶段，AlphaGo作为弱人工智能，层次还相去甚远。
二、强人工智能是什么样子?
AlphaGo在围棋很强大，但是围棋是一个固定规则，有明确输赢判断的游戏，围棋棋盘不会扔进一个象棋棋子。而强人工智能要面对的是真实的世界，它所面对的规则是开放式的。
我们看一下李彦宏演示百度强人工智能的例子。
在百度大会上，李彦宏展示了度秘的多轮对话的人工智能。李彦宏询问度秘度身份，问它来自哪，能做什么，最后还让度秘订了两杯咖啡。
在这一组多轮对话中，李彦宏的问话是随机的，可能说各种问题，没有既定的规则。而度秘的人工智能首先要采集李彦宏的语音，然后把李彦宏的语音拆分成词，识别词意，然后识别李彦宏的语意，通过人工智能作出回答，最后把回答组织成句子，用语音说出来。
李彦宏的话是开放式的，而且有前言后语，针对这种环境的就是强人工智能。看起来这组对话只是小朋友的智力水平，而实际难度远远高于AlphaGo结合深度学习与蒙特卡罗树搜索的弱人工智能。
百度很热衷于展示自己在强人工智能上的成绩，在2015年联想大会上，李彦宏还演示过一次识图对话。
李彦宏打开一张费德勒穿蓝色T恤打网球的图，问AI。
“他在做什么?”“他的衣服是什么颜色的?”“他手里拿着什么?”而AI像人类一样应答无误。
这组对话除了前面例子中开放语言的强人工智能，还有一组图片识别的强人工智能，强人工智能不知道自己看的是什么图片，但是它经过深度学习看过千亿张图片学习后，可以认出颜色，物体，动作。
这个看似小孩能完成的举动，难度也远超AlphaGo。图片没有既定规则，开放中学习寻找规律，远不是深度学习与树搜索能解决的问题。
其实，谷歌也在研发强人工智能，它和百度一样去参加国际评测FDDB与LFW(成绩还输给了百度)。谷歌知道AlphaGo看似酷炫，但是只是可以作作大广告，而人类真正的未在在强人工智能这个方向。
三、AlphaGo距离颠覆人类非常遥远
科学与常识往往是违背的，AlphaGo赢了围棋看似开启了新时代，但是其真实意义类更似于计算器赢了人类口算，是单一领域的智能超越人类。只是围棋的难度远高于象棋，从1997年的深蓝到2016年到AlphaGo，人类因为更大的棋盘等了接近20年。
而AlphaGo放到人工智能科学到角度看，只是计算能力很强的弱鸡，其高度远不如百度达到3、4岁小孩智力的强人工智能。
弱人工智能只能在一些领域帮助人类，而当强人工智能未来发展到成人水平，人类当所有劳动就有可能被完全替代。那个时候人类就可以享受而不用辛劳了。
而当强人工智能完全超过人类以后，人类才需要担心机器会不会背叛人类的问题，那还是非常非常遥远的事情。
所以，AlphaGo只是强大的弱鸡，我们无须过于担心。
以100比0完爆阿尔法狗？
去年它来了，也不知哪国何派，只知它天资聪颖，自称研习人世间古往今来几万个围棋棋谱，自我复盘左右互搏三千万盘棋局，前来中土正是要会一会这天下英雄，在世人的哂笑声中它4-1大败世界冠军李世石，之后又3:0完胜中国棋王柯洁，从此无敌于天下，声名远扬，原来它还有个动物名，叫阿法狗。
二胎放开了，今年阿法狗的弟弟降生，这娃刚生下来懵懵懂懂，一张白纸，大人为了逗它开心随手给了它一个棋盘黑白棋子以及一张规则说明书让它自娱自乐，不想它天纵奇才，无师自通，棋耕不辍，三天时间自我对弈490万局后便跑去找哥哥阿法狗挑战，众人皆笑其自不量力，结果却大跌眼镜，它100:0完胜老哥。
这就是北京时间10月19日1：00，谷歌旗下DeepMind团队在知名学术期刊《Nature》公布了进化后的最强版AlphaGo ，代号AlphaGo Zero。
为了之后表述方便，轩辕给大家简单的介绍一下AlphaGo家族这兄弟几人。
在于李世石对弈的同时，初始版本的AlphaGo进化出了AlphaGo lee（阿法李）4:1将李世石击败（被李世石击败的那一局晚上阿法李又自我对弈了100万盘，从此李世石再不是对手），40天后它进化出了AlphaGo MASTER（阿法马）3:0轻松击败了柯洁，至此AlphaGo金盆洗手，不屑与人类对弈，而是隐居苦修，自我超越，终于大彻大悟，进化出了目前的最强版本AlphaGo Zero（阿法零或者阿法元）。
之前阿法狗（AlphaGo Lee/Master）代表人工智能在围棋领域战胜了人类的世界冠军，但其棋艺的精进，是建立在计算机通过海量的历史棋谱学习大数据参悟人类棋艺的基础之上，进而自我训练，实现超越，说白了，等于是借助了人类的经验利用超级大的数据库和精妙的算法能力。
这也是包括李开复老师在内一批专家的意见，他们认为人工智能仅仅是人类的一种工具延伸，并不会提升到创造力的地步，所以即便是可以替代大部分的重复体力劳动者，但是那些创造领域的人是不需要担心什么的。
这个看法估计要变一下了。
阿法元这个小伙计的神奇之处就在于，它是在没有任何经验知识的前提下，仅仅依靠人类给定了一个规则，就像我们学象棋只知道象走田马走日就被关进了小黑屋子，完全从零开始，不需要任何历史棋谱的指引，更不需要参考人类任何的先验知识，完全靠自己一个人强化学习和参悟，就达到超人甚至是超越前辈人工智能的境地。
来看看这个恐怖的成绩吧，仅仅自我对弈3天后，它就以100:0碾压击败李世石那个版本的阿法李，自我对弈了40天后，以89:11战胜击败柯洁的阿法马。
难怪被阿法狗虐哭柯洁听说阿法元的事迹后有些自暴自弃的称：一个纯净、纯粹自我学习的alphago是最强的，对于alphago的自我进步来讲，人类太多余了。
围棋国手古力也慨叹道：“20年不抵3天，我们的伤感，人类的进步”。
这也许不仅仅是人类的进步，如果将人类看成是新的造物主的话，这应该也看作是人工智能划时代的突破。
数字更能说明问题，阿法李拥有48个TPU（谷歌神经网络训练专用芯片），在参考大量人类棋谱，并自我对弈约3000万盘、训练数月后才击败韩国九段棋手李世石；而阿法元仅拥有4个TPU，零人类经验，其自我训练的时间仅为3天，自我对弈的棋局数量为490万盘。但它以100:0的战绩击败哥哥阿法李。
你会和轩辕一样惊讶的发现，阿法元使用的计算能力更少了，为什么棋力反而更强？
难不成是独孤九剑，没有内力反而更牛逼？
简单来说，阿法元在数百万局自我对弈后，随着程序训练的进行，它独立发现了人类用几千年才总结出来的围棋规则，还建立了新的战略，为这个古老的游戏带来新见解。
这就是最讽刺的地方，阿法李可能并不是败在功能的硬件上，它恰恰是被人类的经验误导，学“坏”了。这再次证明了人类经验由于机能（大脑）、样本空间大小及演进模式的限制，往往只能达到局部最优而不自知，特别是在围棋这么复杂的变化中，人类很难完全进行全局预测，也就是所谓的大局观，而机器学习则完全没有这个障碍，可以轻松突破这个限制。
阿法元不再被人类认知所局限，而能够发现新知识，发展新策略，因此被人类经验主义所累的阿法李再也不是对手，就如同孙猴子怎么也跳不出如来佛这个人类经验的掌心，而阿法元早已经逃离升天并从更高纬度上帝视角来看待整个世界。
AlphaGo的首席研究员大卫·席尔瓦(David Silver)的原话是，“由于未引入人类棋手的数据，AlphaGo Zero远比过去的版本强大，我们去除了人类知识的限制，它能够自己创造知识。”
轩辕特别要着重拿出这句话中的一个词“创造”与各位共享那种激（kong）动（ju）。从无到有并且实用到天下无敌的策略，这还不是创造？
虽然各种学者专家们依然巴拉巴拉说道人工智能发展的不错，将成为人类的好助手，但是他们也承认，这一次有些出乎意料。
阿法元摆脱了人为的大数据，在人类给定的一个规则下能够自主发现新知识新规则，并依靠这些东西击败人或者传承人类经验人工智能代表（阿法李/马），纠正人类的错误知识，而且是以惊人的速度达到这一点。但有趣的是，它的算法、程序，如同一个黑箱，在一次又一次的自我训练后，有了很多优化。拷贝那一行行代码，就可以“继承”这个被优化过的算法。但算法中的详情，人们并不知晓，阿法元无法解释它是如何完成这一切的，或者换句话说，人类无法窥见阿法元是如何完成整个策略过程的，我们只能看到最初或者最终的Demo（样本）。
而最恐怖的是，如果将围棋棋盘上各种变化比作宇宙中的星辰（事实上我们的老祖宗也的确有此意），按照目前人类智力水平、直觉反应，我们可能已经触及了其中百万分之一的情形，阿法元则可能触及了其中其中百万分之五的情形，比人类多，但肯定没有穷尽。
但是根据人类大脑进化，认知水平和能力已经接近极限，但对于阿尔法元为代表的人工智能来说，这仅仅是个开始，就如同它的名字一样。
Zero（零/元），人工智能创造元年，从零开始！
超级机器人大战系列作品中有哪些对原作的有趣neta？
我来说一个：在机战α某关中，EVA量产机出现，击坠EVA贰号机，这时，我方龙虎王、魔神皇帝、真·盖塔出场。兜甲儿：“虽然不知道那些长的像大白兔的东西（指的就是量产机）是什么，不过大家加油干吧！”我方：“噢！”EVA量产机：“……”。
阿尔法狗战胜围棋界顶尖高手李世石？
人工智能的概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（Artificial Intelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CB Insights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
超级机器人大战阿尔法秘籍？
超级机器人大战阿尔法，需要通过击杀超能战士。灭霸以后才可以获得秘籍