2017年4月7日消息称，谷歌围棋软件“阿尔法狗”（AlphaGo）将于2017年5月23—27日挑战包括柯洁在内的中国顶尖棋手。这并非AlphaGo与人类棋手的首次对战，2016年3月9—15日，AlphaGo挑战韩国九段棋手李世乭，最终AlphaGo以4:1战胜李世乭。“闭关修炼”1年之后的AlphaGo在2017年5月即将“出关”再次挑战人类顶尖棋手，与2016年的人机对战不同的是，本次对战公众似乎都“投注”在AlphaGo身上，人类棋手并不被看好，究竟中国顶尖棋手能否逆转被动局面，完败AlphaGo，在比赛结束前，谁都无法论断，不过公众对于人工智能（AI）的热议却从未间断。

2016年3月的一战，让人类对AlphaGo刮目相看，这在某种程度上说明人工智能在围棋领域已经紧逼或者有可能超越人类。在经过1年多的调整后，Alpha Go与人类棋手即将迎来新一轮对战。此次的对战模式稍有调整，中国棋手柯洁与AlphaGo对战三番慢棋，且此次用时将比2016年长，在三番棋过后，中国和日本的2支棋手队伍分别挑战AlphaGo。目前中国组队已确定，日本方面是否接受要求还悬而未决。

不过在此之前，AlphaGo的升级版Master已经在网络上与多位顶级棋手进行了快棋对决，古力、柯洁、聂卫平等围棋高手均不敌Master。这也算是2017年5月的人机对战前的热身赛。而在与Master较量之后，柯洁也承认了AlphaGo在围棋领域的“造诣”，先前柯洁认为Al phaGo只是利用强大的计算能力来取胜，不过对弈之后，柯洁发现，AlphaGo拥有大局观和超强的计算能力，并且可以不断自我学习。AlphaGo的出现也“更新”了棋手的下期思路，让棋手们更慎重的选择每颗棋子的“落脚点”。

不仅如此，2017年1月，在美国宾夕法尼亚州匹兹堡的Rivers赌场，卡内基梅隆大学开发的Libratus人工智能系统战胜了美国国内顶尖的4位扑克选手，赢取了1776250美元的模拟赌金。德州扑克的套路与围棋不同：围棋是一种近乎“完美信息游戏”，对弈需要的所有棋子都黑白分明的摆在棋面上，双方的信息对等，这就有利于AlphaGo计算和预测人类棋手的下一步落棋点，但德州扑克看似简单，却也在对弈过程中隐藏了许多信息，双方都不能猜测到对方手里的牌，也无法计算出5张公共牌会开出怎样的结果，这是一种“非完美信息游戏”。虽然德州扑克“隐藏的如此之深”，但还是不敌Li bratus人工智能系统。

鉴于此前几轮人类与人工智能的较量，所以此次柯洁的应战，外界的观点出现了一边倒的情况。不过，柯洁的应战在某种意义上讲，已与2016年的李世乭有了些许不同，创新工场CEO 李开复在接受《新京报》采访时表示，柯洁与Alpha Go的较量已经不具科学意义，此次的人机对战，或许可以理解为是谷歌为其人工智能领域研究的造势。谷歌方面也表示，此役一致后，AlphaGo将会退出“棋坛”，将触角延伸到其他领域，如商业领域的人工智能。李开复认为，后续人工智能的发展在金融、教育、医疗方面的商业价值将逐渐显现出来。

目前，除了围棋，人工智能的应用已经触及到许多领域，例如谷歌旗下的DeepMind为了解决服务器集群的冷却管理问题，研发了用机器学习来管理数据中心。DeepMind将其训练的3个神经网络应用在某一个数据中心，这比人管理的时候节约近40%的电力。不仅如此，DeepMind认为其研发的神经网络还具有一定的通用性，不仅可用于数据中心，未来还可以扩大到半导体制造和发电厂等行业。

人工智能热一直在持续升温，人工智能的研究和应用也“渗透”到许多行业和领域，并初显成效，即便如此，专家也建议，应该更为客观的看待人工智能的发展，警惕“人工智能泡沫”的到来。

微软亚洲研究院常务副院长芮勇在接受《新京报》采访时表示，人类距离真正实现人工智能应用的道路还很遥远，目前所有人工智能的发展都是来自于人类过去大数据的积累，人工智能还无法在任何一个领域实现自我意识，无论是围棋还是象棋，人工智能虽然战胜了人类，但这也是在学习了人类的棋谱和万千棋手对弈情况后发生的。

美国认知科学家Gary Marcus在2017年召开的EmTech Digital数字峰会上也表示，识别并不等于理解。在他看来，目前人工智能的发展不是向前推进而是停滞不前。Marcus认为，1980— 2017年的30多年间，人工智能有了很大的发展，人工智能几乎在其涉及的每个领域都有进步和闪光点，尤其是在图像和语音识别方面。虽然人工智能“战功累累”，但目前人工智能在部分领域的发展已经停滞不前。Marcus解释称，人工智能目前还只能做到数据的输入、处理与输出，这与人类的进化还相去甚远，人类生来就拥有智慧，并且对时间、空间和物体都有强烈的概念和理解，人类在对物体进行分类的过程中，产生了规则和认知，这些都是人工智能所不具备的。同时Marcus认为导致这一停滞不前的主要原因就是人工智能对于数据的过分依赖，在他看来，研究人员若想在人工智能领域上更进一步，必须要突破对数据的依赖，通过人类的学习和概括过程来完善计算学习的系统设计和创新。

文/祝叶华