依据个人的理解，我曾将围棋的思维过程分解为四步的演进：常识→棋感→计算→判断。
大约一年前，我曾和李喆七段就此问题进行过简单讨论，当时我认为蒙特卡洛算法的成功主要在于为人工智能建立了“棋感”，而以往的人工智能只能在“常识”和“计算”具有天然优势。
在蒙特卡洛算法之前，虽然计算机凭借强大的计算力可以积累大量“常识”，但由于“棋感”的缺失，人工智能无法对计算方向进行有效的筛选，最终就不免沦于蛮力搜索。
而蛮力搜索虽然可以在一定程度上实现高水平的“计算”，甚至很多其他棋类都在这一环节上被人工智能打败，而由于围棋的过度复杂和摩尔定律结束对计算机发展前景的限制，走到这一步仍然无法让人工智能战胜人类。
（注：上图为计算机眼中的国际象棋落子思路，而下图为计算机眼中的围棋落子思路，来自谷歌deepmind官网AlphaGo | Google DeepMind）
而蒙特卡洛算法出现后，凭借大量储备的棋局，通过胜负概率来判断下一步着点以作为计算方向，极大的提高的计算的效率，所以AI的水平才实现了革命性的进步。
而这次的AlphaGo，使用了深度神经网络与蒙特卡洛树状搜索相结合的方法。
依据已经能看到的Nature上的论文（可见雷锋网文章：《Google人工智能击败欧洲围棋冠军， AlphaGo 究竟是怎么做到的？》），研究者们在AlphaGo中加入了两个深度神经网络，以value networks来评估大量的选点，而以policy networks来选择落子，并且开发了一种新式算法来结合蒙特卡洛算法和以上两个神经网络。
（注：上图为AlphaGo使用的神经网络结构示意图，来自原论文）
在这种结合下，研究者们结合参考人类职业对局的监督式学习，和AI大量积累自对弈实现的深度学习，来训练和提高AI的围棋实力。
在蒙特卡洛算法之后，我看到了新的天地。这种结合以及新式的思路，让人感到前景无限。
最后谈一谈，我认为我们应该保有的态度。
如何面对人工智能？
这里，我首先想引用李喆七段在今天早上说的话：
“我们已来到两个时代的连接处，无论你是否愿意，这都是一个需要接受的事实。工具无善恶，善恶在人心。未来的路通往何方，将由我们自己决定。”
从凌晨到早上，朋友圈里的评论区一直争论不休，甚至某世界冠军一直在说“不信”，毕竟大家在没有看到板上的钉子之前，从情感上都是不愿意相信的。直到另外两位一线棋手告诉他，已经可以看到棋谱了......
面对这个事件，接下来将会有很多的爆炸性新闻报道，以及各种各样姿势的讨论。
我们要知道：
一．人工智能的确实现了很大的进步。
这次的进步可能是革命性的，这次新闻宣称的AI取得的成绩并不是“标题党”。
二．人工智能还没有战胜人类（什么所谓“人类最后的骄傲陷落”都属于“标题党”）。
但朝着这个方向迈出了一大步，而且是在很多人在蒙特卡洛之后不看好AI下一步发展的情况下，来了一个突然袭击（谷歌从开始研究到出成果再到发布，一直憋一个大新闻憋这么久也真是能忍）。
三．人工智能战胜人类的时点，可能比很多人想象的要来得更早了。
不是之前设想的生物计算机或者量子计算机出现后，甚至都不是新材料取代硅晶片之后，在这个时代就有可能出现了。也许是五十年后，也许是二十年后，甚至可能是十年后。