导读 : 这从来不是一个生存的问题，而是生活哲理。
设下这一场举世瞩目棋局的AlphaGo的科学家们未曾料到，段子手们的想象力，令“人工智能”在中国民间引起的最大热议，竟是它是否会消灭文明、统治人类。
科幻文学和好莱坞电影强大的洗脑能力，已经在民众脑中刻下深深的烙印——“人工智能就是那种上天入地无所不能的机器人”。通常人们会觉得它离现实较远，然而一个虚幻的大脑突然出现，在一场智力竞争中横扫了几乎代表人类最高水平的选手，并且是在世界公认的“人类智慧最后高地”的围棋项目上。人类的自尊心很难接受，而人类的统治和防御本能更受到挑战，于是就“细思极恐”了。
事实上恐慌大可不必，人工智能早已渗透社会，就在人们未曾在意的点滴之上。比如汽车防抱死系统、油路管理系统，可实时语音翻译不同语言的Google翻译软件，垃圾邮件过滤系统，电商网站根据用户喜好和浏览记录推荐商品的引擎，医院里协助医生诊断的医疗系统，等等。
这些都是人工智能的实际应用，并且随着技术的发展，人工智能的应用正在变得越来越高阶，比如苹果手机里的Siri，民用的智能无人机，又比如无人驾驶汽车。
AlphaGo背后的黑科技
AlphaGo与李世石的这一次世纪之战之所以如此受到瞩目，就因为在基础原理不变的情况下，发展出了新的训练和处理模式，使人工智能更进一步。
AlphaGo采用了深度卷积神经网络（DCNN）的技术，DCNN的核心是卷积核，卷积核相当于一个过滤网。而DCNN在图像识别和语音识别中是非常有用的，AI能通过它对棋局做优劣评估。
让我们实验一下：我们准备一万张狗的照片，各种表情、各种部位的写真，让机器学习。
这个过程如下：
1.首先，将各种过滤网呈上来，比如能将图像黑白化、平滑、去噪的等等等等。爱美的各位肯定用过美图秀秀，但我们跟美图秀秀对着干，我们不是为了美化，而是为了模糊。这样可以突出照片中最有特点的部分。
2.为降低运算量，把图片统统切成小块，比如一张图片切成10*10的小块，并准备好所谓权值共享等方法，再加上硬件设备，就可以开始算了。
3.算什么呢？算这一万张狗照片的各种特征值，通过分类器，形成最优的分类模型。实际上，多层堆叠后产生的分类模型根本就没了狗狗的真实模样，机器不会管狗长什么样。
训练结束，模型产生，如下图，算法看见了什么——它看到的就是红黄蓝的色斑图，蓝色区域就是小狗的头部。
让我们回到AlphaGo的问题上。通过Google的论文，我们知道它是将19*19的棋盘看作一张图，黑子和白子当作像素，每落一子就相当于加了一层过滤网（当然特征算法和照片识别还是不一样的），如此对棋局做出胜率评估，其实这就是Policy Network的基矗所以，下棋的时候大家感觉AlphaGo很有大局观，还会落下迷惑诡异的子，其实它只是根据图形判断了一下胜率做出的判断。
过去的人工智能是基于人工指定的规则进行推导从而给出专业方案，如今的人工智能更多的是利用神经网络算法对文本、图像、声音进行海量计算，从而自主地找出其中的规律，甚至可能挖掘出人类忽视的规律，正如AlphaGo在围棋中落下的神之一子，利用“人脑”思维的棋手们还无法理解其中的深意。
DCNN这样的技术当然不只是成为围棋领域人工智能的制胜法宝，让我们欣赏下它在视觉上取得的成就。
这是一张从窗口拍摄的照片：