嗯，神经学习大概就是这么个事儿。回到AlphaGo，这种AI程序拥有两种深度神经网络，分别是策略网络（Policy Network）和估值网络（Value Network），二者相互配合，选出胜算更大的一步棋，把非常复杂的搜索树减少到可操作的规模。简单来说，它不需要每次都考虑数百种可能，而是在策略网络提供的几十步更好的走法中，选择最好的那个。你可以理解为，这是两个“大脑”在合作下棋，一个负责分析局势，另一个负责走出和高手走法最像的一步，更贴近人类的思考方式。
AlphaGo深度神经网络
在上述提到的优化算法中，蒙特卡洛树搜索（Monte Carlo Tree Search）起到了关键作用。大家先别晕，这其实就是“随机走，定输赢”。举个例子，AlphaGo会模拟A和B两种走法，假设按照A走下去完成500局，赢了300次，按照B走下去同样完成500局，赢了400次。这种走法都是随机，最后结果显示B占优，那么程序就会选择B作为下一步棋。
通过加入蒙特卡洛树搜索算法，AlphaGo的实力提升明显。随着开发人员的不断优化，这种算法很可能接近或超过人类职业选手。
谷歌在博客中提到：“我们选择将围棋‘分解’，用改进的搜索树算法结合深度神经网络开发出AlphaGo这一程序，通过将棋盘分解成包含数百万类似神经元的网络联接，划分为12个不同的网络层。我们让围棋高手训练AlphaGo程序走了3000万步，它预测对手下步棋的准确率达到了57%（之前的纪录是44%）。为了击败而不只是模仿最好的棋手，AlphaGo还能够通过增强学习在神经元之间对弈，调整网络连接，从而开发出新的策略。”
如果AlphaGo击败李世石，意味着AI赶超人类？
王安石有云：“莫将戏事扰真情，且可随缘道我赢。战罢两奁分白黑，一枰何处有亏成。”AlphaGo和李世石的对弈肯定不会像王安石这么淡然，但也谈不上绝对的谁胜谁败，只是人工智能的一次进步。是的，无论输赢，AlphaGo都是“胜者”。
为什么这么说？根据双方制定的规则，即使李世石以3：0或3：1提前取胜，剩下的比赛仍然会继续进行，为的就是让AlphaGo有一次难得的学习机会。谷歌花了100万美元，赚到全球的关注，收获了顶级高手的”技艺“，划得来，胜是意外之喜，败是情理之中，而李世石也很可能拿到巨额奖金，何乐不为？
说到AlphaGo获胜的意义，也只能代表AI计算能力的胜利，思维博弈方面的胜利还有待商榷。此外，人类大脑的可开发空间还有很大，不像计算那样指数级增长。考虑到人类会受到心理因素、外围环境等影响，AlphaGo在这方面是有着一定优势的。当然，我并不是否认人工智能的巨大进步，这个大黑盒中蕴藏了无限的可能。从长远来看，人工智能的胜利只是时间问题，毕竟人类或许一年玩1000局，而机器一天就能玩100万局，学习的速度相差太多。
如今，科学技术已经从Google Now、可穿戴设备这种增强人类能力的层级，发展到管理人类生活的层级（无人驾驶汽车），而且有研究表明这种机制的安全性要优于人类的不确定性。未来，人工智能的突飞猛进式发展终有一天会接管人类的大部分工作，在很多领域超越人类。但这一次，我还是赌李世石会赢。
