2:0！这是AlphaGo在对阵李世石的比赛中交出的答卷，相当于输给了同行两倍。”李世石现在的心理阴影区我不想问，因为我同意谷歌董事长施密特赛前说的那句话，“输赢是人类的胜利！正是人类的辛勤努力，才成就了目前人工智能的突破。” 虽然2:0的结果会让很多人期待李世石的复出，但会让人难过，更有可能让“机器人威胁论”再次猖獗。但作为刚加入人机大战俱乐部的新成员，AlphaGo交出的答卷可以说是最好的了。 从“计算”到“学习”,人工智能的演进 1997年，IBM的“深蓝”打败了卡斯帕罗夫。在“深蓝”的设计者许凤雄看来，“深蓝”主要是靠强大的计算能力穷尽所有方法选择最佳策略：“深蓝”通过硬计算可以预测12步，卡斯帕罗夫可以预测10步。 2006年，超级计算机浪潮天梭与中国象棋大师徐银川的较量以平局告终。不过赛后徐银川表示：“整场比赛感觉非常艰难，因为computercancount16changesinastep,计算机一步可以数出16个变化。我只能用经验和理解来对抗它。和一个不真实的真人对战让我觉得很孤独，我想我还是习惯了和有表情的真人对战。” 随着后续变化的计算能力，人工智能在此前多次象棋式的人机大战中占据上风。但在围棋中，人工智能始终无法战胜人类高手。为什么？ 因此，要在围棋中击败最好的人类棋手，计算机必须首先学会像人一样思考。为此，谷歌为AlphaGo设计了两个神经网络：“策略网络”负责选择下一步棋，“价值网络”用于预测比赛的胜负。围棋走棋训练神经网络。与此同时，AlphaGo还自行研究新策略，在其神经网络之间运行了数千场围棋棋局，通过反复试验调整连接点，完成了大量的研究工作。 而这种超强的学习能力，正是AlphaGo在五个月后击败职业二段范辉后，能够挑战人类顶尖棋手并“获胜”的关键。 如果说20年前，超级计算机依靠蛮力等蛮力手段仍能战胜人类，那么今天AlphaGo在与职业棋手的两场对局中所展现的智慧和超强的学习能力，更令人惊叹。 深度学习，人工智能的未来 AlphaGo的连胜让人们更加坚信深度学习确实是最有希望实现人工智能的技术。深度学习的概念起源于人工神经网络的研究，其动机是建立和模拟人脑的神经网络进行分析和学习，使机器像人一样思考。 本质上，深度学习是一个“大数据工程”。需要建立有效的学习模型，使机器总结出特定事物的特征，从而实现自主学习。因此，机器要想像人一样思考，一个关键前提就是要有一个计算速度堪比人脑的高性能计算集群，以快速完成对海量数据的“学习”。据说，AlphaGo“单机版”的成绩至少是当年“深蓝”的1000倍。 与AlphaGo和李世石的最终胜利无关。这场人机大战的意义在于让更多的人愿意相信深度学习代表着人工智能的未来，而这也必然会让原本就“大红”的深度学习变成“大紫”。 浪潮，为深度学习赋能 深度学习是浪潮未来最重要的技术发展方向之一，2015年浪潮发布了首款高性能MPI集群版Caffe深度学习计算框架，可以提高8节点并行计算效率提升10.7倍，为深度学习用户提供更便捷高效的应用方式智能语音技术提供商，联合发布一套基于AlteraArria10FPGA平台的深度学习解决方案，成为集GPU、MIC、FPGA于一体的三级HPC解决方案。具有异构计算应用能力的主干厂商。 目前，浪潮的深度学习解决方案被腾讯、百度、阿里巴巴、奇虎、科大讯飞、京东等互联网运营商所采用。
