3.AlphaGo依靠“深度学习”技术，展现计算未来

2016年3月5日，由谷歌公司开发出的超级人工智能系统AlphaGo与世界围棋界顶尖高手李世石在韩国首尔进行了首场人机对弈。结果AlphaGo取得全胜。3月15日，二者进行了最后一轮对弈。结果AlphaGo于收官阶段中盘战胜李世石，五轮下来，以总比分4:1的成绩宣告取得最终胜利。AlphaGo战胜世界围棋界顶尖高手李世石的结果一出来，立即在业界引起高度关注，甚至有人将其称为人工智能发展史上里程碑式的事件。

AlphaGo围棋的主要工作方法是“深度学习”。其13个完全连接的神经网络层被分为两个不同的“大脑”。在下棋训练过程中，它们从多层启发式二维过滤器开始，对围棋棋盘进行定位。过滤后，通过分类和逻辑推理来对棋盘局面进行判断。然后网络经过多次这样的训练来检查判断结果，同时校对调整参数，以便让下一次执行得更好。至于网络是如何进行这番运作的，人们一般很难精确地知道，只是知道每次训练过后，它都能进化得更好。这就是深度学习的训练过程。

至于两个不同的大脑，指的是落子选择器和棋局评估器。落子选择器被称为AlphaGo的第一个神经网络大脑，又被称为监督学习的策略网络。它的作用是观察棋盘的布局，对找到最佳下一步进行分析，并预测其最佳概率。AlphaGo棋局评估器不是去预测下一步的落子，而是预测每一个棋手赢棋的概率，通过整体局面判断来辅助落子选择器。它能提高机器阅读速度，对于它否定的棋盘线上的落子，机器会做出跳过这一条线上的任何落子的行为。

在战胜李世石之前，谷歌公司还安排AlphaGo与其他的围棋人工智能机器人一共进行了495局对弈，结果AlphaGo仅输了一局，胜率高达99.8%。谷歌公司还尝试了在让4子的情况下，让AlphaGo分别与CrazyStone、Zen和Pachi三个先进的人工智能机器人对弈。结果胜率分别为77%、86%和99%。

3月12日，英国《经济学人》杂志针对AlphaGo一周内连续两局战胜李世石的事实，并结合此前它所取得的成绩，在网络版上撰文指出，在人工智能领域，过去的摩尔定律正在逐步失效，硬件性能的改进速度变得不可预测。未来计算性能的提升，将会主要取决于软件、云计算和专用计算架构这三大领域。AlphaGo连胜李世石，集中体现了这一趋势。那为什么这么说呢？

该文首先分析了摩尔定律失效的原因。英特尔公司联合创始人戈登·摩尔（Gordon Moore）根据当时芯片的发展速度，提出了他的摩尔定律：“随着硅晶圆上的晶体管数量越来越多，处理器性能大约每两年提升一倍，从而改善性能、降低成本。”

1971年11月，英特尔公司推出第一款名为4004的商用微处理器芯片，里面包含了2300个微型晶体管。随后，芯片进步的速度都符合戈登·摩尔的预测——每两年提升一倍。发展到今天，以英特尔公司Skylake处理器为例，其中包含着17.5亿个晶体管。其体积仅是当初4004产品的五十万分之一。以现代人普遍使用的智能手机为例，得益于芯片性能的巨大提升，现代智能手机的整体性能，超过20世纪80年代那些体积占据整个房间的超级计算机。这些变化都可说是在验证“摩尔定律”的正确性。因而，人们无不把智能科技的进步寄希望于硬件性能的提升。

然而，经过50多年的发展，事实已经在不断表明，“摩尔定律”不再那么灵验，因为晶体管的体积再怎么缩小，都不能更大地降低制造成本和提升计算速度。据英特尔公司反映，到如今数据运算速度只能每两年半增加一倍。这也就意味着，从硬件上提升计算速度已经变得越来越慢，未来的计算进步程度将不再从硬件性能上进行评估，而是要从软件、云计算和专用计算架构这三大进步领域着手。

从软件领域来看，AlphaGo之所以能够战胜李世石，就在于它依靠深度学习技术，在一定程度上实现了模拟人脑的工作方式。在围棋对弈中，每一枚棋都可说构成了一个新的棋局，这些棋局出现的可能性是以天文数字来衡量的。因而，如果AlphaGo仅简单地依靠原始计算能力，根本无法得到其性能的巨大提升。正因为如此，在现实中，科学家开始将眼光从硬件中转移到软件上，开始开发更加聪明的软件。

所谓云计算，指的是利用数据中心组成网络，再通过互联网访问，包括网络、服务器、存储、应用软件和服务在内的各种共享资源，来提供服务。通常来说，作为独立设备的电脑，如大型机或台式PC机，其性能完全取决于自身的处理器芯片。这就表明其性能是有限的。其要想提升性能，只有通过提升硬件性能才能实现。但是，在云计算模式下，任何一台电脑都可以在不改变硬件的情况下提升计算能力。用户通过电脑、手机等设备连接互联网，进入数据中心，就能调用云端的庞大计算资源。云计算可以提供每秒10万亿次的运算能力，这种强大的计算能力可以用来模拟核爆炸、预测气候变化等。

新的计算架构，比如说云计算架构就是在云计算还不能支持复杂的企业环境下出现的。对于一些特定的任务，通常会在制作上对芯片进行专门优化，或利用量子力学来同时计算多组数据。在微处理器的速度快速增长时，在硬件上就能做到这一点，也就没必要采取这种方法。随着芯片性能提升速度放缓，就出现了专门针对云计算、神经网络等任务进行设计的芯片。只要将这类硬件嵌入云端，就可以让用户随时进行调用。这也就表明，终端用户设备的硬件性能在不用提升的情况下，同样可以让大量的计算工作在云端完成。

硬件性能提升的放缓，让“摩尔定律”逐步失效，让技术进步变得不可预测起来。既可能会出现大幅度提升性能的新技术，也可能会出现断断续续的情况。但对科技行业自身来说，这种变化将会强化云计算的发展逻辑。目前，这一行业已经被亚马逊、谷歌和微软这样的几家大公司所主导。他们努力改善云基础架构性能，必将引领和推动人工智能向更深层次发展。而AlphaGo战胜李世石，就是这一进程中所取得的阶段性成果。