01
　　深蓝战胜卡斯帕罗夫
　　1997 年，美国 IBM 公司的 “ 深蓝 ” 超级计算机深蓝以二胜一负三平的战绩战胜了当时世界排名第一的国际象棋大师卡斯帕罗夫，成为赢家。
　　“深蓝”是一台超级计算机，虽然跟人工智能程序 Alpha Go 好像不是同一回事，但是其实人工智能程序也需要以计算机作为载体才能工作，就像大脑也需要有身体才行。因此，把它们放在一起比较并不奇怪。而随着超级计算机技术的不断发展，即使是今天最普通的集成显卡的性能也超过了 700GFLOPS 。“深蓝”已经从逐渐跟不上脚步到被甩开了一大截。值得一提的是，世界上最快的超级计算机是我们国家的天河 2 号，其性能达到了 33.86PFLOPS ，是“深蓝”计算机的 30 万倍。
　　
　　02
　　浪潮天梭挑战人类象棋大师
　　2006 年的浪潮天梭超级计算机，挑战人类象棋大师一役，在最终的巅峰对决中，许银川与浪潮天梭两战皆和。浪潮天梭向世人证明了自己超强的运算能力。
　　03
　　全才学霸沃森挑战人类
　　2011 年， “ 深蓝 ” 的同门师弟 “watson” （沃森）在美国老牌智力问答节目《危险边缘》中挑战两位人类冠军，并获得成功。
　　04
　　Alpha Go 以 5:0 完胜欧洲冠军樊麾
　　2016 年 1 月，美国谷歌公司旗下的人工智能 (AI) 开发商 “DeepMind”( 位于英国 ) 研发的围棋电脑软件 “AlphaGo”( 阿尔法围棋 ) 打败了职业棋手樊麾，开创全球先河。
　　那么，跟“深蓝”计算机相比，谷歌 Alpha Go 的性能又怎么样呢？此前谷歌曾经在《自然》杂志上发表过关于这个人工智能系统的文章，其中称， Alpha Go 人工智能的计算机装有 48 个 CPU 和 8 个 GPU 。我们似乎无法将两者放在一起直接比较，因为 Alpha Go 是在云计算平台上运行的，我们可以通过竞争对手的计算机数据来进行大概的比较，比如阿里云。
　　
　　2015 年 12 月，阿里云对外开放高性能计算服务。这些计算机的单机浮点运算能力是 11TFLOPS 。如果谷歌的计算机性能与阿里云接近的话，那么 Alpha Go 所驱动的硬件的性能至少是深蓝的 1000 倍。
　　2 人机大战，这次为何选中围棋？
　　说起围棋和人工智能，我们可能多少都了解一些，不过二者是怎么联系到一块的呢？
　　那是因为机器战胜人类，一个关键就是围棋。拥有悠久历史的围棋高度反映了人类的智慧，围棋棋盘纵横 19 道， 361 个交叉点，涉及到的可能出现的局面数量最大可达 3^361 ，大致的体量是 10^170 ，而已经观测到的宇宙中，原子的数量才 10^80 ，国际象棋最大只有 2^155 种局面，这是什么概念？看似简单的纵横 19 道， 361 个交叉点，形成了浩瀚的宇宙。所以有人说，围棋是体现人类智慧的最好游戏，之前还有人预测，人工智能（ AI ）需要再花十几年才能战胜人类，所以若抛去商业元素，这场比赛的意义可能在于见证历史，足以说明当前人工智能的技术研究已经达到新高度。
　　
　　3 AI 下围棋，究竟有多难？
　　难点 1 ： 围棋对弈的基础是死活的确认，确定棋盘上一块棋的死活是最基本的，但要搞清楚一块棋是死是活是非常困难的，而且，这种似死似活的状态又是在不断变化的。研究局部死活搜索是 AI 围棋发展的一个难点。
　　
　　难点 2 ： 棋形体现着人类形象思维独有的特性，棋手对棋形的感觉完全依赖于自身的经验，而这种感觉恰恰是胜负的关键，也是棋手水平高低的标志。人类棋手不愿意浪费自己的棋子去无谓地攻击对方活的棋形或无谓地试图挽救自己死的棋形，要赋 AI 这种对棋形的感觉，则是人工智能面临的重要课题。
　　
　　难点 3 ： 此外，还需要研究特殊的算法来解决快速识别问题，著名的电脑围棋程序设计者布恩说过 : “有了快速的模式识别方法，就不难教程序利用手筋来吃棋。”所以说，模式识别算法是围棋博弈程序的重要组成部分，高效的模式识别算法反映着博弈程序的水平，当电脑的模式识别技术发展到能与人脑匹敌时，电脑围棋的棋力离专业九段就不远了。
　　
　　简单来说，一方面，围棋规则非常复杂，每一步的调整，都会产生更多的可能，这对机器的计算能力要求很高。另一方面，即使机器中存储了足够多的已有围棋大战数据，由于围棋规则的复杂程度和棋手的无法预测的落子，对机器的应变能力或深度学习能力有更高的要求。
　　
　　4 下围棋这么复杂， AI 靠什么取胜？
　　上面说的那么难，难道 AI 就没机会取胜了？ NO NO NO~
　　
　　为了击败人类，研究者们拿出了大杀器 —— 这就是人工智能领域新一代的机器学习（ machine learning ）形式 —— 深度学习 (deep learning) 和强化学习（ reinforcement learning ）。
　　
　　深度学习的概念换句话说，就是让计算机像人脑一样去学习和思考。和传统的机器学习不同，深度学习是把计算机科学和人类的神经学结合起来，让计算机自主学习。比如，不是由人告诉计算机这是一只猫，然后让它来进行识别和印证。而是给计算机提供大量的图片数据，让它自己学习和分析，然后自主形成“猫”的概念，就像人类大脑的视觉皮层那样反应。有了具备深度学习能力的人工智能系统，以后驾车出行时，汽车就能主动提醒你周围的路况，还能应用于语音和脸部识别、医疗诊断等领域。
　　
　　强化学习一词来自于行为心理学，这一理论把行为学习看成是反复试验的过程，从而把动态环境状态映射成相应的动作。它类似于传统经验中的“吃一堑长一智”，强化学习可以做出策略选择，广泛应用于下棋、走迷宫这一类别中。这种依赖于大数据和强大计算能力的被称为“深度学习”的无监督或半监督机器学习，使计算机可以在无需人力参与的情况下，完成原本只有经过高度专业化训练的专业人士才能完成的任务，甚至超过专家。
　　
　　另外，为了达到更高的运算能力，谷歌还把 Alpha Go 接入到了一个有 1202 个 CPU 组成的网络中。这使得这个人工智能系统的计算能力在原来的基础上增加了 24 倍。经过推算， Alpha Go 的性能大约是深蓝计算机的 2.5 万倍左右。按这个节奏计算，假如人类一年能玩 1000 局， AI 一天就可能玩 100 万局。所以 Alpha Go 只要经过了足够的训练，还是有可能击败人类选手。毕竟，人类在长时间的下棋比赛后，由于生理和心理限制可能会疲累，进而犯错，但机器不会。
　　
　　不过谷歌董事长施密特表示，即使机器真的赢了，人类仍是赢家。即使 AlphaGo 机器最终赢了李世石，对于人工智能是否会“碾压”人类，依然存疑，我们不必过于焦虑，人工智能可能还有很长的路要走。
　　
　　进入 21 世纪后，科学研究从大数据、人工智能到虚拟现实，从发现了类地球行星、引力波到无人驾驶、量子计算，这是一个创新不断、惊喜不断的时代，而我们有幸参与其中，这也许比单纯讨论比赛输赢更有趣。