优质阅读感受及更多讨论，请查看原文：
https://segmentfault.com/a/1190000009557641
SegmentFault Weekly - vol.23
AlphaGo 的前世今生
去年 3 月，AlphaGo “横空出世”，4：1 战胜了韩国棋手李世石，赢下了人机对弈的第一战。随后，升级版的 AlphaGo 化身 Master 转战网络，与中日韩围棋高手对决，豪取 60 连胜。
在过去的一年多来，人类在人工智能面前可谓节节战败。而今年 5 月 23 日 － 27 日在浙江乌镇举行的 “中国乌镇围棋峰会” 上，AlphaGo 与世界排名第一的中国围棋九段柯洁进行的三番棋对弈中，AlphaGo 再次两连胜。
挑战人类职业顶尖高手，几乎战无不胜的 “阿法狗”， 到底是怎样的一只 “狗”？
柯洁对战 AlphaGo，首战告负！6个问题，带你弄清这只“狗”
迄今为止的公开赛事中，AlphaGo VS. 人类围棋选手，战绩已达70胜1负。在赛后新闻发布会上，柯洁表示：“（阿尔法狗）实在下得太出色了，我输的也没什么脾气，真的是很厉害。”
AlphaGo是谁？为什么这场对决会如此受人关注？这篇文章会为你梳理事情的全貌。
围棋是世界上最复杂的游戏之一。所谓“一着不慎，满盘皆输”，每一步棋都可能左右全局的结果。一般来说，一手棋的决策分两步。第一步，“选点”：凭经验或感觉给出几个候选的点；第二步，“判断”：分别对这几个点做形式判断，并进行比较。这两步，说来容易，但要做到笑傲众生的水平，对于天赋和勤勉的要求，不亚于一个优秀数学家所需要的。
2016 年1 月28 日，DeepMind 公司在国际权威期刊《Nature》发表论文Mastering the game of Go with deep neural networks and tree search ，介绍了AlphaGo 软体的核心技术。
本文是对AlphaGo 软体工作原理，浅薄的个人研究笔记，还有一点点笔者从事人工智慧开发的心得，抛砖引玉，望其他高手指正。
风口上的人工智能
相信在很多人眼里 AlphaGo 早已经是人工智能的代名词，而近几年人们对人工智能的学习和研究也越来越火热。
人工智能（Artificial Intelligence），英文缩写为AI，它是研究、开发用于模拟和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
上个世纪50年代一次学术讨论会议上，当时几位著名的科学家从不同学科的角度探讨人类各种学习和其他职能特征，并研究如何在原理上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了“人工智能”的术语。从此，人工智能这门新兴的学科诞生了。
那场学术讨论会议，就是计算机科学史上著名的达特茅斯会议（Dartmouth Conferences）。
每一次人工智能的崛起都是因为某种先进的技术发明，而每一次人工智能遇到了它的瓶颈，也都是因为人们对于人工智能技术的期望太高，超出了它技术能达到的水准。
机器学习 - 动起来
感兴趣的小伙伴可以跟着下面这个小项目学起来。
前段时间AlphaGo和李世石广受关注，作为人工智能的脑残粉，看完比赛后激动不已，因为有一定的机器学习的基础，便打算撸一个棋类的AI，但我还算有点自知之明，围棋AI，甚至google打算做得通用AI是做不出的了，所以打算撸一个五子棋的AI。
如果你想全面学习机器学习，前方高能，我们先来看看前人踩过的坑。
今天就说说机器学习这个最近两年计算机领域最火的话题，这不是一篇机器学习的技术文章，只是告诉大家机器学习里面的坑实在是太多，而且很多还没入门或者刚刚入门的朋友们，其实在你们前面是个大坑，如果你励志要在这条路上走下去的话，请做好心理准备。
简单地说，机器学习就是把无序的数据转换成有用的信息。
- 基础
- 分类
- 算法
- 入门自学路线
搞算法的朋友们，特别是最近很火爆的机器学习和深度学习，搞这些领域的朋友们，或者准备入坑的朋友们，搞算法离不开两个东西，一个是模型，一个是数据，模型和数据，究竟谁重要呢？而我们学习机器学习也好，学习深度学习也好，我们关注的是什么呢？我们遇到的最大的问题是什么？
这个系列文章，我将试着为开发工程师，产品经理、设计师、所有希望了解学习机器学习的人，介绍机器学习的原理、方法和实战技巧。我追求它尽可能好理解的同时，也会保持它的准确度和实用度。
这是这个系列的第一篇，看完这篇您将知道
- 什么是机器学习？
- 机器学到的到底是什么？
- 什么样的问题适合用机器学习来解决？
斯坦福大学机器学习的网络课程：coursera 机器学习公开课
在本课程中，您将学习最高效的机器学习技术，了解如何使用这些技术，并自己动手实践这些技术。更重要的是，您将不仅将学习理论知识，还将学习如何实践，如何快速使用强大的技术来解决新问题。最后，您将了解在硅谷企业如何在机器学习和AI领域进行创新。
机器学习的思考
机器学习在我国得到了广泛的关注，也取得了一定的成绩，但我觉得大多数研究集中在数据挖掘层面，我国从事纯粹机器学习研究的学者屈指可数。
我国大多数大学计算机专业的本科生都开设了人工智能课程，研究生则开设了机器学习课程，但无论是深度、宽度还是知识结构都落后于学科的发展，不能适应时代的需要。因此，人才的培养无论是质量还是数量都无法满足工业界的迫切需求。
机器学习集技术、科学与艺术于一体，它有别于传统人工智能，是现代人工智能的核心。它牵涉到统计、优化、矩阵分析、理论计算机、编程、分布式计算等。因此，建议在已有的计算机专业本科生课程的基础上，适当加强概率、统计和矩阵分析等课程。
围观 “人机大战” 我们别只盯着输赢，AlphaGo 只是专门设计用来下围棋的人工智能软件，其在围棋领域达到“神级”水平，远远超过人类棋手的棋力。但是，AlphaGo 在其他方面就无能为力了，综合能力尚比不过一个三岁的孩子，这就是 AlphaGo 的局限性，也是人工智能目前的短板。当然，随着技术的不断发展，人工智能有望在所有领域完全超越人类，成为超人类智能，为人类文明的发展做出更大的贡献。
（本期完）
# SegmentFault 技术周刊 #
「技术周刊」是社区特别推出的技术内容系列，一周一主题。周刊筛选的每篇内容，是作者的独到见解，踩坑总结和经验分享。
© 本文版权归作者 SegmentFault 所有，文中提及所有文章版权归原文作者所有，任何形式转载请联系作者。
网友评论