【CMIC讯】10月19日，专注于人工智能的谷歌子公司DeepMind公布了有关AlphaGo的最新版论文，论文中提到，他们发布了一款新版本的AlphaGo程序，这套系统被命名为“AlphaGo Zero”。
 
　　AlphaGo Zero比它的几个前辈们要高效得多。它只需要一台机器和4个TPU，并且将此前Alpha系列的“价值神经网”和“策略神经网”合二为一，使得能耗大幅度降低。
 
　　AlphaGo Zero在只被告知围棋规则、并且未引入任何人类棋手棋谱数据的前提下，仅仅用了三天时间，就通过与自己对弈的方式自行掌握了围棋的下法，甚至创造出了更为优秀的棋步。此时的AlphaGo Zero已经能够完败曾在去年击败了韩国棋手李世石的AlphaGo Lee，比分为100:0。而在经过大约四十天的“自学”后，AlphaGo Zero以89：11的分数击败了曾战胜柯洁的Alpha Master。
 
　　对此，柯洁在社交平台发言表示：“一个纯净、纯粹自我学习的AlphaGo是最强的……对于AlphaGo的自我进步来讲……人类太多余了。”
 
　　而前世界冠军古力也认同了他的说法：“20年不抵3天啊，我们的伤感，人类的进步。”
 
　　围棋界的惨败令许多人坚信，AlphaGo Zero实现了人类在人工智能方面的重大突破，人工智能完全取代人类的时代已经到来，然而事实并非如此。AlphaGo Zero的确取得了技术性突破，但这种自我学习能力目前仅限于“规则判断十分明确、可以被高度形式化”的棋类领域中，因此这项技术的应用范围仍然比较有限，而是否能够将这种能力复制在其他研究性领域内，还有待于观察。
 
　　尽管DeepMind的CEO丹米斯·哈撒比斯扬言，AlphaGo的迭代产品在接下来十年将在科研领域与医学领域代替人类，但教会机器识别并判断医学影像并不那么容易。与围棋不同，人类的病状样本千差万别，人工智能无法通过自学来完成，即使医生将数以万计的样本图像输入系统进行分析，也要利用样本扩增技术对图像进行处理。
 
　　因此目前看来，这种技术还只能起到辅助作用，但至少AlphaGo Zero的自学天赋使得它已经可以被运用到这些领域，比如其正在研究的蛋白质折叠问题。蛋白质的错误折叠在许多疾病中占据重要位置，其中包括克雅氏病、II型糖尿病、阿尔茨海默氏症、帕金森氏症以及亨廷顿氏症。而以人脑的计算能力，要完成对蛋白质折叠复杂规律的分析需要相当漫长的时间，如果人工智能可以分担掉这一部分压力，人类或许就能更早地发明出足以干预这类疾病发生的药物。

实习编辑：言笑晏晏