今年3月AlphaGo和李世石的圍棋對決，就像科幻小說《三體》中的人類艦隊首次迎戰(zhàn)水滴。
本來自信滿滿的人類，被不可預料的強大戰(zhàn)斗力打了個措手不及幾乎全軍覆沒。
《三體》中人類戰(zhàn)隊幸存了4艘戰(zhàn)艦，被AlphaGo狂虐了4局的李世石，也在這場5局大戰(zhàn)的第4局為人類挽回了一點顏面。
在周末Deep Mind團隊亮相暴雪嘉年華，宣布AlphaGo接下來將要挑戰(zhàn)《星際爭霸2》后，今早AlphaGo團隊成員樊麾在微博宣布：
AlphaGo的棋力在已過半年有巨大的進步，將會在2017年年初復出下棋。AlphaGo團隊將會在近期內公布更多訊息。
AlphaGo再度出手，目標可能直指世界第一
目前在棋手積分排名上，擋在AlphaGo面前的，只剩下中國棋手柯潔了。其實在AlphaGo還在于李世石對戰(zhàn)期間，柯潔在微博上的自信言論就已經讓他火了一把。
“就算阿法狗戰(zhàn)勝了李世石，但它贏不了我”、“管你是阿法狗還是阿法貓!我柯潔在棋上什么大風大浪沒見過?讓風暴再來的猛烈點吧!”等“人機大戰(zhàn)”期間的“出格”言論，直接讓柯潔走上了輿論的風口浪尖。
盡管在今年7月份由于連續(xù)輸給兩名較低排位棋手讓柯潔暫時將占據兩年之久的世界第一寶座讓給了AlphaGo，但在目前的積分排行上，由于AlphaGo之后再無公開對戰(zhàn)，柯潔的積分又回到了第一的位置上。
明年年初的對戰(zhàn)，很有可能就是一次世界第一的真正對決：柯潔對戰(zhàn)AlphaGo。
其實大概在今年6月份的時候，國家體育總局棋牌運動管理中心黨委書記楊俊安就在第37屆無錫世界圍棋業(yè)余錦標賽的比賽說明會和抽簽儀式上透露：
前一段，中國圍棋協(xié)會和Google公司有過幾次接觸，雙方呢，都同意在不久的將來，安排一次排名第一的圍棋選手柯潔和AlphaGo進行“人機終極對決”。
當然，將會在2017年與AlphaGo對戰(zhàn)的究竟是不是柯潔，還要等過段時間AlphaGo團隊的官方宣布才能確定。
看看現在談談未來，AlphaGo之類的人工智能在未來生活可能扮演什么角色?
歸根結底，支持AlphaGo獲得勝利的是深度神經網絡。除了圍棋和《星際爭霸2》這種競技游戲類的應用，當Google把深度神經網絡用在翻譯中，可以讓翻譯變得更加通順流暢，表意清晰。
Google表示，新的翻譯系統(tǒng)簡稱為Google神經機器翻譯(GoogleNeuralMachineTranslation-GNMT)，就某些語言而言，GNMT錯誤率可以減少60%。
(人類翻譯、神經機器翻譯系統(tǒng)和短語單詞翻譯系統(tǒng)的完整度(分成0~6的程度)在不同語言應用中的對比)
該項目的負責人之一，同時也是Google智庫成員的工程師MikeSchuster談到：
我們將按照“端到端”的模式對整個系統(tǒng)進行統(tǒng)一訓練，這可以使公司更專注于減少翻譯的錯誤率方面。雖然現在還并不完美，但的的確確是完善了很多。
(新的神經機器翻譯系統(tǒng)如何檢測一個句子，并對它之間的關聯(lián)性和重要性進行考量)
在機器翻譯方面，Google使用的深度神經網絡叫做LSTM(longshort-termmemory–長期短期記憶)。LSTM可以保留長期和短期的記憶，有點像人類的大腦，這使得它可以用更復雜的方式進行學習。
和Google以前的短語翻譯系統(tǒng)(Phrase-BasedMachineTranslation-PBMT)不同，LSTM可以從頭到尾記住一句話再進行翻譯，使長句翻譯不再是單詞的拼湊，而是流暢通順的語言。
其實多年以來，Google一直想讓LSTM服務于翻譯工作，然而一直無法攻克翻譯速度這個難題。直到做了大量的工程和算法工作，才得以完善這個模型，讓新神經機器翻譯系統(tǒng)能夠在跨越大型的Internet服務時保持工作速度。
除了翻譯，隨著類似于AlphaGo的人工智能和機器學習越來越智能，我們將會面對這樣一個現實：機器會逐步取代人類的工作。
正如特斯拉的ElonMusk在上手接受CNBC采訪時說的那樣：裝備有人工智能的機器正在進入勞動力市場，對于人類來說，這很可能意味著工作流失和“基本收入的普及”。因為自動化成為常態(tài)，未來我們的就業(yè)選擇可能會受到限制，但這會讓人有更多時間享受他們的生活。
除了上面說到的人工翻譯，可能最快被替代掉的職業(yè)是汽車司機。雖然現在絕大多數廠商只是提供了達到SAE和NHTSALevel2的駕駛輔助功能。但從現今自動駕駛的發(fā)展趨勢來看，全自動駕駛汽車正式民用可能也距離我們僅有五六年的時間，而這其中的關鍵就是無人駕駛算法。
總的來說，目前以AlphaGo為代表的機器學習與人工智能，在未來的前景不可估量。當然，正如愛范兒的投稿作者曾慶偉所說：
最好的時代，也是最壞的時代。有了機器學習的助攻，人類有了研究傳統(tǒng)科學難以研究的復雜問題的能力;人們甚至可以將機理尚不清晰的模型直接部署到產品中，去幫助人類解決問題。但是隨著人工智能的迅速崛起，社會的就業(yè)結構也遇到了巨大的考驗，簡單人力工作的市場勢必受到機器人與人工智能的擠壓而縮水或者轉移。對于機器學習領域的研究者和公司而言，這是最好的時代;而對于另一部分人而言，也許一場就業(yè)危機正埋伏在不遠的將來。
