2:0！
俄罗斯国际象棋世界冠军弗拉基米尔·克拉姆尼曾说过：“相信我，败给电脑的痛苦感觉，相当于败给同行的两倍。” 不想求李世石现在的心理阴影面积，因为很认同谷歌董事长施密特在赛前说过的一句话，“输赢都是人类的胜利！因为正是人类的努力才让人工智能有了现在的突破。”
虽然2:0的结果会让很多期待李世石扳回一城的人黯然神伤，更有可能会让“机器人威胁论”再次甚嚣尘上。但是作为刚刚加入人机大战俱乐部的新成员来说，AlphaGo交上的这份答卷可以说是完美。
从“算”到“学”，人工智能的进化
1997年，IBM的“深蓝”战胜了卡斯帕罗夫。在“深蓝”设计者许峰雄看来，“深蓝”主要依靠强大的计算能力穷举所有路数来选择最佳策略：“深蓝”靠硬算可以预判12步，卡斯帕罗夫可以预判10步。
2006年，超级计算机浪潮天梭与中国象棋特级大师许银川的较量最终以平局收场，然而许银川在赛后感慨道：“整个比赛感觉很吃力，因为电脑一步可以算16个变化，而我只能凭借经验和理解与它对抗。而跟我下棋的对手不是真人，这让我感觉很寂寞，我想我还是习惯和有表情交流的真人对弈。”
凭借超越特级大师对后续变化的计算能力，人工智能在此前的多场棋类人机大战中占据上风。但在围棋，人工智能始终无法战胜人类高手。为什么？
因此，要想在围棋上战胜人类顶尖棋手，必须先要让电脑学会像人一样思考。为此，谷歌为AlphaGo设计了两个神经网络：“决策网络”(policy network)负责选择下一步走法， “值网络”(value network)则预测比赛胜利方，用人类围棋高手的三千万步围棋走法训练神经网络。与此同时，AlphaGo也自行研究新战略，在它的神经网络之间运行了数千局围棋，利用反复试验调整连接点，完成了大量研究工作。
