北京时间10月19日凌晨，谷歌旗下的人工智能公司DeepMind在世界顶级科学杂志《Nature》上宣布：新一代AlphaGo Zero可以在没有人类干预下自我学习，而且仅自我学习三天，就以100比0的成绩战胜第一代AlphaGo。AlphaGo项目的主要负责人David Silver表示：「过去人们普遍认为机器学习是基于巨量的大数据，但是从AlphaGo Zero身上，我们发现算法比数据更重要。」
AlphaGo于2015年10月问世，在与韩国棋手李世石对弈之前，它已经打败了欧洲围棋冠军樊麾。樊麾曾表示，当时他认为，一个计算机程序不可能打败职业棋手，结果，他以0比5输给了AlphaGo。他也因此加入DeepMind团队，帮助训练AlphaGo。
2016年3月，AlphaGo以4比1的成绩打败顶尖棋手李世石；2017年初，AlphaGo化名为「Master」，在网络上挑战60名人类棋手，保持全胜；2017年5月，以3比0战胜目前人类最强棋手中国棋王柯洁。
5个月后，第三代AlphaGo Zero问世，仅仅自学了三天，就分别击败了第一代AlphaGo和第二代AlphaGo Master。面对无师自通碾压一切前辈的AlphaGo Zero，柯洁说：「人类显得太多余了……」
柯洁被认为是围棋天才，6岁开始学棋，17岁时在世界排名第一。一个人类天才学习了十几年，被Alpha Zero用三天时间超越。
DeepMind在《Nature》的论文公布后，悲观、甚至恐慌的情绪蔓延，甚至有媒体一本正经地探讨「未来是《魔鬼终结者》还是《黑客任务》」。
人控的「无师自通」
在AlphaGo Zero下棋的过程中，人类知识和经验真的一点用都没有吗？事实并非如此。
据业内专家介绍，AlphaGo Zero并非没有从人类的对局经验和数据中学习，但这个算法依然需要人类向它灌输围棋的规则：哪些地方可以落子、怎样才算获胜等。这一版去掉了人类教授棋谱的过程，一开始训练时，AI（人工智能）落子完全是随机的，AlphaGo团队的负责人David Silver透露，它一开始甚至会把开局第一手下在1-1（棋盘上不占目数的位置）。在和自己对弈过程中，算法才逐渐掌握了胜利秘诀。Zero的确可说是第一次做到了无师自通。
然而，AlphaGo Zero虽然在棋盘上「威风八面」，但围棋规则以及判定棋局输赢，依然需要人类预先「设定」。所以「人类无用」、「机器可以自己产生认知」之说，都是错误理解。
「全面碾压人类」实为空谈
AlphaGo Zero发布后，媒体询问：「这个算法以后会用在哪些其他领域？」网友担心：「这个AI会不会在各个领域全面碾压人类？」
DeepMind联合创始人哈萨比斯（Demis Hassabis）说，AlphaGo团队的成员都已经转移到其他团队，尝试将这项技术用到其他领域。
DeepMind期待AlphaGo Zero解决的是「其他结构性问题」，例如：蛋白质折迭、降低能耗、寻找革命性的新材料。哈萨比斯说，AlphaGo可以看做是一个在复杂数据中进行搜寻的机器，包括新药发现、量子化学、粒子物理学，也是AlphaGo可能大展拳脚的领域。
然而，AlphaGo Zero能否真的能迅速移植到其他领域呢？
有专业人士认为，这需要先了解它现在所解决的问题——围棋具有哪些特性。首先，围棋可以复盘，是能够完美重现的算法模型；其次，围棋对弈双方只有二个，讯息完全可观测，不像在麻将、扑克里，观测不到对手的讯息；最后也是最重要的一点，围棋对局可以用计算机迅速仿真，很快输出输赢信号。
这些围棋特性对AlphaGo算法的影响至关重要，因为能快速输出结果反馈，才有了AlphaGo Zero创造的「无师自通」的奇迹。
对比其他领域，几乎都比围棋还要复杂，例如：「发现新药」问题，这和下围棋有非常显著的区别，就是「输赢信号」能不能很快输出。新药品很多内部的结构需要通过搜索后，再制成药，再到如何检验这个药有效，这个死循环的代价非常昂贵、非常慢，现阶段几乎不可能。
这些现实让AlphaGo强大的「自我学习」能力施展不了。不难推想，AlphaGo Zero在某些小领域内可以做得非常好，但其实并没有「全面碾压人类」的潜力。
分析人士认为，AlphaGo Zero的工程和算法确实非常厉害。但千万不要对此产生误解，认为人工智能是万能的，所有人工智能都可以无需人类经验从零学习，得出人工智能威胁论。AlphaGo Zero证明了AI在快速发展，让我们看到在有些领域可以不用人类知识、人类数据、人类引导就做出突破。但是，AlphaGo Zero只能在单一简单领域应用，更不具有自主思考、设定目标、创意、自我意识。即便聪明如AlphaGo Zero，也只能是人类给下定目标后，再由AI做好数字优化而已。
