繼IBM“深藍”在象棋對決中戰(zhàn)勝卡斯帕羅夫，Waston在危機邊緣戰(zhàn)勝Ken和Brad，Eugene挑戰(zhàn)圖靈的“TheImitation Game”后，人工智能在一個更加復(fù)雜的領(lǐng)域—圍棋中再次超過了人類的水平，AlphaGo以4：1的比分戰(zhàn)勝了圍棋李世乭，其升級版Master更是在弈城網(wǎng)上取得60：0：1的不敗戰(zhàn)績。同樣是在對弈比賽中戰(zhàn)勝選手，“深藍”到Master的發(fā)展充分體現(xiàn)出了人類科技進步在計算和計算資源上的長足進步。如果說“深藍”是憑借其運算速度通過遍歷戰(zhàn)勝了人類，那么Master是在此基礎(chǔ)上通過的搜尋算法，決策支持和計算架構(gòu)遍歷了當時覺得不可能實現(xiàn)的所有可能。Master所用到的Deep Reinforcement Learning結(jié)合了當今AI領(lǐng)域研究的兩大前沿Deep Learning（DL）和Reinforcement Learning（RL），創(chuàng)造性的使用DL的，通過棋局的圖片評估落子的優(yōu)先級，再結(jié)合RL，通過自我“對弈”的更新深度元網(wǎng)絡(luò)的參數(shù)，帶領(lǐng)人類站在了“智能”的門口。AlphaGo重要的成就并不是采用了性能多么的電腦，而是次讓程序可以近似人類的去感知、學(xué)習(xí)、思考和決策。
