自从去年AlphaGo战胜李世乭之后，人工智能产品便基于深度学习和算法优化在不停地更新迭代。自2016年12月29日出现在多个网络围棋对战平台上之后，Master便展现出惊人的实力，今年元月4日晚，人工智能机器Master对人类顶尖高手的战绩达到了60胜0负1和。如今人工智能连续战胜人类棋手，引起了人工智能很快也会在其他领域打败人类的热议。但实际上，人工智能仍然处于初级阶段，就当下的科技成就而言，要赶上人类本身智能是遥不可期的。

　　学术界将人工智能分为两种，弱人工智能和强人工智能。弱人工智能只能在专用的、受限制的轨道上越算越快，越走越强。比如说围棋、国际象棋等，其基本原理就是在人类设计好的训练内容“布局与决策”，通过大量学习过往棋局、与棋手对弈、包括自己与自己对弈这样的训练，从而实现棋力的突破。弱人工智能只有在这些规则清晰、容易量化、可计算的领域，由于机器不会疲劳，机器会做得比人要好，机器会超越人类。

　　Master之类产品目前仍处在弱人工智能阶段，今后慢慢都会产生一些新的突破。人工智能下棋的第一步是搜索最优选项，第二步是决策，在这个过程中，系统可能会选择人类记忆中并不存在的棋路。诸如Master这样的“下棋能手”，它们只是在规则清晰条件下的优秀信息处理者，无法在非监督学习情况下，自主发展一段程序来战胜围棋大师。弱人工智能机器不能成为基于对信号和数据意义的理解者，无法真正理解接收到的信息，也无法拥有发展出意识的潜能。

　　人工智能在短期内战胜不了人脑，围棋这种对弈，人类的走法可以靠超级计算准确预知，从而电脑可以选择最优走法来见招拆招，而现实中人类面临的事物并非单一目标，随时面临完全不一样的新情况，是一个一个完全未知的对战，人工智能的超级运算能力是无法预知人类面临的所有问题。AlphaGo下棋能赢，是因为人类给他事先设定好了策略和运算模式，你临时让它让它给你端杯水或唱支歌试试，突然发生火警，它能像人一样救火或者逃跑吗？等等。大多数情况下，人类应对和处理问题都是靠经验和直觉，这一点恰恰是电脑不具备的，要学习人类的诡术，电脑还要花很长时间。

　　人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的工程技术科学。人工智能通过研究人类智能的过程，并生产出一种新的与人类智能相似的方式做出反应的智能机器。人工智能研究的领域包括机器人、语言识别、图像识别、信息处理和专家系统等。人工智能领域的机器人研究主要涉及“深度学习”。深度学习是指机器通过深度神经网络，模拟人脑的机制来学习、判断、决策，已经被广泛应用于许多领域。这就涉及到机器如何学习，现在科研进展如何呢？

　　机器学习的方法主要分为三种：监督学习、半监督学习和无监督学习。

　　监督学习是指利用一组已知标注类别的样本调整分类器的参数，使其达到所要求性能的过程。具体是给机器一堆有标记的数据，让机器学习后，推测得出新的未知的信息。代表方法为神经网络、SVM、NaveBayes、KNN和决策树等。

　　机器学习的进一步提高就是半监督学习。半监督学习是指介于监督学习和无监督学习之间，利用少量的标注样本和大量的未标注样本进行训练，以得出新的位置信息的办法，是现在正在研究并兴起的一种机器学习方法。Facebook、Google等公司以及学术界的研究者正在对某些有限的非监督式学习进行实验，目前进展并不顺利。

　　无监督学习是机器学习研究者的最高追求。无监督学习则指设计分类器时，不给样本参数任何标签，让机器自行分析处理，目标便是让机器学会自主学习。机器无监督学习的突破，才可以使机器做到自由模仿人的行为。别担心，从目前的研究能力看，其突破在短期内难以实现。（主编李志民）