馮唐提示您：看後求收藏（快眼看書www.kyks.tw），接著再看更方便。
。在這個漫長的階段，人類製造機器，機器替人做苦工，做人不願意做的東西，做人在體力上做不到的東西，比如汽車、飛機、火車，比如吊車、衛星、洗衣機，比如計算器、印表機、電話。坐了這麼多次飛機，每次再坐，我還是驚詫於一個這麼大的鐵傢伙能快速移動在這麼稀薄的空氣裡。見慣了這麼多高樓大廈，每次到了五十層以上，我還是驚詫於人類怎麼做到讓這麼高的大傢伙在風雨地震中不塌。用過至少二十部手機了，但每次開完電話會，我還是驚詫於這些聲音在虛空中是如何傳遞的——沒多久之前，人類還是靠信鴿和騎馬的信使傳遞一個個遠距離資訊。
一九九七年，人工智慧第一次打敗國際象棋的頂尖人類棋手。從那之後，進入第二階段：人類製造的機器開始玩人類智力的遊戲，一步步拉近甚至在某些方面甩開人類智力的水平。二〇〇六年，國際象棋人類頂尖棋手最後一次戰勝人工智慧，之後，在國際象棋領域，機器就再也沒輸過。這種追趕速度明顯在加快，甚至在一些過去認為不可能突破的領域開始突破。十年之後，二〇一六年一月，谷歌研發的圍棋人工智慧AlphaGo，不讓子，完勝歐洲冠軍、職業圍棋二段樊麾，創造了人工智慧第一次在公平比賽中戰勝人類職業圍棋棋手的歷史。
圍棋計算是個極其複雜的問題，比國際象棋要困難得多。圍繞圍棋的創始有不少傳說，但是公認的是，圍棋是用最簡潔的形式模擬最複雜的宇宙，可以讓任何人在有生之年耗盡他的全部智力。圍棋最大有3種局面，大致的計算體量是10；國際象棋最大隻有2種局面，大致計算體量是10；而已經觀測到的宇宙中，原子的數量是10。
AlphaGo的可怕不在於它的計算速度，而是它類似人類的思考方式和學習能力。它的核心是兩種不同的深度神經網路：策略網路（policy network）和價值網路（value network）。這兩個網路配合，“挑選”出那些比較靠譜的棋步，拋棄明顯的差棋，從而將計算量控制在合理的範圍內，這在本質上和人類棋手的大腦所做的一樣。這種人工智慧必將應用到其他領域，很多人類工作會被機器代替，甚至包括一些傳統的創造領域和智慧領域，比如劇本寫作、經理人招聘、疾病診斷等。
再下一個階段，可能就是人類製造的機器能夠理解人類感情，情商上擊敗人類，寫出的詩歌秒殺人類歷史上最傑出詩人的作品。看過去機器發展的加速度，不管我樂意不樂意，或許在有生之年，我可以見證“機器李白”的降臨
