人工智慧又贏了，要搶飯碗，領退休金，當女朋友？

GIF/86K

是輸是贏

尚未可知

恩，這兩天，萬眾矚目的柯潔和 AlphaGo 的圍棋大戰終於是打響了，其實昨天差評君也去了現場。

（現場氣氛還挺緊張的）

比賽日程是，柯潔和AlphaGo在 23 號、 25 號和 27 號各比一場，中間 26 號的時候還有其他人跟 AlphaGo 的對戰。

（隔天比一場，看來下一場還是很辛苦的。。。）

這次對戰的 AlphaGo 已經是經過升級的 2.0 版本，也就是說，比之前對戰李世石的時候還要厲害，柯潔賽前好像也是有點感慨，賽前發了一大段話：

柯潔的微博

不過可惜的是，第一場比賽的結果還是柯潔以四分之一子輸給了AlphaGo：

差評君也不知道剩下的兩場會結果如何，不過用李開復的話：

「人機對戰基本沒有懸念了，據聞AlphaGo近期即將來華和柯潔對戰，其實已經不再具有科學意義了。以後我們應該更關注商業領域的人工智慧，在金融、醫療、教育等領域產生商業價值，讓世界變得更美好。」

反正輸贏都已經不重要了~

不過近年來 AlphaGo 的一系列事件把人工智慧這個詞一下子推到了風尖浪口。。。

而且至今 AlphaGo 挑戰人類棋手還未嘗敗局，人工智慧下圍棋已經這麼厲害了？

實際上，人工智慧不單單只是下圍棋厲害，很久以前一台超級計算機 「 深藍 」 就已經制霸了國際象棋的領域。

還有最近國內德州撲克的人機大戰，「 冷撲大師 」 對戰 「 龍之隊 」，結果又是AI勝利。。。

難道人類真的會被人工智慧取代嗎？

於是 「 人工智慧威脅論 」 就這麼出現了。。。

（機器人和你搶工作~）

差評君覺得，這話說的可能有點太誇張了。

這樣的說法有點妖魔化或者神化人工智慧了，其實人工智慧早就在我們生活中隨處可見了，只不過這個概念在近幾年因為神經網路、機器學習這些新的領域的崛起被炒火了~

為什麼這麼說呢，因為實現人工智慧的方式不只一種，不僅僅用了神經網路的才叫人工智慧，只用一些工程學方法編程實現的也是人工智慧。。。

舉個通俗點的栗子，相信不少差友會玩遊戲，在遊戲過程中免不了會遭遇到一些怪物，你打怪物怪物就會打你，這其實就是一種人工智慧的實現了（換個熟悉點的叫法：遊戲 AI）~

再說個稍微複雜點的，暴雪爸爸的魔獸爭霸這類的遊戲：

（玩過這個的大概都到了結婚年齡了？）

可以玩家和電腦對戰，對面的電腦可以操作部隊像真的對手一樣和你對打，這也是一種人工智慧。。。

沒錯， AI 在遊戲裡面早就被大範圍的應用了。

單說這一類的 AI 呢，實際上已經在我們生活中有很多應用了，比如自動化生產的流水線，當然還有前面提到的遊戲領域，甚至現在不少的股票類新聞，都是直接由人工智慧生成的。。。

所以事實上人工智慧早就替代了很多人類工作了，但差評君也沒看到多少人覺得自己會因此找不到工作~

之前很火的小黃人分揀

GIF/2.0M

（其實也還是需要有分揀員的幫忙）

而用了神經網路的人工智慧呢，就很厲害了。。。

深度神經網路

現在炒的很火的說什麼人工智慧的其實基本上指的都是這一類。

而且其實現在機器學習在我們生活中已經很很多應用了，前幾天差評君講I/O大會的時候就提到過（詳細的介紹可以看之前的文章，傳送門）， 谷歌已經把 AI 融入到了他自己家大量的產品中去了，比如語音助手：

（現場的演示各種驚艷！）

再比如谷歌還利用 AI 掃描大量的 APP 來保證用戶的安全：

Google Play Protect

（也是在今年的 I/O 大會上出現的）

但是實際上，差評君覺得還是有不少是沒有辦法取代的，不管怎麼說，總得有個程序員吧（開個玩笑）~

後者到底最終能牛逼到什麼程度，說實話還挺難說 ，並不知道以後可以發展到什麼程度，說不定哪天就真的能模擬人腦的結構了，這差評君也說不準，畢竟現在科技的發展實在太快了。。。

但是就短時間來說，AI 也沒有大家想的那麼可怕。

比如 AlphaGo ,雖然都快被稱為圍棋之神了，它也只是能下圍棋而已，它不能和你聊天不能和你打撲克，甚至都不能和你下五子棋。。。

為什麼呢，因為 AlphaGo 神經網路本身就只是針對圍棋的，換個別的事情這網路就沒用了。

換句話說，對於不同的目標，總是要有不同的神經網路（種類、結構）與之對應。。。

比如圖像識別的時候，工程師們一般會用卷積神經網路（CNN，Convolutional Neural Networks）。

但是語音識別的時候，更加適合用一種叫做深度神經網路（DNN，Deep Neural Networks）的種類。。。

當然，除此之外還有叫遞歸神經網路（ RNN ，Recurrent Neural Network）的。

所以講了半天神經網路到底是個什麼東西呢，差評君給大家簡單展開講講~

這是一個神經元：

這個大概生物課本上差友們都見過，然後我們把它簡單分成了倆部分：神經核和突觸。

神經元細胞運作的過程一個電信號從某個地方傳過來，再經過神經核的反應之後，又傳了出去。。。

恩其實有點像編程上說的 「 函數 」 。

抽象出來的單個神經元

（左邊是輸入的電信號，右邊輸出的電信號）

然後把他們擺成一排，就變成了一個 「層 」：

每個層的輸出可以變成別的層的輸入（就像是突觸搭在了別的神經元上的感覺）

於是把好多層接起來，就能變成一個網路：

我們把每個神經元簡單地畫成一個圈：

對，這就是你們在各大網站經常能看到的樣子了~

我們怎麼用數據去描述這樣的網路結構呢？答案是用矩陣（Matrix）。

前一層的第 N 個神經元和後一層第M個神經元之間的連線可以用矩陣上的第N行第M列的數字來表示（比如 0 就是不連接）~

聽說過領接矩陣么？

然後訓練網路的時候就是不斷地去計算、修正這些矩陣。

當然，這其中不可避免的涉及了大量的矩陣乘法和轉置的計算（矩陣的規模還可能很大）。

2x2的矩陣就已經很麻煩了

而各位差友們再想像下，我們人腦有 860 億個神經元，要是真的去模擬大腦的規模，那計算量簡直是無法想像的。。。

所以現在大家能見到的神經網路，基本都是針對一些特定場景的簡單的網路，和人腦當然是沒法比的~

差評君覺得至少短期內AI是不會徹底取代人類的，雖然不知道以後會怎麼樣。。。

於是問題來了：差友們，你們覺得有哪些工作是不能被人工智慧取代的？

「 所以，能代替女朋友嗎？ 」

有乾貨，有態度，有內幕，喜歡就訂閱差評哦！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！