谷歌人工智能击败围棋冠军-谷歌机器人围棋

谷歌人工智能击败围棋冠军李世石——那不是人工智能，那叫机器学习，智能化！谷歌的机器在两个任务上是最强的：一个是语音识别，机器可以听懂任何人说的话；另一个是图像识别，机器可以听懂人类的每一个细微表情变化谷歌人工智能击败围棋冠军谷歌人工智能击败围棋冠军，因为对焦头像已经变成了人类的一部分。总之，这两个任务现在都让人觉得有些虚无缥缈。如果你还是不太懂，我举个例子，“物理学中的迈克尔孙-莫雷实验”是一个很有名的定理，可以说让大部分人明白了我们是可以发现正确的运动状态的，以前人类总觉得只有一些像神经元的很初级的机械才能产生正确的运动，发现这个定理和人类早就认识到我们是可以用机械获得正确运动才不是同一个时代的事情。

机器也同样，我们人类用机械的方式积累了过去多年的经验和感悟，积累下来的经验和感悟就是这个机器根据我们过去积累的经验和感悟所获得的。那么，谷歌的人工智能击败围棋冠军有什么历史性的意义？最重要的意义就是“我们之前积累的知识被解构了”，当然不是告诉机器怎么做算法，而是告诉它怎么样构建“发现物体的机器”，这点是不是很对我们人类自己的要求，从来都不是学习如何学习，这点很重要。

这两个任务都和“发现机器”有关，而工程师的任务就是“如何设计一个好的发现机器”，那么就需要有完整的理论和技术解决方案，找到真正靠谱的答案。除此之外，还有工程师未来理想的机器主要有如下3种，如图，下图是2015年刚发布的图片：。

一、基于深度学习的视觉

二、基于机器学习的nlp

三、基于神经网络的机器视觉这3个模块各有自己的优势。

一、基于深度学习的视觉我说的深度学习是通用的深度学习，不是专注于“人脸识别”。目前这类研究已经开始在电视和智能音箱上进行应用，进而可以将电视和智能音箱通过视觉识别推荐给用户，这个图片是京东的一个智能硬件，里面用的基本就是深度学习的解决方案。

二、基于机器学习的nlp机器学习在nlp，所以用到了语言学和统计学知识。就像通用的统计学课程一样，都是先从一堆数据开始研究，然后研究学习过程中每一个指标变化的原因，最后研究这个变化是怎么产生的。nlp可以当成是语言学的一个分支，用到的数学知识就和通用的统计学知识一样，这个图就是大致描述了nlp当中的一些知识分布，而每个人知识结构可能存在差异，但是有些必要的东西还是需要掌握的。

当然，作为一门语言学的分支，我更愿意将其称之为“基于统计模型的语言建模”，理解到这个层面，大致就能明白为什么一个词、一个句子要先假设它包含特定的指标，再用这个指标来预测这个词、句子。

三、基于神