AI应用之一：跳棋，国际象棋，围棋

当前技术：★★★★★
未来潜力：★✰✰✰✰
应用落地：★★★★✰

可以这么说，人工智能的大众浪潮是被三次棋类比赛所推动的。分别是20世纪50到60年代的西洋跳棋，1997年IBM的深蓝战胜国际象棋世界冠军卡斯帕罗夫，2016年，谷歌旗下的DeepMind公司AlphaGo战胜李在石。

1952年，阿瑟·萨缪尔(Arthur Samuel)在IBM公司研制了一个西洋跳棋程序，这个程序具有自学习能力不断提高弈棋水平，所以说这个跳棋程序实质上使用了目前流行的强化学习技术。并很快就下赢了萨缪尔自己。萨缪尔参加了被认为是人工智能起点的1956年达特茅斯会议，并介绍了这项工作，还使用“机器学习”这个词，1962，跳棋程序赢得了康涅狄格州的跳棋冠军，在当时引起轰动。

这之后，达特茅斯会议的发起人麦卡锡1968年和当时的国际象棋大师列维打赌十年内计算机程序能够在国际象棋上战胜人类。或是当时遇到了第一次人工智能寒冬，或是专家们总是在短期内太乐观，麦卡锡输了赌局。但在29年以后的1997年 ，IBM的“深蓝”战胜了人类国际象棋（Chess）世界冠军加里·卡斯帕罗夫，成为人工智能发展史上的又一个里程碑。

虽然深蓝赢了国际象棋，但东方的围棋高手跳出来说机器永远不可能赢得围棋，围棋一直被认为是最复杂的棋类博弈，围棋的计算复杂度超乎想象，所以大家认为围棋不单靠计算，主要靠的是“悟性”。19年后的2016，谷歌旗下的DeepMind公司的AlphaGo围棋AI战胜了手李世石，再一次掀起了人工智能的浪潮，经过实际对弈的数据收集，AlphaGo再次升级，目前对人类棋手的胜率几乎接近100%。

至此机器已经在棋类比赛中达到巅峰，人类已经无法战胜机器人下棋了。

每一次的机器下棋的胜利都带来了人工智能的关注度，因为下棋一直被认为是人类智慧的体现，谁下棋厉害总会被认为特别聪明，从这点上，似乎机器的智慧超过了人类，加上好莱坞电影中层出不穷机器统治人类的桥段，还引起了人类的恐慌，而这种恐慌帮助了人工智能的热潮。

但实际上，下棋这件事情和人类智慧真不能画等号，下棋是机器最擅长而人类不擅长的领域，下棋说到底还是计算力，机器赢得围棋比赛是早晚的事情，只要计算能力够，AlphaGo只是用神经网络的办法把计算量大大下降，提前实现了其实是注定的命运。

但是由于前两次的人工智能寒冬，人工智能业内专家也知道了营销的重要性，不会再跳出来说人工智能的坏话，公众因为不了解造成的恐慌正好是人工智能获得更多投入的良机。明斯基的学生库兹维尔是坚定的鼓吹派，他的活动和提出了未来学说确实帮助人工智能获得了更多热度和随之而来的更多投资。

实际上战胜围棋这件事情在宣传上是过了，但是确实复苏了神经网络，深度学习和强化学习这几种方法，有更多的资金到场后，可以把各种场景都用机器学习的方法革新一边。

机器学习算法本身不太需要太多经验，需要的是好的数学功底，而且各大厂提供了平台，用起来即可，在这个方面找些刚毕业的学生或者一两年经验的即可。但在实际场景的应用上还是需要熟悉商业的人和熟悉管理的人去理清数据和制定目标，所以行业的兴盛不管对年轻的还是有经验的都是充满机会的。

但是有商业经验的人需要了解机器学习的基本原理，而做机器学习算法的也要多学习商业经验，这样可以将算法创新应用，而不是只是做操作工，而且永远不知道市面事后机器学习人员饱和或者寒冬再次到来，毕竟机器学习算法本身不是万能的，只是各比较高级的模拟器，无法做到完美。

个人职业选择

个人作为兴趣学习一下算法可以，当作职业意义不大。