在绝大多数人眼里，以AlphaGo为代表的智能机器人几乎就是“人工智能”的代名词了。
2016年3月，由Google旗下的DeepMind公司开发的围棋机器人AlphaGo以4：1的总分战胜了当时的围棋世界冠军李世石。2017年5月，AlphaGo与排名世界第一的“天才棋手”柯洁对弈，以3：0获胜。
在AlphaGo战胜人类顶尖围棋棋士之前，早在1997年，由IBM公司开发的超级计算机“深蓝”就已经在国际象棋领域战胜了世界冠军卡斯巴罗夫，这也是人类历史上电脑战胜人类的首例。
还记得深蓝战胜人类时，有人说，“没关系，我们还有围棋。围棋可是人类最复杂的智力游戏啊！”然而，不过短短二十年时间，人工智能就已在围棋中战胜了人类。
为什么人工智能的进化速度如此之快呢？或许，在这本《你一定爱读的人工智能简史》中，我们能够找到答案。
《你一定爱读的人工智能简史》的作者是日本人工智能领域的领军人物山本一成，由他研发的PONANZA将棋机器人于2013年战胜了日本顶尖将棋棋士佐藤慎一，且之后四年无一败绩。这被誉为“人工智能历史上三大标志性事件”之一（另外两大标志的主角就是深蓝和AlphaGo）。
大多数人都知道深蓝和AlphaGo，却对山本一成和他的将棋程序PONANZA知之甚少。在这本《你一定爱读的人工智能简史》中，山本一成就以PONANZA的开发为例，从人类智慧出发，详细介绍了人工智能的三大核心技术，即机器学习、深度学习和强化学习，并对人工智能发展的未来做了尽可能客观的预测。
作为一个彻头彻尾的文科生，翻开这本书之前，我以为书中会有大量的程序语言和算法，甚至一度担心自己会读不懂，没想到，山本一成竟然选择了用最为通俗易懂的方式来解读世界上最高新尖端的研发成果。
在介绍这本书的内容之前，我们先来简单了解一下，什么是人工智能？
“人工智能”可以分为“人工”和“智能”两个部分，“人工”就是通常意义下的人工系统，这点没什么争议。而关于“智能”，就涉及到意识、自我、思维等问题。普遍认为，人唯一了解的智能就是人类本身的智能。
我们现在都知道，人类智能的物理载体就是我们的大脑，但“大脑”对人类而言，还相当于一个黑匣子，它究竟是如何工作并产生智能的，到目前为止科学界尚无定论。那么，我们又该如何定义“人工”制造的“智能”呢？
美国斯坦福大学人工智能研究中心的尼尔逊教授这样定义“人工智能”：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而来自麻省理工学院的温斯顿教授则认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。
作为人工智能领域的专家，山本一成在书中以PONANZA的开发为基础，对“智能”做了简单阐述。
简单来说，无论是人类还是其他动物，几乎所有的智慧行为大体表现在两种行为，即“搜索”和“评估”，这是支撑智能的两大支柱。只有具备了这两项能力，我们才可以对未知世界做出预测并有序地生活。可以说，智慧的发展是生物生存的需要。
在将棋程序中，当给定一个局面后，电脑将棋首先会全面搜索下一着棋的所有可能落子点。之后，程序会对搜索到的落子点进行评估，根据胜率选择最有利的落子点并继续进行搜搜。这一过程在对战中会不断重复。
不过，和它强大的计算能力和存储能力相比，电脑的搜索能力是有限的。因此，随着搜索的深入，将棋程序会依据评估结果划分出胜率更大的落子区域。而这种搜索与评估的组合，就被称为模拟。这也是将棋游戏在开发之初所采用的重要机制。
1.机器学习
作为人类，我们很少会注意大脑的运行，比如，此刻在阅读这段文字的你，是如何理解到这些汉字组合所表达的含义的？当你在没有红绿灯的路口想要穿过马路时，看到远处有一辆汽车驶过来，你的眼睛目测到汽车和你之间的距离，以及汽车行驶的速度，并将它们传递给大脑，大脑又是如何做出判断，并下达“快速通过”或“等一等”的指令的？你可能从来没有思考过这个问题，这其实就是人类大脑的“搜索+评估”功能。
那么，电脑将棋又是如何对棋局进行过评估的呢？
山本一成在书中写到，10年前，电脑程序中的评价体系都是由程序员手动建立的。也就是说，程序员事先设定好规则并输入电脑，再由电脑来执行命令。（这可能就是“编程”说法的来源？）
然而，这种由人先进行思考判断再反映到程序里的评价方法极其费时费力，且因其主观性而导致极易出错。毕竟，数据无限，而人的精力有限。所以，那些试图将人类思维写进电脑的科学家们最后大都失败了，而“人工智能”的发展也因此进入了“寒冬”。
直到“机器学习”技术的诞生，人工智能的发展才取得了巨大的突破。
机器学习技术是指尚不能完全理解人类的学习方式，但可以模仿人类学习行为的一种计算机技术。也就是说，让电脑模仿人类学习。
这项技术的核心在于，让电脑实现自我训练和自动数据调整，让从前非人力所能及的大规模数据处理成为可能。
在数据处理方面，电脑具备人力所不具备的优势，它没有情绪，也不会累，可以不眠不休地稳定运行，几乎不受使用场所的限制。所以，任何知识被数字化后，电脑都可以开始机器学习。而对程序员而言，他们的工作也不再是单纯地为电脑编写程序，而是如何使电脑更好地进行机器学习。也就是说，从“授之以鱼”，变成了“授之以渔”。
在导入机器学习技术后，山本一成所开发的PONANZA将棋水平大幅度提升，最后于2013年3月战胜了当时日本最顶尖的棋士佐藤慎一。
2.深度学习
近年来，机器学习技术领域的研究中，有一项技术尤其引人注目，它也是AlphaGo所采用的核心技术之一，这便是“深度学习”技术。因为其太过强大，山本一成甚至称之为“黑魔法”。
简单来说，深度学习其实是模仿大脑视觉系统的神经回路而建立起来的神经元网络，这些神经元网络经过多层叠加就构成了深度学习。
目前，深度学习技术的应用场景仍在不断扩大，其中较大的三个场景就是“语言”、“声音”和“图像”。
前段时间我去东南亚旅行了半个月，尽管东南亚国家和中国关系密切，但汉语并不都是他们的官方语言，因此有时到一个较小的地方时，就需要动用翻译软件来和当地人进行沟通。我选择的自然是谷歌翻译。
谷歌翻译所采用的“语言识别”技术，在导入深度学习之后，学会了判断上下文语境和词语之间的关联，从而给出精确度更高的译文。
至于“声音”和“图像”的应用，就更广泛了。目前，英语和汉语的语音输入在手机上都应用得及其普遍了，各类图像处理APP的功能也越来越强大，比如我在阅读中想要做读书笔记，不再需要像以前一样费时费力地用纸笔手抄，只需要下载一个“拍照取字”的APP，对准想要摘抄的段落，拍摄后就能自动识别出文字。
想必，在不久的将来，图像、文字和声音三者之间甚至能实现随意切换。
3.强化学习
在我们的一生中，从进入小学到大学毕业，不过十余年时间。这十余年时间，我们都是在老师的指导下学习。当我们从学校毕业，走进社会后，学习就终止了吗？并不是，所谓“活到老，学到老”，尽管这时已经没有了老师的监督，但我们仍然可以继续学习，向身边一切优秀的人和事学习，向自身的失败和成功学习，甚至另辟蹊径自创流派。
在人工智能的学习也是如此。电脑在掌握了已有的知识之后，开始学会对位置的环境进行随机搜索并反馈其结果。在这个重复反馈结果的过程中，“评估”被不断强化。这就是“强化学习”技术。
山本一成在书中写到，PONANZA在战胜佐藤慎一之后不久，就陷入了开发瓶颈期，直到“强化学习”技术的引入，才又开始大幅度变强，甚至自创了许多全新的战法，这些新战法被职业棋手们称之为“PONANZA流”。
无独有偶，在AlphaGo横扫人类棋士之后，围棋界出现了一个不可思议的现象——人人都开始模仿AlphaGo的棋路。
在第四章，山本一成也谈到了人工智能的未来。
目前，人工智能凭借强化学习技术，在各个领域都大大超过了人类，而这一进步都是在“智能”的框架内发生的。但人工智能还远远没有达到掌握“设定目标”的能力，因此还无法掌握智慧。因为，人类会根据最终目标的远近来设置和调整“中间目标”，而这正是人工智能所缺乏的。
人类有能力感受事物的意义并推测其故事发展。凭借这一能力（智慧），人类可以给出与人工智能不相上下的表现，但终究无法脱离意义及故事的限制。另一方面，因不受意义及故事的限制，人工智能的表现可以超越人类，但它并不拥有设定目标的智慧。
那么，未来的人工智能能否获得智慧呢？伴随着深度学习和强化学习的进一步发展，或许那一天并不遥远。
毕竟，“The Deeper，the Better.”