作为一种人工智能的 AlphaGo，和 IBM 在上个世纪打败国际象棋大师卡斯帕罗夫的深蓝超级计算机，以及当代的苹果 Siri、Google Now 有着显著的区别。
要了解 AlphaGo，首先我们需要了解 AlphaGo 背后到底是一个什么东西。
它背后是一套神经网络系统，由 Google 2014 年收购的英国人工智能公司 DeepMind 开发。这个系统和深蓝不同，不是一台超级计算机，而是一个由许多个数据中心作为节点相连，每个节点内有着多台超级计算机的神经网络系统。就像人脑，是由 50-100 亿个神经元所组成的，这也是为什么这种机器学习架构被称为神经网络。
你可以将 AlphaGo 理解为《超验骇客》(Transcendence) 里约翰尼·德普饰演的人工智能，而它所控制的超级计算机，就像影片里被人工智能心控的人类一样，共同为一种蜂群思维 (Hive Mind) 服务。
《超验骇客》中，被人工智能控制的工人马丁。马丁没有所想，但他的所见将会被人工智能直接获取
AlphaGo 是在这个神经网络系统上，专为下围棋 (Go) 而开发出的一个实例。然而，虽然名字已经介绍了它的功能，AlphaGo 背后的神经网络系统却适合用于任何智力竞技类项目。
这个系统的基础名叫卷积神经网络 (Convolutional Neural Network, CNN) ，这是一种过去在大型图像处理上有着**表现的神经网络，经常被用于人工智能图像识别，比如 Google 的图片搜索、百度的识图功能都对卷积神经网络有所运用。这也解释了为什么 AlphaGo 是基于卷积神经网络的，毕竟围棋里胜利的原理是：
“对弈双方在棋盘网格的交叉点上交替放置黑色和白色的棋子。落子完毕后，棋子不能移动。对弈過程中围地吃子，以所围“地”的大小决定胜负。“
AlphaGo Logo / DeepMind
AlphaGo 背后的系统还借鉴了一种名为深度强化学习 (Deep Q-Learning, DQN) 的技巧。强化学习的灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得*大利益的习惯性行为。不仅如此，AlphaGo 借鉴了蒙特卡洛树搜索算法 (Monte Carlo Tree Search) ，在判断当前局面的效用函数 (value function) 和决定下一步的策略函数 (policy function) 上有着非常好的表现，远超过上一个能够和人类棋手旗鼓相当的围棋程序。
对战现场
AlphaGo 所采用的 DQN 是一种具有广泛适应性的强化学习模型，说白了就是不用修改代码，你让它下围棋它能下围棋，你让它在红白机上玩超级玛丽和太空侵略者，它也不会手生。作为一个基于卷积神经网络、采用了强化学习模型的人工智能，AlphaGo 的学习能力很强，往往新上手一个项目，玩上几局就能获得比世界上*厉害的选手还强的实力。
2014 年，已经被 Google 收购的 DeepMind，用五款雅达利 (Atari) 游戏 Pong、打砖块、太空侵略者、海底救人、Beam Rider 分别测试了自己开发的人工智能的性能，结果发现：在两三盘游戏后，神经网络的操控能力已经远超世界上任何一位已知的游戏高手。
DeepMind 用同样的一套人工智能，不调整代码就去测试各种各样的智力竞技项目，取得了优异的战绩，足以证明今天坐在李世石面前的 AlphaGo ，拥有多强的学习能力。
李世石执���子，AlphaGo 执白子。大约进行了 85 分钟时进入休息阶段
在此之前，DeepMind 进行过的无数虚拟棋局训练，以及去年击败欧洲围棋**樊麾二段的经验让 AlphaGo 已经训练出了**的弈技，极有可能高于世界上任何已知的围棋高手。
尽管棋盘上风云变化，早在本次开战前，AlphaGo 跟李世石就已不在同一起跑线上了。至于李世石曾经做出 AlphaGo 和自己棋份在二子和让先之间的评论，恐怕**局足够让他反悔了。
AlphaGo 只是 DeepMind 证明自己的一个工具。你也可以将这次和李世石的对局理解为 Google 的公关策略。
2014 年，这家公司曾经在其官网上写道： DeepMind 致力于用研究深度学习的方式去真正了解智慧 (solve intelligence) 。但对于 DeepMind 和 Google 来说，打造 AlphaGo 以及其他人工智能神经网络不是终点。
DeepMind 三位联合创始人
将机器学习和神经科学进行结合，打造出一种“一般用途的学习算法”。通过这种算法，DeepMind 和 Google 希望能够将智能“定型化”，理解智能是什么，进而更好的帮助人类理解大脑。DeepMind 联合创始人之一的 Demis Hassabis 曾经写道：
“用算法将智慧提炼出来，有可能成为理解人类思维*神秘原理的*佳方式。”
（”Attempting to distil intelligence into an algorithmic construct may prove to be the best path to understanding some of the enduring mysteries of our minds.”）
在 Google 收购 DeepMind 前，收购条款中的一项就是 Google 必须成立人工智能道德委员会。因此，在目前阶段人们不必担心这样的人工智能*终杀死或统治人类。但至少，人工智能在围棋这样的智力类竞技项目上击败人类，是已经注定的事情。
“作为一种决策树巨大的游戏，围棋本来适合人脑思考，不适合机器运算。但 DeepMind AI 的方向就是模仿人脑思考，用神经网络“重现”智慧。”