12月11日晚间，谷歌DeepMind在自己官网上线了AlphaGo的教学工具AlphaGo Teach，旨在帮助公众用新的、启发性的方式下围棋。DeepMind团队樊麾也在自己的微博上了宣布这一重要消息。
✔ AlphaGo的启蒙老师、欧洲围棋冠军樊麾在微博上透露，AlphaGo教学工具共有两万多个变化，三十七万多步棋组成。
✔ AlphaGo可以分析并建议围棋开局的诸多下法，同时给出每步棋的胜率分析。希望AlphaGo对围棋的独特理解可以给棋手们一些启发。
这意味着，曾经击败世界顶级围棋选手李世石和柯洁，现已金盆洗手的AlphaGo将再现江湖，开始教人类下围棋。
这也兑现了当初DeepMind在乌镇人机大战结束时的承诺：
与全世界围棋爱好者共同分享AlphaGo的数据
据樊麾介绍，此次公布的教学工具使用的版本是AlphaGo Master，支持英语、简体中文、繁体中文、日文和韩文阅读。
在这张棋盘上，浅蓝色虚线圆圈代表AlphaGo的下法，蓝紫色圆圈为人类棋手的下法，圈内数字代表AlphaGo对于每一步棋的黑棋胜率预测。
随后，当今世界围棋第一人柯洁转发此条微博，并戏称自己要“重新学围棋”。当然，除了柯洁外，多位国内世界围棋冠军也对AlphaGo教学工具上线表达了自己的看法。
世界围棋冠军、职业九段棋手常昊认为：
“教学工具不一定是标准答案，更多的是给予了我们无限的思考空间。”
曾为乌镇人机大战选手之一、职业九段棋手周睿羊则表示：
“定式什么的还是不要随便学了，看到工具一些高级下法之后感觉到又可以起飞了。”
自学成才的AlphaZero
碾压历代所有版本
AlphaGo从出生开始
就以肉眼可见的速度成长
① 2014年，DeepMind开发了第一版AlphaGo。
② 两年后，AlphaGo Lee击败了世界冠军李世石。
③ 今年5月乌镇大会，中国棋手、世界冠军柯洁9段以0：3不敌AlphaGo Master。
值得注意的是，AlphaGo Master也是本次教学工具使用的版本。
// 赛后，DeepMind联合创始人兼 CEO Demis Hassabis宣布：AlphaGo将永久退出竞技舞台，不再进行比赛。
不过，谷歌DeepMind并没有停止探索围棋，半年后，DeepMind使用名为“强化学习”的 AI 技术，造出了AlphaZero。
“强化学习”这一AI 技术只使用了基本规则，没有人的经验，从零开始训练。
AlphaGo Zero通过不断地进行自我对弈
3天后以100:0的成绩超越AlphaGo Lee
21天后达到AlphaGo Master的水平
40天内超过了所有之前的版本
更让人诧异的是，刚征服围棋不久，AlphaZero又传出完爆其他棋类游戏的消息。
? 相同条件下，AlphaZero经过 4 个小时的训练，打败了此前最强国际象棋 AI Stockfish；
? 2 个小时后，打败了最强将棋AI Elmo。
如果说AlphaGo Master的棋是以人类棋谱为起点，走的每一步都更有“人味”，更容易为人所理解，那么AlphaZero的棋则是完全没有“人味”的，从一张白纸开始依靠“纯净”地自我学习而成的。当然，Zero的棋太高，暂非人类棋手能理解的范畴。
这令曾经和AlphaGo交过手的人类棋手柯洁不禁感慨道：
一个纯净、纯粹自我学习的AlphaGo是最强的。对于AlphaGo的自我进步来讲。人类太多余了。
当然，并非所有东西AlphaZero都能掌控，比如目前AI面临的最大挑战：类似《星际争霸》这类复杂的即时战略游戏。
AlphaGo超越人类的自我学习
是机遇还是威胁？
除了围棋，AlphaGo的研发团队已经开始把精力投入到其它重大挑战中，期望研发出更为高级的通用算法，以帮助科学家们解决最复杂的问题，包括找到新的疾病治疗方法、显著降低能源消耗、发明革命性的新材料等。
DeepMind创始人Demis Hassabis表示，AlphaGo并不仅仅是为了理解围棋而设计的，它会成为一个从复杂数据中进行搜索提炼的机器。比如（✔）药物的发现，（✔）蛋白质折叠，（✔）量子化学，（✔）粒子物理以及（✔）材料设计等等。
Hassabis暗示下一代的AlphaGo Zero将被用来作为室温超导体。
这是一种能够让电流通过而不损失能量的物质，将极大地提高能耗效率。目前的超导体只能够在超低温下工作，这种室温超导体很可能就是存在的。
此外，在谈到AlphaGo时，许多包括柯洁在内的围棋选手对人工智能是一种接受和拥抱的态度。
? 他们将人工智能看作是一种能够帮助他们揭示围棋的奥妙、突破思维局限的途径，
? 同时他们也将此作为个人知识的补充和视野扩展的方式。
由此可见，人工智能拥有探索新知识的潜能，这点也将让全人类受益。DeepMind强调，AlphaGo与人类的关系绝不是对立的，反而是能够启发人类把这些新发现应用到其他新领域，以解决当前我们正面临的一些最重要最迫切的科学挑战。
不过当前的人工智能似乎还是显得略显稚嫩。与众多棋盘类的游戏一样，围棋的规则是有限的，因此计算机相对容易理解。但当其运用到其他领域时，AlphaGo的局限性就会展现出来。
// Hassabis表示：
AlphaGo是一个不错的开端，他们正试图构建通用的算法，让世界变得更美好。
DeepMind是人工智能领域探索的先行者之一。AlphaZero完全无需人为干预，只需要一定时间的自我训练学习，就能超越人类世界冠军。
不得不说这是算法和计算资源的胜利，更是人类的顶尖研究成果。相信DeepMind期望的能解决各种问题的通用 AI，迟早有一天将会实现。
本文来自大风号，仅代表大风号自媒体观点。
