在今年5月乌镇举办的围棋“人机大战”中，谷歌人工智能AlphaGo Master版以3:0战胜世界排名第一的中国棋手柯洁九段，并在此之后“光荣退役”。这个结果让柯洁本人和所有围棋选手都看到了AI的强大和难以战胜。
不过，近日的消息可能让柯洁喜忧参半。好消息是，柯洁大仇得报，那位退休的AI围棋大师（AlphaGo Master）被打败了，而且败的很惨；坏消息是，打败它的是Master的升级版AlphaGo Zero，更强的人工智能棋手。
而且从柯洁的微博来看，他感觉貌似是忧大于喜，比较不爽：
柯洁对于更强大的围棋AI，甚至是人工智能来说，看法有些悲观，甚至说出了“人类太多余”这种话。但实际上真像他认为的这样吗？
10月19日，DeepMind在《自然》杂志（Nature）上发表论文。在这篇名为《Mastering the game of Go without human knowledge》（《不使用人类知识掌握围棋》）的论文中，DeepMind展示了他们更强大的新版本围棋程序AlphaGo Zero，经过3天的自我学习，以100：0的比分完胜对阵李世石的旧版AlphaGo。
此时它对阵AlphaGo Master的成绩为压倒性的89：11，Master则是上面提到打败柯洁的版本；而经过40天的自我对弈之后，它最终以100战全胜的成绩全面超越了AlphaGo Master。这验证了即使在像围棋这样最具挑战性的领域，人工智能也可以通过纯强化学习的方法自我完善达到目的。
那么，如此强大的人工智能只能用来在围棋界独孤求败吗？正如马云的疑问“计算机下棋再强，有什么用？”，其实用处还是很多的。AlphaGo Zero今天赢了围棋，明天就能举一反三，做更多有实际意义的事，例如：
1、省电
每次AlphaGo的升级都伴随着算法的优化和硬件资源的节省，耗电量也是直线下降，如下图所示，目前为止4个版本的AlphaGo耗电量对比如下：
今年上半年谷歌方面曾经公布了其在2015年全年的数据中心耗电情况，当时谷歌一年的用电量为57亿千瓦时，如果以北京这种高人均用电的大城市做对比，这相当于北京712万人的用电量。在这样的数字上，仅仅是节省10%，也能够对成本和环境造成巨大影响。根据Deepmind的估算，如果全面推动AI实装到数据中心的话，最高可以达到15%的用电削减。
2、省钱
人工智能自我学习和强化学习的能力会让应用该技术的领域资源消耗量大幅缩减，省钱省时。比如在模拟蛋白质折叠研发新药、寻找新的化合材料等一些缺少数据或数据异常昂贵的领域，AlphaGo Zero的自我学习能力可以通过计算和模拟填补数据量不足的劣势，而且还不需要使用大量硬件来完成计算。这一点从AlphaGo进化过程中不断减少硬件消耗就可以看出。
3、省时
强大的计算和学习能力还可以大幅缩短整个工程完成的时间。例如“人类基因组计划”——对一个人的23对染色体进行全量测序。这个耗时13年，耗资超过10亿美元，由美国，中国，英国，日本，法国和德国6个国家20多所大学和研究机构完成的“世纪工程”，如今如果利用机器学习“再做一次”的周期大约为两周，成本大约为2万美金。而包括英特尔、华大基因、IBM和谷歌等在内的新科技公司，正在力图在2020年把这个数字降到24小时，1000美元。
再说一下全量基因测序的意义，这可以被认为是人类“攻克癌症”的重要一步，无论是在癌症的预防、筛查、优生还是对癌症药物的研究和治疗上，都会彻底改变现有癌症的现有诊疗方式。
毫无疑问，人工智能拥有探索新知识的潜能，这点将让全人类受益。DeepMind也强调，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。
目前看来，AlphaGo Zero的实际意义并不像柯洁所看到的那样悲观，和人类诞生以来发明的工具一样，人工智能无非也是弥补短板，帮助人类更好的战胜困难。AI比人类在某些方面强大是理所应当，就像汽车比人跑得快，只要运用合理，人工智能只能让我们的生活更美好。
