今天Alphago的4∶1完勝，Alphago的最先獲三勝，讓我吃驚、震撼、失望、迷茫和極度的擔憂。我自己從事數據預測以及數據挖掘的教學，Alphago中的蒙特卡洛樹算法我曾經教過學生。當時，我就覺得非常有趣，但是，這些算法實際使用時會存在一個巨大的問題，就是現實世界對結果的影響變量太多，所以這些決策算法的結果只能供決策者決策時參考。
經過比較詳細研究Alphago的算法發現，它在佈局階段的前20步採用人類經驗，之後開始在人類經驗的基礎上融入了自己學習的權重，變得更加的理性以及所謂的大局觀。由於圍棋的複雜性，Alphago也不能在每步都能精確地知道當前棋盤中所有下法的勝率。所以，他採用的是在可以期待的近期(20步以內)綜合價值和勝率會超過50%的走法。從這幾點來看，這次的機器戰勝遠超過國際象棋中人類被戰勝的意義。Alphago的算法是一種新的適應機器的思維，發揮了機器的強項，彌補了機器的短處。這非常讓人感到害怕、悲觀和失望。因為，人生就是一盤棋局。如果50年後，有一個智能科技機器助手，它不能告訴你最終的未來，但是可以告訴你在幾年內的未來，你該如何是好?那這是不是一種宿命論?事實上，筆者在教授數據分析課程的這幾年中，一直在宿命論和未來不確定性兩種相對的觀點中搖擺。數據統計已經有足夠的算法和可靠的實踐在某些方面做出人類無法預計或預見的準確預測，只不過那些領域還很小，比如，庫存的預測、銷量的預測，等等。數據已經在顯示其巨大的價值，而一旦數據預測技術能夠輸入足夠多的變量，採用類似Alphago或更加高級的算法，進而對你個人、你所在組織、公司、國家的短期未來甚至是長期未來做出80%、甚至是90%的準確預測，你會怎樣去接受這樣的未來?!當然，不確定性仍會存在，這是一個好消息。在此，我對Alphago事件嘗試做一些思考分析。
一、Alphago戰勝人類的幾種可能的基礎
mind公司用十年的時間磨練，修改算法，雖然在算法上沒有創新，但是如何融合已有算、如何調整權重等多個方面，仍然是做了大量、艱苦的工作。
le擁有超級大量的計算資源供Alphago的使用，也就是説目前機器學習的過程非常的耗費時間以及計算資源。按照以往的經驗，20年內，我們使用的桌面型機器就應該能夠支撐起Alphago目前所需的計算資源。從現在開始，再過30-40年，可能Alphago這個“古老”的程序只需要幾天就能完成現在幾個月所需的機器學習時間。
3.在硬件上CPU和GPU的協同調度，以及分佈式的運算的運用，大大加快的計算的速度。這也是近幾年軟硬件基礎發展奠定的基礎。
ago 在擊敗歐洲冠軍時進行了嚴格的保密，説明當時Alphago團隊當時也並不是很自信能夠戰勝。事實上，我認為，在這次比賽開始前，他們仍然沒有這個把握，仍然應該認為是一半對一半的勝率。但是，哪怕輸了，也沒有關係，反正繼續讓Alphago學習後再提升。
ago對戰時採用方式近似的模擬了人腦的信息的處理方式，只不過速度更快。所以，Alphago也不能百分之百的勝率，但是隨着學習的時間不斷增加，最終會遠遠超過人類。
二、Alphago圍棋人機大戰事件將會產生的影響：
1.個人，組織，公司，國家間的競爭將會更加重視人工智能的策略參考。人類的思考開始依賴於機器的理性，人的決策變得更加的理性，情感的因素會不斷下降，也意味着更加沒有人情味。這必然會影響到人類的'進化進程。
2.人與機器的關係需要重新的思考，人應該如何同機器共存。
3. IT行業的人力資源需求將大規模增長，而有些行業將大規模失業。
4.基因技術、可控核聚變、機器人技術、人工智能這些技術都將對人類產生重大意義的影響，但是如何控制好這些技術將成為一個重大的問題，否則任何一個技術都可能毀滅人類。為了控制好這些技術，需要從現在開始立即進行大量的辯論及監督審查。
ago在最終在決定某個落子的評分中，其權重為人類經驗參數同左右互搏這種機器學習得來的概率參數各佔50%。Alpago團隊曾經調整過不同的權重，但是經過實驗發現各佔50%時的最終勝率最高。這一數據是否在暗示，如果要戰勝人類就必須首先理解人類的思考，否則就無法做到青出於藍而勝於藍。但是，在理解人類思考的同時，也會無法避免地繼承人類的弱點，這也是Alphago最終會有失敗的一局。另外，在具體的步驟中，也不是每步都是完美的。可能這也許是人工智能能夠超越人類，但是可能無法毀滅人類的重要一點。因為，如果人工智能自己最終學會思考，相信人工智能最終會參透，或許最符合人工智能自身的利益生存方式是同人類共存，而不是消滅人類。
三、Alphago圍棋事件可能對教育領域的產生的影響
ago算法有較強的通用性，但也有很多的限制。首先為了更加精確，需要大樣本量的學習，Alphago為了加快學習進度在學習現有人類棋盤的基礎上，開始自己與自己互博，加快學習的速度。這點在通用領域中實現有一定的難度。在教育領域中，目前比較適合Alphago算法快速進入的領域的是在線課程的學習。
2.在線課程的學習目前來説僅僅完成了內容的提供，如何編排現有的課程已達到最高的學習效率，這點目前還沒有引入人工智能方法。如果引入，將會對教學的方法理論產生一定的影響，甚至會影響到線下課程順序的設計安排。
3.多媒體材料的類型的挖掘，不同類型的媒體會帶來不同的教學效果，人工智能在這個領域有助於通過大數據分析統計出在認知不同階段採用何種類型的教學媒體效果最好。
4.個性化的學習，引入Alphago算法後的人工智能，會為個性化學習帶來天翻地覆的變化。通過攝像頭對學習者情緒的監控，結合學習過程中不間斷的學習效果的評估，可以會帶來真正意義上的個性化學習。
5.真正意義上的個性化學習會對分層教學產生深遠的影響，因為學習的進度快慢會非常容易的將不同學習能力的學習者分類，教育會不知不覺走向過程和結果的不公平。
6.目前，已經有在線課程網站同招聘網站結合的構想，利用在線學習的記錄，為僱主提供是否僱傭的參考。未來可能會更加大規模地出現該類現象，未來各級各類學校的升學也可能會更加依賴機器或網站記錄的學習過程，同時造成新的學習能力歧視。但是，這樣針對個體的不公平，卻可以帶來整個組織以及國家的利益最大化，將來如何面對這樣的不公平，會成為一個重要的討論話題。
ago通過在線教學領域的挖掘最終也會或多或少的影響到傳統的教學。如在教師多媒體的選擇標準、課程順序及進度的選擇。但是，在遠遠沒有量化的教學領域，還有很長的路需要走，而一旦傳統的教學領域被量化，如學生的表情、情緒、反應等，那麼教師這個職業將同今天的圍棋一樣，不得不慎重的思考接受一個類似上帝的理性的人工智能的建議。另外，最快掌握這一技術的組織和國家，將獲得先發的優勢。
四、Alphago圍棋事件可能對職業教育領域的產生的影響
1.大量的主要是重複性的工作，儘管需要一定的隨機應變能力的工作，將會在30～50年逐步被人工智能所替代。這些職業中的低層次職員將被大量地解僱。這一點提醒職業教育的層次需要不斷地上移，為符合人力資源市場的需求及保證國家的競爭力，職業教育中本科教育及研究生教育的比例將逐步加大。
2.工廠的工人將被大量的機械手臂代替，全自動化的工廠將越來越多。儘管處於邁向老齡化的社會，卻並不能保證年輕人足夠的就業崗位。IT產業的人力需求將越來越大，各個產業的從業者都將儲存一定的人工智能的知識，以便同智能機器助手更好地共存。
3.職業教育的過程將更多地信息化，如教學資源庫使用將更加類似於在線教學。通過物聯網技術，教學的過程被更加地量化，實踐操作的過程中實現較高精度的量化，實踐教學的效率極大地提高。但是，工業領域的職業中的實踐教學的比例將大幅度下降，由於機械臂的大規模採用，實踐教學將被機械臂的操作實踐教學大規模替代。對於人工智能分析、操作以及針對不同環境進行適應性調整的能力將成為大部分職業必修的課程。
4.有必要考慮培養學生的機器思維的理解能力，讓學生能夠理解人工智能的思維的方式，理解這種更加冷靜的思維方式。同時，也要讓學生明白人工智能不是萬能，也會犯錯，需要保持警惕，不可過分依賴人工智能。
5.在職業道德的教育中需要充分的討論人與智能機器之間的關係，以及如何看待智能機器，應該擬物化的看待智能機器抑或是擬人化的看待?如果擬人化的看待，那麼，擬人化到何種程度?如果面臨險境，是否會因為情感因素去拯救智能機器而犧牲自己?等一系列的問題。
文學範文吧
