北京時間10月19日凌晨，谷歌旗下的人工智慧公司DeepMind在世界頂級科學雜誌《Nature》上宣布：新一代AlphaGo Zero可以在沒有人類干預下自我學習，而且僅自我學習三天，就以100比0的成績戰勝第一代AlphaGo。AlphaGo項目的主要負責人David Silver表示：「過去人們普遍認為機器學習是基於巨量的大數據，但是從AlphaGo Zero身上，我們發現演算法比數據更重要。」
AlphaGo於2015年10月問世，在與韓國棋手李世石對弈之前，它已經打敗了歐洲圍棋冠軍樊麾。樊麾曾表示，當時他認為，一個電腦程式不可能打敗職業棋手，結果，他以0比5輸給了AlphaGo。他也因此加入DeepMind團隊，幫助訓練AlphaGo。
2016年3月，AlphaGo以4比1的成績打敗頂尖棋手李世石；2017年初，AlphaGo化名為「Master」，在網路上挑戰60名人類棋手，保持全勝；2017年5月，以3比0戰勝目前人類最強棋手中國棋王柯潔。
5個月後，第三代AlphaGo Zero問世，僅僅自學了三天，就分別擊敗了第一代AlphaGo和第二代AlphaGo Master。面對無師自通碾壓一切前輩的AlphaGo Zero，柯潔說：「人類顯得太多餘了……」
柯潔被認為是圍棋天才，6歲開始學棋，17歲時在世界排名第一。一個人類天才學習了十幾年，被Alpha Zero用三天時間超越。
DeepMind在《Nature》的論文公布後，悲觀、甚至恐慌的情緒蔓延，甚至有媒體一本正經地探討「未來是《魔鬼終結者》還是《駭客任務》」。
人控的「無師自通」
在AlphaGo Zero下棋的過程中，人類知識和經驗真的一點用都沒有嗎？事實並非如此。
據業內專家介紹，AlphaGo Zero並非沒有從人類的對局經驗和數據中學習，但這個演算法依然需要人類向它灌輸圍棋的規則：哪些地方可以落子、怎樣才算獲勝等。這一版去掉了人類教授棋譜的過程，一開始訓練時，AI（人工智慧）落子完全是隨機的，AlphaGo團隊的負責人David Silver透露，它一開始甚至會把開局第一手下在1-1（棋盤上不占目數的位置）。在和自己對弈過程中，演算法才逐漸掌握了勝利祕訣。Zero的確可說是第一次做到了無師自通。
然而，AlphaGo Zero雖然在棋盤上「威風八面」，但圍棋規則以及判定棋局輸贏，依然需要人類預先「設定」。所以「人類無用」、「機器可以自己產生認知」之說，都是錯誤理解。
「全面碾壓人類」實為空談
AlphaGo Zero發布後，媒體詢問：「這個演算法以後會用在哪些其他領域？」網友擔心：「這個AI會不會在各個領域全面碾壓人類？」
DeepMind聯合創始人哈薩比斯（Demis Hassabis）說，AlphaGo團隊的成員都已經轉移到其他團隊，嘗試將這項技術用到其他領域。
DeepMind期待AlphaGo Zero解決的是「其他結構性問題」，例如：蛋白質摺疊、降低能耗、尋找革命性的新材料。哈薩比斯說，AlphaGo可以看做是一個在複雜數據中進行搜尋的機器，包括新藥發現、量子化學、粒子物理學，也是AlphaGo可能大展拳腳的領域。
然而，AlphaGo Zero能否真的能迅速移植到其他領域呢？
有專業人士認為，這需要先了解它現在所解決的問題——圍棋具有哪些特性。首先，圍棋可以復盤，是能夠完美重現的演算法模型；其次，圍棋對弈雙方只有二個，訊息完全可觀測，不像在麻將、撲克裡，觀測不到對手的訊息；最後也是最重要的一點，圍棋對局可以用電腦迅速模擬，很快輸出輸贏信號。
這些圍棋特性對AlphaGo演算法的影響至關重要，因為能快速輸出結果反饋，才有了AlphaGo Zero創造的「無師自通」的奇蹟。
對比其他領域，幾乎都比圍棋還要複雜，例如：「發現新藥」問題，這和下圍棋有非常顯著的區別，就是「輸贏信號」能不能很快輸出。新藥品很多內部的結構需要通過搜索後，再製成藥，再到如何檢驗這個藥有效，這個閉環的代價非常昂貴、非常慢，現階段幾乎不可能。
這些現實讓AlphaGo強大的「自我學習」能力施展不了。不難推想，AlphaGo Zero在某些小領域內可以做得非常好，但其實並沒有「全面碾壓人類」的潛力。
分析人士認為，AlphaGo Zero的工程和演算法確實非常厲害。但千萬不要對此產生誤解，認為人工智慧是萬能的，所有人工智慧都可以無需人類經驗從零學習，得出人工智慧威脅論。AlphaGo Zero證明了AI在快速發展，讓我們看到在有些領域可以不用人類知識、人類數據、人類引導就做出突破。但是，AlphaGo Zero只能在單一簡單領域應用，更不具有自主思考、設定目標、創意、自我意識。即便聰明如AlphaGo Zero，也只能是人類給下定目標後，再由AI做好數字最佳化而已。
