在今天備受矚目的人機圍棋大戰中，谷歌的人工智慧系統AlphaGo中盤戰勝了李世石，以1：0的戰局領先。其實關於這場對決，無論贏家是AlphaGo還是李世石，我們都早有心理準備，但聽聞李世石中盤認輸的消息，還是略感意外。世界頂尖的棋手選擇中盤認輸，說明他已無法看到翻盤的希望，選擇放棄，也說明在面對AlphaGo這樣一個人工智慧機器的時候，這位世界冠軍心理的不適應和敏感。而作為機器人的AlphaGo則不存在這個問題，它甚至能在開局不利的情況下及時「冷靜」的尋找出翻盤的策略，這是它恐怖的地方。
谷歌的AlphaGo是一套專為圍棋優化設計的深度學習人工智慧程序，它利用「價值網絡」去計算局面，用「策略網絡」去選擇下子。「價值網絡」能夠一邊推算一邊判斷局面，局面明顯劣勢的時候，就直接拋棄某些路線；而「策略網絡」負責當前的棋局，分析當前哪些棋步是不該走的，哪些棋步最有希望。他的關鍵詞是「深度學習」，可以從以往的大量棋譜中進行學習，並通過與自己的對弈來不斷改進。在此之前，它曾以5:0完勝歐洲圍棋冠軍、職業二段選手樊麾。
本次的人機對決也很容易讓人想到1997年IBM的「深藍」超級計算機以2勝1負3平戰勝當時世界排名第一的西洋棋大師卡斯帕羅夫，不過如今的AlphaGo和當時的「深藍」不可同日而語，甚至是有本質的不同，主要依靠強大的計算能力窮舉所有路數來選擇最佳策略，而AlphaGo真正更像人類，能夠根據已經學習的內容來判斷成本消耗，自己選擇最優方案。他的圍棋知識不僅是程式設計師遍進程序裡的，而主要是通過不斷的自我訓練和對局慢慢學習而來，這個過程沒有人類幹預。顯然，機器運算速度、數據存儲量都遠遠超過人類，學習的速度也顯然要遠比人類要快，所以在這一方面，它於某個時間點超過人類也是必然的事情。
可以想到，AlphaGo的深度學習技術、神經網絡技術、MCTS等等，這些都是基礎性的技術，也就是通用的，既然AlphaGo能在圍棋方面超過人類，那麼它也可以在其他領域做得比人類好，只要運用上述類似的底層技術，得到相應的解決方案應該不成問題。如果你對這個保持懷疑，那麼最好的例子應該就是同為谷歌在研發的無人駕駛汽車，沒錯，我們一直忽略或懷疑它在取代人類司機方面能夠做到什麼程度，經過這次AlphaGo首局戰勝李世石，我們應該能夠領略到這種深度學習技術的威力。無人駕駛汽車不比圍棋，不是遊戲，也更為複雜，所以它需要更多的時間來自我學習和總結，但是IT之家編輯相信，如果有一天谷歌正式拿出了無人駕駛汽車的正品，我們恐怕真得慢慢接受「司機下崗」這個事實了。而這也是人們擔心和恐慌的原因，賽前就有人將本次對局意義上升到「電腦能否戰勝人腦」，這種擔心並非無道理。此前人們引發過「機器人代工潮」導致失業率暴增的擔憂，根據預測，到2018年，全球將有130萬臺工業用機器人投入實際生產，從而大大削減企業的勞動力成本。而未來，人工智慧取代人類的，肯定不僅是工廠工人們做的那些活，護士、會計、律師助手、教師等等，各行各業，包括那些需要高級腦力勞動的崗位，都有可能被人工智慧機器人代替。
那怎麼辦？應該恐慌或是阻止？IT之家編輯認為，「水能載舟，亦能覆舟」，人工智慧就如水，如果人類能夠利用水的特性順勢而為，讓人工智慧解放人類的勞動，創造人類的無限財富、資源，能夠比人類本身做得更好。「老師」能夠教出最好的學生、「廚師」能夠做出最好的飯菜、「醫生」能夠完成完美的手術……而真正的人類，尋求更具創造性的活動。當然，人類也要把握好水湧流的運勢和規律，不讓其決堤，不讓人工智慧危害到人類自身的安危。相信後者，是人類在將自己的勞動完全交給人工智慧前，必須要解決的。
Alphabet董事長埃裡克·施密特說的是正確的：「無論誰勝誰敗，人類都是贏家」，AlphaGo或許能贏下最終的勝利，或許李世石能夠成為最終的勝者，但無論如何，這種人工智慧技術的大潮已經湧起，如果能夠完全駕馭技術並讓其為人類自身服務，今天的勝負，也就不那麼重要了。