人工智能 （計算機科學的一個分支）

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

人機對戰

圍棋人機大戰

圍棋人機大戰，是指人類頂尖圍棋手與計算機頂級圍棋程序之間的圍棋比賽，特指韓國圍棋九段棋手李世石、中國圍棋九段棋手柯潔分別與人工智能圍棋程序“阿爾法圍棋”（AlphaGo）之間的兩場比賽。第一場為2016年3月9日至15日在韓國首爾進行的五番棋比賽，阿爾法圍棋以總比分4比1戰勝李世石；第二場為2017年5月23日至27日在中國嘉興烏鎮進行的三番棋比賽，阿爾法圍棋以總比分3比0戰勝世界排名第一的柯潔。

AlphaGo為何如此聰明？它能從錯誤中學習經驗

AlphaGo能從自己犯的錯誤中獲得教訓
據DeepMind的研究人員透露，AlphaGo按照蒙特卡羅樹搜索（MCTS）算法和“深度”中立網絡的形式整合了機器學習，這種深度中立網絡一直通過監督學習方式進行培訓。（AlphaGo的培訓機制也包括向人力專家發揮和自主發揮過程學習。）
AlphaGo也實現了某種程度上的人工智能。例如，AlphaGo能夠從自己的錯誤中獲得教訓，同時還能夠從其他方面體會失敗與成功的經驗。此外，AlphaGo還能夠通過其自我培訓機器學習算法來改變和提升自己。這不會讓其成為強人工智能，但卻是一種旨在針對特殊任務的專門程序。AlphaGo並未真正地“學習”，主要是因為其未真正地思考。例如，並不存在“自身”，在AlphaGo的世界，這就是一種將自身視作目標的反射性認知，或者是一種理性認識的先決條件。AlphaGo沒有一個世界，主要是因為“世界”是一個抽象的概念。

“阿爾法”獲勝卻留一硬傷:無法體會對弈快樂

對於長於“計算”的電腦來説，圍棋的難度在很大程度上來自於19X19路棋盤背後所藴含的數量巨大的變化，這是以“窮盡法”為基石擊敗卡斯帕羅夫的“更深的藍”沒能超越的。如今，蒙特卡羅樹搜索、“深度學習”、價值判斷等技術的出現，並沒有真正讓電腦像人那樣思維，只是用“排除法”大大縮小了電腦需要計算的變化的範圍，從而讓“窮盡”成為可能。
粗通圍棋的人應該明白，經過一些基礎的訓練，對局者就可以大致判斷出哪些着法合理，哪些着法不必考慮，頂尖高手更是長於對一步棋的價值的判斷。然而，包括阿爾法在內的電腦卻不具備這種“舉一反三”的能力。據悉，“阿爾法圍棋”擁有15萬職業棋手的棋譜、上百萬業餘棋手的棋譜、自我對弈3000萬局，頗有些水滴石穿、笨鳥先飛的味道。打個比方，在一片沙灘上找到幾個足球對於人類而言易如反掌，可是“阿爾法狗們”卻需要試着排除每一粒沙子，只不過他們判斷沙子的速度非常之快。圍棋人工智能的突破的確令人驚歎，但目前看來它似乎更多還是一種量的累積，而非質的飛躍。

所以：人工智能也還遠遠沒有真的趕上人類！