柯洁没有将惊喜带给我们，最终告负，而这场为期五天的“人机大战”也以人类的完败而终结。如果说发生在去年的“李世石事件”是给了仍对人工智能略显迷茫的人们当头一棒的话，那么刚刚结束的比赛则是对人类执着的心理防线的彻底突破。
不得不说，通过这次比赛，我们见证到AlphaGo已经有了一个突飞猛进的成长，它甚至还会在第二场比赛中对柯洁的表现进行评估，而DT君也在发布会现场询问了Demis Hassabis和David Silver。David表示AlphaGo确实有这类评估机制来评判对手的表现，从而决定自己的下一步行动；而Hassabis则表示，他们也是首次看到人类棋手与AlphaGo的对局会如此胶着、难分胜负。
而在今天的比赛中，柯洁依然面临着巨大的压力，以至于他在比赛伊始感到有些为难。而在赛前，范廷钰九段表示，因为目前AlphaGo行棋并非按照最优解，而是较优解，所以可能无法给出黑棋到底应该贴多少目的精确答案，人类目前计算出了7路棋的最优解，但19路棋的变化多了太多。
在解说中，常昊谈到，虽然AlphaGo厉害，但是那是建立在学习了人类几百年的围棋知识的基础上。整体而言，人类对边角的判断好一点，但对于中腹，是不如AlphaGo的。在这种情况下，柯洁从一开始就把这场比赛带向了复杂化。
虽然围棋的故事或许已经结束了，但技术的发展却永远不会止步，研究人员们早已将人工智能的触角伸向了诸多即将被颠覆掉的行业和领域。也许用不了多久，类似于AlphaGo打败人类这样的历史性一幕就会天天在你我身边上演。
在游戏范围内，围棋已经被征服，研究者们又将目光投向了另一个门类——扑克。一款由阿尔伯塔大学计算机科学教授Michael Bowling带领的团队所开发的名为DeepStack的AI系统已经掌握了这项游戏，它不仅在一次匹兹堡赌场所进行的对战中击败了世界顶级的人类玩家，更是保持了45000场比赛全胜的纪录，根据研发团队的统计，DeepStack的胜率大概是专业玩家的9倍之多。
至于为什么会选择扑克作为AI发展的下一个突破口，主要在于它和象棋、围棋等棋类游戏相比，最大的特点就在于“不完全信息博弈”。类似于AlphaGo的AI系统可以轻易地在围棋比赛中击败对手，但却可能会在扑克赛中因为不确定因素的增加而受到干扰，进而无法作出正确的判断。
而和扑克极其类似的另一个门类就是知名的对战游戏——《星际争霸2》，考虑到其快节奏和复杂的游戏过程，DeepMind团队已经决定将其作为继围棋之后人工智能征服的下一个目标。在去年的11月，DeepMind已经宣布将会与开发《星际争霸2》的暴雪公司联手打造一款免费的API，来帮助研究人员测试《星际争霸2》人工智能算法，可想而知，一场在AlphaGo和顶级《星际争霸2》选手之间的比赛应该也很快就会上演。
更为重要的是，在与柯洁的对弈中，AlphaGo所表现出来的对全局的掌控和策略的运用已经大大超乎了人类的想象，故柯洁称之为“围棋上帝”。而这也就打消了对于人工智能是否拥有长期策略的质疑，再加上人工智能成百上千倍于人类的“手速”，我们有理由相信AlphaGo在《星际争霸2》的比赛中获胜也将是一个大概率事件。
当然，研究人员们可没打算一直将人工智能的应用仅仅局限于“游戏”这个小小的圈子里，就连DeepMind的创始人兼CEO哈萨比斯也是反复强调他对“通用型人工智能”的强烈期许。他在前几日在乌镇举办的AI论坛上描绘自己对于人工智能的展望。
图丨哈萨比斯
哈萨比斯说到，“就像围棋3000年以来都没有重大的突破一样，科学、技术、工程等领域也正面临着同样的瓶颈，我们发明AlphaGo，是希望能够借助AI这个新工具推动人类文明进步。我们需要解决不同领域的问题，而AI就是解决这些问题的一个最佳方式，从发现新的材料到新药物研制、治愈疾病，人工智能可以在各个领域发挥作用。”
有人想到，就会有人将它落到实地。AtomWise公司开发的AtomNet人工智能系统就已经被运用在了药物研发的早期阶段。AtomNet通过深度学习技术来预测化合物分子的行为和不同分子结合的可能性，通过图像识别的方式来学习分子间的相互作用。
这大大简化并加速了药物研发的早期阶段分析过程，科学家以往采取试错法和排除法来分析数以万计的天然和合成化合物，而现在在AtomNet的帮助下，几个月筛选百万种化合物的工作量只需要一天就可以完成。目前，AtomNet已经参与到了新药的研发之中，在应对埃博拉和多发性硬化症的新药研发中，AtomNet起到了很重要的作用。
除此以外，类似于人工智能在自动驾驶等交通领域的应用也早已见怪不怪，成了司空见惯的新闻了，相信在未来的5-10年之内，人类的出行方式将会有一个巨大的变革。
但人工智能就是永不满足，不仅仅是要改变工程技术领域的游戏规则，甚至连音乐创作这种主观性极高的艺术形式也要涉足。巴黎索尼计算机科学实验室的Gaetan Hadjeres和Francois Pachet两位科学家已经成功开发出一个名为DeepBach神经网络系统，它最大的特点就是可以创作出巴赫风格的清唱曲，作品足以以假乱真。
在一次双盲测试中，超过一半的听众都将DeepBach创作的音乐误认为是巴赫的作品，其中甚至还不乏专业的音乐家。而实际上，DeepBach所用到的机器学习技术也并非多么深不可测，依旧是传统的数据库训练神经网络的路径，但却已经取得了如此超乎意料的结果，可见AI的潜力是多么巨大！
不过，就当前的现状来看，大部分的业内人士都做出了一个相同的判断，那就是最先被人工智能“革命”的行业非金融业莫属。无数证据都已表明金融行业是离AI大规模商业化最近的行业之一。
在华尔街，似乎所有的金融巨头都在逐渐给自己贴上“科技公司”的标签，他们是这么说，也是这么做的。例如知名的投行高盛，它目前拥有约9000名计算机工程师，占到全部员工的1/3。而他们在实际的运营过程中发现，一名工程师的工作能力完全可以替代掉4名交易员，于是，一股自动化的浪潮席卷公司内部，高盛在纽约总部的美国现金股票交易柜台的交易员曾一度高达600人，而现在偌大的交易大厅却只有两个人值守。
图丨高盛加速交易自动化的步伐
英国金融分析公司Caolition就表示，如今金融业将近45％的交易都属于电子交易，这无疑给人工智能的介入提供了极大的便利。而一旦金融机构转型成功，将节省下超过75%的人力成本，这对那些锱铢必较的资本玩家来说可谓是诱惑极大。
对于为什么金融行业可以满足AI大规模商用，创新工场AI工程院副院长王咏刚给出了两点解释：
一、金融行业数据的质量和数量达到了一定的要求，尤其是在整个数据流程和每日的数据更新方面，这决定了AI发展的基础是否牢固；
二，金融行业所需要处理的问题相对来讲定义会更加清晰，更便于机器的处理。这也就使得金融行业可以在新兴技术面前做到捷足先登。
未来，在AI上帝的面前，一切行业和活动的游戏规则都将被改写，人类将会在强大的智能工具的帮助下创造一个更加不可思议的世界。也许在若干年后，人类与机器的关系或友善或敌对，但不论技术和时代如何变迁，也不论后世的传奇怎样精彩，我们都应该相信，这一切都开始于今天的这一盘小小的棋局，而我们每个人也终将成为这一伟大变革的见证人和亲历者。
