AlphaGo和柯洁的三番棋大战，AlphaGo毫无悬念地以3:0完胜结束。柯洁在赛后说：“AlphaGo太完美了……我一直在改变自己，而AlphaGo改变的是整个世界。”AlphaGo团队也在赛后宣布，AlphaGo从此将不再参加竞技比赛，不过作为献给围棋爱好者的礼物，AlphaGo团队将公布AlphaGo自我对弈的50盘棋谱，以帮助加深人类对围棋这个古老游戏的理解。
2016年10月29日摄于上海崇明岛
在研究了AlphaGo自我对弈的第一批10盘棋谱后，我的朋友李方说：“潘多拉盒子讲的是灾难，荆轲地图代表了阴谋，而AlphaGo意味着绝望：它向人类揭示了生物和机器在信息处理方式上的本质差异。”这个差异就在于，人类偶尔会站在全局看问题，但不可能总是保持这种上帝视角，人的生物弱点决定了，这不可能，可是，“AlphaGo的每一步棋，它在局部跟你战斗，但它永远看着整个棋盘。”（见《人类在潘多拉盒子、荆轲地图之后收到了第三份最重要的礼物：10张棋谱》）
被AlphaGo击败的第一名人类职业围棋手，后来加入了AlphaGo团队的樊麾这样描述AlphaGo自我对弈的那些棋局：这样的对局仿佛来自未来。
AlphaGo从师从人类，学习人类已有的棋谱开始，到彻底甩开人类对围棋的所有洞见、成见和偏见，忘掉人类既有的全部定式和手筋，从零开始完全自学成才，前后仅仅经过两年时间，便学成了聂卫平所说的“至少20段”的神一般的棋手。AlphaGo向我们展示了人工智能的可怕潜能。
然而，开发出AlphaGo的DeepMind公司却从来都不是一家专注于围棋事业的公司，他们选择了围棋，只是因为围棋是完全信息博弈的最高峰，DeepMind创始人哈萨比斯说，“它一直是人工智能研究中的一个圣杯”。如果围棋可以被攻克，那么其他大量适用于完全信息博弈的问题或许都可以得到解决。哈萨比斯说，我们对一个东西感兴趣，前提是它跟我们的研究项目在同一条道上。这就是为什么他们看上了围棋，而不是更抓眼球的机器人。
马云在数博会上演讲
马云说“下围棋本来的乐趣就是对方下一步臭棋搞他一把”，显然是因为他不懂围棋，被聂卫平怼也不奇怪。但他说“中国公司别再去搞AlphaGo这样的东西了，没多大意义”，“机器要做的是人类做不到的事情，这才叫本事”，又显然是因为他不懂人工智能。如果人工智能可以把围棋下得比人类更好，好一大截，算不算做人类做不到的事情？
和柯洁的比赛结束后，哈萨比斯专门撰文表示，从现在开始，AlphaGo的研发团队将把精力投入到其它重大挑战中，研发出高级通用算法，为科学家们解决最复杂的问题提供帮助，包括找到新的疾病治疗方法、显著降低能源消耗、发明革命性的新材料等。如果人工智能能够在上述领域发现新的知识和策略，那在这些领域的突破将十分可观。“我们已经迫不及待地想看到这一切的发生。”
没错，围棋只是DeepMind整个棋局的一个极小的局部，正像当年打败了人类国际象棋大师的超级电脑深蓝，也仅是IBM整个棋局的一个局部，IBM从来都不热爱国际象棋，更不会让自己成为一家经营国际象棋的公司。更多AlphaGo解读：www.yangfenzi.com/tag/alphago
对人工智能还有一种普遍的误解，就是将人工智能简化或者具象成某种物理的“机器”，因此人和人工智能程序的围棋比赛就成了“人机大战”，因此包括马云在内的很多人会拿人工智能跟过去的火车、飞机相提并论，仿佛人和人工智能程序下棋拼智力，等同于人跟汽车、火车比速度。但正如哈萨比斯所说，我们现有的这些机器，四肢可能比较发达，但智能根本谈不上。
一旦人工智能被矮化为某种具体的机器，或者机器被拔高为人工智能（这种事情不断地在好莱坞电影中发生），我们的眼界就会被局限在一个非常小的局部，并且以为这个局部就是整个棋局的全部。
马云看不上AlphaGo，可能是真的不明白人工智能是一系列的技术创新，这种创新本身要比将创新成果实用化重要得多；另一个可能，是马云假装看不上AlphaGo，目的是为了推销他的所谓的“新能源”——数据，这是阿里巴巴最有优势的资源。不过我更认同李彦宏的看法，数据就像媒，煤老板并不能引发能源革命，倘若没有瓦特发明的蒸汽机，煤终究只是煤而已，成不了工业革命的驱动力。
能源很重要，但技术创新才是关键。人工智能就是这个时代的蒸汽机，或者是哈萨比斯所说的望远镜，但无论如何都不仅仅是一台会下围棋的“机器”。
【文/keso（keso怎么看 微信号：kesoview）】
——————— 氧分子网（www.yangfenzi.com）精选评论 ———————
巴斯：最近国内某度的人工智能PPT怎么看？keso回复：PPT上的错误，可能让很多人忽视了真正的焦点。人太容易被无关紧要的东西拿走注意力了，这也是今日头条成功的原因。小李子：我觉得AlphaGo也是deepmind全球营销的一招大棋。
Thomas：我看下象棋就是布局和棋路，本质上不过是利用对方一些失误取胜，围棋会有不同吗？可能围棋是人类智慧史的一个里程碑，但我认为远远代表不了人类智慧，哪怕万分之一，更不要说能去主动去创立像当今一套建立在符号/观察/假说/修正/形式上的物理理论。除非叫天工智能而不是人工…keso回复：围棋和象棋是完全不同的两种棋，不具可比性。围棋更像宇宙，简单的原理产生无穷无尽的变化。孙奇：阿里的数据具有垄断性，就算别人有再牛逼的算法，没数据，就没有生长和发展的土壤。撒哈拉的茄子：我也认同李彦宏说的，技术创新才是根本，数据只是用于技术的“能源”！
ldd：不懂围棋的话，很难理解”AlphaGo给围棋界带来的岂止是震惊”。围棋上有人类赖以骄傲的“直觉”，虽然人类不能推算出50步以后是怎样，但却能凭直觉感知到相邻的A点和B点哪个更好。AlphaGo不仅有了和人类类似的“直觉”，还通过“直觉”发现了人类想不到的C点，并得到了大师的认同。AlphaGo带给围棋的是一个个C点，带给人工智能界的是这跟穷举无关的、惊人的“直觉”。买到。一点也不懂围棋的人，只要看过与柯洁对战的一两盘，就能理解那种震惊感。没法翻墙看视频的，闲鱼里就能。
Ivan Huang：看到了很多比喻，是不是当人们试图论述某种观点或描述某种复杂的事物的时候会倾向于将之与某种已知的比较通俗易懂的观点或事物进行比较，但往往这两者之间的关联性有待商榷？个人感觉更精确的一种论述方式是从上到下分割成简单的小块从而达到化繁为简的目的，不过这样可能有兴趣读的人就变少了。。。keso回复：是的，人有时候会简化问题到曲解问题的程度，同时让自己的思维进一步迎合被曲解了的问题。
Silence：Keso 看东西很清晰，但感觉稍有偏见。我认为阿法能战胜人类的关键在于规则，围棋的衍生规则和结束目标都很简单，尽管中间过程可能很复杂。而我们实际遇到的问题却多是没有固定规则的，比如新能源，我们连能源的边界都不清楚，让算法来解决应该还太过缥缈。大胆一点讲，如果这个世界是有确定规则的，那么人工智能终将战胜我们，但如果这个世界本来就没有规则可循，那局部的最优才是唯一的选择。
一寸短一寸险：就是黑客帝国演的那样，矩阵只有在处理具体问题的时候，才需要特工这样的狗腿子，但是矩阵自己是没必要直接变成特工和尼奥打架斗殴的。非要把人工智能理解成很聪明的有胳膊有腿儿的机器人，只不过是一种一厢情愿而已。春泥村雨：有数据的公司很多，传统行业哪个公司没几本数据，但能做分析的很少，脑补了一下这样一个场景，将来有一个基于多层神经网络深度学习的通用人工智能（专用的也行），给各企业处理数据。海盗：那句“没用过微信支付”由言在耳啊。搞产品你不行，搞战略你行。搞产品和战略，有人都行。基因不同，有些不懂的还是少说，一是打脸，二是一大帮子人都看着打脸呢！
小苹果：1，请问阿法狗的原理是穷举吗？我之前搜到的解释是神经网络，具体的理论我看不太懂，我个人的理解是优化过的穷举，所以有此一问。2，您觉得机器有没有可能产生自我意识？柯洁说他感受不到阿法狗对围棋的热爱，所以我很好奇，它们能不能进化到产生自我意识？或者产生对围棋的热爱？谢谢。在任何领域机器能战胜人，我都不觉得惊讶。keso回复：人会爱，会恨，会懊恼，会沮丧，程序永远不会。
Haipeng：我个人理解，把人脑和现在的AI比做人和火车赛跑没什么不妥，人和火车比的是体力、耐力，人和AI比的是计算力。现在的AI算法走的都是同一个路子，都是靠loss function来进行收敛的。最新的深度学习方法是大大提高了feature提取效率，原来都是靠人手工做feature engineering。这种AI学习方式最有效解决的就是目标明确，学习路径确定的问题，也就是这种完全信息博弈问题。所以你会看到今日头条给你推荐的东西越来越 low，而你和你朋友聊天却总有一些新发现，会觉得更有意思，这种场景现在的AI还不会呢。如果和现在的AI谈恋爱，你的AI恋人很快就会变成黄赌毒集一身的恶魔。所以回到完全信息博弈的问题，人面对这种问题只能看出个大概，但是算不明白，差距就在计算力上，记忆容量，耐力，体力等等。拙见，欢迎指正。
夏布：马云不知道是膨胀了还是本来如此，前段时间对快递公司一番讲话感觉想恐吓，这个怼阿法狗更觉得这人傲慢无礼，其实他的公司并不是不可替代，哪一天倒下立马新的电子购物平台就会出来。Mo Li：这种创新本身要比将创新成果实用化重要得多——这句话精辟！做人工智能的人只是确认一种方向，但能走到哪里，他们也是观众……但愿不是惊悚！大凡ATR：有没有这样的可能，即人类会让AI避开自身物种的缺陷，完成自己无法完成的那部分工作，把AI当作协作的伙伴。那么人类越是能正视自己，放弃主宰一切的幻念，与AI的协作效率也能发挥达到最大。
——————— 氧分子网（www.yangfenzi.com）延伸阅读 ———————
人类在潘多拉盒子、荆轲地图之后收到了第三份最重要的礼物：10张棋谱
来源：叔的刀法（微信id：lifang19680320）
输掉第三盘后，柯洁哭了。
然后Deepmind放出了阿法狗自己跟自己下的10局棋谱。据说这是阿法狗送给人类的最后的礼物。
作为一个围棋爱好者和互联网从业者，我拆开了这份礼物。
我想说……可能……给我一点胆量说出来……
可能，这是继潘多拉盒子、荆轲地图之后，人类收到的第三份最重要的礼物。不会下围棋的人不能懂，我看到了什么。更多柯洁解读：www.yangfenzi.com/tag/kejie
柯洁和阿法狗的三盘棋，完全是未来人类和天网或者Matrix的预演吧！电影里边，人类总能找到制胜之道。然而柯洁的经历证明，这是不可能的……
你们不懂棋不能理解，我一个中等class的业余爱好者恐怕比你们也好不到哪去，但我还是从阿法狗自己跟自己下的棋谱里边看到了一些东西。我尝试来告诉你们。
它下每一步，它的“眼睛”都是看着整个棋盘的。
很平常的一句话？这有什么？当然有。人类的顶级棋手，他们有良好的大局观。他们养成了良好的习惯，经常从整个棋盘的角度来看问题。但同时，整个棋盘又是由一个一个局部构成的，在这些局部形成纠缠和战斗。当人类棋手进入局部战斗的时候，可能他心里依然经常想起来要从全局的角度看一下，但事实上最冷静的棋手也不可能做到，就像你在炒菜的时候不可能永远看着整个锅，顶多你会偶尔瞥上一眼。
这是生物的弱点！本质上生物是个能量交换器，也是信息处理器。生物个体永远不可能像上帝那样处理全部信息（所以我们说上帝全知全能），而只能把有限的信息处理能力聚焦到最需要解决问题的地方。拿围棋来说，连业余爱好者都懂得要时刻关注全局，也就是把信息处理工作扩展到整个棋盘。但只要你是人类，你的生物局限和进化本能注定了你做不到。职业棋手，他们只是由于天赋和大量训练而做得更好一点而已；如果有位棋手每一步棋都能从全局角度来做出决定，我可以肯定地说，他不是人，因为根本违背了生物处理信息的方式。
因此，它只能是机器。今天，它的名字叫阿法狗。
阿法狗的每一步棋，它在局部跟你战斗，但它永远看着整个棋盘。过往我们猜想，阿法狗可能比人类棋手算得更精准。但现在看来，算得更精准并不是它的首要目标，基于整个棋盘的信息处理方式才是它的精髓所在。我想，只有看过它自己跟自己下的棋谱，才会真正理解了它的强大。它颠覆了人类作为生物万古以来进化形成的信息处理方式。
我想，我终于讲清楚了。柯洁哭着说：“它真的太完美了……没有一丝获胜的希望。”
所以，如果未来人类必须与天网或Matrix正面对决，由于生命体处理信息的本质局限，人类是没有任何获胜机会的。当然科幻电影可以继续用勇气、运气、牺牲、爱这些虚幻因素来完成人类的逆转，但今天我们终于知道，信息处理能力和信息处理方式，决定了人类在未来的对决中毫无机会。
这样一份礼物，是值得和潘多拉盒子、荆轲地图并列的。潘多拉盒子讲的是灾难，荆轲地图代表了阴谋，而阿法狗意味着绝望：它向人类揭示了生物和机器在信息处理方式上的本质差异。
所以Deepmind团队宣布，在围棋领域，人机对决永远结束了。
这种冲击可能是颠覆性的。过往，我们把“聚焦”、“关注主要矛盾”、“解决主要问题”等当作难得的、值得拼命追求的能力和美德。今天我们开始明白，这些能力和美德，只是生物信息处理能力局限下的被动选择；当你不再拘泥于生物体本身，可能这些东西就不再意味着能力和美德，而是赤裸裸的缺憾和宿命。
在这个意义上，一个新世界向我们展开了。
未来并不总意味着美好，但未来必将到来。人类需要小心翼翼地做好准备。
张柏芝37岁生日快乐！烟龄10年、11处纹身、12处穿孔、喜欢收集带有粗口的饰品的张柏芝，生日快乐！
·氧分子网（http://www.yangfenzi.com）综合整理
·氧分子网（http://www.yangfenzi.com）延伸阅读：
➤ 不敌谷歌AlphaGo|柯洁根本就不是输给了人工智能，而是输给了…
➤ 《自然》论文详解：AlphaGo 背后的深度神经网络和树搜索
➤ 棋盘上打败人类的不止深蓝和AlphaGo！图灵、香农、冯·诺依曼
➤ AlphaGo之父戴密斯·哈萨比斯：除了下围棋，AI还要塑造人类未来
▲马云接受 CNBC 采访
文 | 若朴 来源 | 量子位
ID：QbitAI
Jack Ma（马云英文名）再次语出惊人。
阿里巴巴创始人马云日前赴美，出席在底特律召开的 Gateway ‘17 大会。期间，马云接受 CNBC 主持人 David Faber 专访时，围绕电子商务、全球化和人工智能等话题展开广泛的讨论。其中就包括标题上那句。
以下是这次采访中的亮点：
01 再谈人工智能
什么让马云一直在路上？他自己的回答是：人工智能和全球化带来的机遇和风险。
“这就是我为什么一直在旅行，和各种政府领导人对话，告诉他们必须行动迅速，否则就会陷入麻烦之中”，马云继续说“所以当我们看到有些事即将到来时，现在就应该开始准备。我的信念是四个字：未雨绸缪。”
马云眼中人工智能的好处，可能包括人类可以更少的工作，更多的旅行。
“我想在未来的 30 年中，人们每天只需工作四小时，每周可能只需要工作四天”，展望之外马云还回顾了历史：“我爷爷那辈每天在田里工作 16 个小时，觉得自己很忙；而我们现在每天工作 8 个小时，一周工作 5 天，也觉得自己很忙”。
他另外补充说，可能原来人们一辈子可以抵达 30 个地方旅行访问，那么在未来三十年里，这个数字将会变成 300 个。
当然马云也说例如老板和工人之间的贫富差距，将会因为数据和自动化而进一步加剧，除非政府部门愿意做出一些“艰难的决定”。
“第一次技术革命引爆第一次世界大战，第二次技术革命引爆第二次世界大战”，马云顺着这个思路推导：随着机器学习和人工智能不断取代人类工作，马云说：“第三次技术革命可能会引爆第三次世界大战”。
马云提醒世界领导人们应该更加注重教育体系，以避免自动化带来的痛苦，政府应该帮助劳动者学习适应新的工作岗位。
“我不认为应该造出像人类一样的机器”，马云再次重申：“我们应该让机器去做那些人类做不到的事情”。马云说机器永远不可能拥有人类的指挥和经验。即使技术再如何进步，马云也不相信人工智能会取代人类的智慧。
马云说：“胜利属于人类”。
02 正在缩水的巨头
类似像苹果、Alphabet（Google 母公司）、亚马逊这类全球最大的公众公司，已经在竞争中处于主导地位，甚至有批评者表示这种优势已达垄断的地步。
但在马云看来，随着越来越多的小企业开始接触互联网，这些巨头公司的实力正在下降。“大规模等同千篇一律”马云说：“个性化、定制化才是未来”。
今年一月与当选总统特朗普会面时，马云曾说阿里巴巴计划未来五年在美国提供 100 万个就业机会，主要通过促进小企业的销量而达成。
而这次马云美国之行，就是为了让美国小企业能更方便地通过阿里巴巴销售产品。
“解决就业问题最好的办法之一，就是帮助小企业把当地的产品带向全球市场”，马云说“我们现在就要做好准备，因为（技术改变等原因）未来 30 年并不好过”。
谈到贸易和全球化。马云相信，越来越多的“美国制造”商品，可能对中国日益增长的中产阶级来说，是个完美的选择。马云透露刚刚过去的周末，阿里巴巴在 15 分钟内出售了 200 万支美国制造的口红。
03 马云语录之 AI 特辑
“我讨厌谈论 AI，只有那些没有数据的公司才喜欢谈论 AI”，马云这个月初在阿里巴巴 2017 投资者日大会上表示，“阿里其实从来不谈 AI。AI 不是学术研究者、教授们讨论出来的，我们早已经运用了许多年”。
倒不是马云和 AI 有多大仇，反而通过唱反调，马云今年语录攒了不少 AI 内容。
量子位在此略做摘录。其实从马云的讲话中，可以看到他对AI的重视与思考。
最佳老板将是机器人
我想三十年以后，《时代》杂志封面的年度最佳 CEO 很有可能是一个机器人，它记得比你牢、算得比你快、更加理性、没有情绪，它根本不会对竞争对手生气。
所以过去我们聚焦技术，未来要聚焦文化，而且大家可以想到，人真有可能活到一百岁，未来互联网以后，随着大数据、大计算，数据能力的提升，未来三十年，我们一定能看到癌症被攻破、艾滋病会被攻破，我们一定能看到人类活一百岁不是问题。
但是同时会带来很多的问题，其中确实没有那么多的就业，大家问怎么活。我自己想想也是挺可怕的事情。
这段是马云在今年绿公司年会上的讲话。全部内容，推荐参考量子位此前的报道：《这一次，马云想把所有关于 AI 的看法都谈完》。
so 他妈 what
他回忆说，去年 IT 领袖峰会期间，大家把 AlphaGo 说得天花乱坠，很恐怖的样子，而当时马云的感觉是：“so 他妈 what”。(那他妈又怎样)
对于马云来说，机器下棋比人强不算厉害：围棋打败了人只是侮辱了一下人而已，机器要做的是人类做不到的事情，这才叫本事。
“机器做得好只会让人越来越沮丧，我们要让机器做人做不好的事情，人创造不了的事情”，马云指出未来应该让机器成为人类最好的伙伴，而不是最大的对手。
马云表示，未来中国的机会不是弯道超车，“弯道超车十超九翻”；更重要的方法是“换道超车”，马云认为智能芯片、人工智能等领域，中国有机会实现换道超车。
这段内容来自马云在今年 IT 领袖峰会上的演讲，当时的情况在量子位的另一篇报道里：《BAT 激辩：马云说 so 他妈 what》。
04 OMT
在马云挥斥方遒的表达之外，阿里巴巴对人工智能的重视是无需赘言的。例如量子位在前不久的一份报告中指出：《BAT 人工智能人才报告：阿里薪资最高》
当然，也不是所有阿里人都用这种方式谈 AI。
量子位此前独家对话了阿里云人工智能首席科学家闵万里，这次也一并推荐阅读：《有个现象，叫深度泛滥；有种公司，叫伪 AI 创业》。
下次马云会用什么姿势来谈 AI？
嗯，有点期待。
来源：futurism.com；jqi.umd.edu；知乎等 作者：熊笑 弗格森
【新智元导读】6月16日，中国“墨子号”量子卫星在世界上首次实现千公里量级的量子纠缠，这意味着量子通信向实用迈出一大步。然而，研究者对于量子系统中的很多问题了解还并不充分，近日，由马里兰大学、复旦大学等多位研究者参与的用人工神经网络表征量子系统的论文在 Physical Review X 上发表，揭示了人工神经网络在表示量子多体状态时无与伦比的能力。
为量子系统找到一个有效的表征方式
几位物理学家开发了表征量子系统的人工神经网络，可以更精确地表征量子世界，为解决量子问题提供帮助。
量子纠缠，爱因斯坦眼中的“鬼魅的超距作用”，是物理学家一直在探索的量子系统中存在的问题之一，有广泛的应用前景。例如，它是量子计算技术的核心问题之一，也是量子通信和量子加密背后的基本原理。
比如，6月16日，中国“墨子号”量子卫星在世界上首次实现千公里量级的量子纠缠，这意味着量子通信向实用迈出一大步；又如，5月3日，中国科技大学、中国科学院宣布世界第一台量子计算机研制成功，比传统计算机提速2.4万倍。
然而研究者对量子系统的了解还远不够充分。为了寻求更好的研究工具，马里兰大学联合量子研究所（Joint Quantum Institute，简称JQI）和凝聚态理论研究中心（CondensedMatter Theory Center，CMTC）使用了人工神经网络。研究报告近期在 Physical Review X 上发表。题目是 Quantum Entanglement in Neural Network States。 论文的第一作者邓东灵(Dongling Deng)是马里兰大学联合量子研究所的博士后研究员，他同时也是凝聚态物质理论中心(CMTC)的一名成员。
论文的第二作者是前 JQI 博士后研究员、复旦大学物理学家的李晓鹏(Xiaopeng Li)，第三作者是凝聚态物质理论中心的主任兼 JQI 研究员 Sankar Das Sarma。
邓东灵在 JQI 网站发表的新闻稿《神经网络解决量子纠缠》中表示：“如果我们想从数字上解决量子系统中的一些难题，首先要为量子系统找到一个有效的表征方式。”人工神经网络就是他们所找到的表征方式。
研究直接受到 AlphaGo 的启发
启发这项研究的来源有二：一是横扫围棋人类高手的 AlphaGo；一是今年年初发表在 Science 上的论文《量子多体系统模拟》（the simulation of quantum many-body systems）。而这片论文的第一作者，瑞士苏黎世联邦理工学院（ETH Zurich）的 Giuseppe Carleo 也曾表示，自己的研究，也是因为受到了 AlphaGo 的启发。
经过 AlphaGo 对人类的“教育”，现在很多人都对以下的描述不陌生：围棋棋盘落子的可能空间比宇宙中的原子数量还要多。蛮力计算不适用。从这个角度上说，围棋游戏类似量子物理的难题：如何描述一个由几十亿原子组成的量子系统，而这些原子会根据复杂方程相互影响。
无论是在纸上，还是在计算机上，物理学家都有很多表示量子系统的方式。通常这些表示会包含一列描述系统处于不同量子态可能性的数字。但随着量子粒子数目增大，从数字描述中提取性质或进行预测就变得困难了，通常认为，量子纠缠是阻挠简单表征的关键。
量子力学的“鬼魅”规则意味着，无法实时知道某个量子粒子的精确定位。许多量子粒子也具有所谓‘自旋（spin）’的特点。一组 100 个这样粒子可能处于的自旋状态数量几乎达 1 亿兆（a million trillion trillion）。这正是人工神经网络的用武之地。神经网络学习了围棋规则，就可以找出赢得比赛的最优策略，是否可以将这一方法应用到量子系统？
在之前发表的这篇论文中，Carleo 和 Troyer 用人工神经网络表征量子多体系统的波函数，让神经网络‘学习’什么是系统基态（或力学）。结果证明，他们的方法比当前最先进的数值模拟方法的表现更好。
作为棋盘游戏的狂热爱好者，邓东灵马上意识到了这篇论文的价值：“于是我们把所有精力和时间都投入到了这一问题的研究之中。”
对量子系统的真实粒子和相互作用进行分组表征
邓东灵等人的研究，一个特别之处在于，用神经网络中两组不同的神经元对量子系统进行了表征。
第一组被称为可见神经元，表示真实的量子粒子。为了表示粒子之间的相互作用，研究者利用第二组神经元——隐藏神经元与可见神经元连接。这些连接表示了真实粒子之间的物理相互作用，只要连接数保持相对较小，神经网络对量子系统的表征就能保持简单。
论文作者Sankar Das Sarma 表示：“这项研究之所以独特，不仅是因为它为高度纠缠的量子态提供了有效的表征方式，模型还能生成多种有趣量子态的综合表征，包括那些纠缠数量巨大的量子态。这是一种使用机器学习工具为棘手且充斥着相互作用的量子多体难题提供准确解决方案的新思路。”
“当然，神经网络也有局限性，无法实现有效的通用表征。”邓博士表示。然而，研究仍然显著提升了我们理解量子纠缠的方式。正如论文中所说：“我们的研究结果揭示出，无论它们拥有多少纠缠，人工神经网络在表征量子多体状态方面具有无与伦比的能力，这为机器学习技术和解决量子凝聚态物理难题搭建了桥梁。”
论文摘要
作为当今发展速度最快的跨学科专业，机器学习在解决复杂的量子纠缠中的多体问题上，有着前所未有的潜力。
理解具有代表性的人工神经网络的中的物理状态，最近在量子多体物理的机器学习技术应用中已经成为一个迫切的愿望。
在本论文中，我们通过学习量子纠缠的属性，聚焦于严格的玻尔兹曼机（restricted-Boltzmann-machine） 架构，研究了神经网络中对物理特征进行编码的区域的数据结构。
该研究证明，所有短距离RBM区域的纠缠熵满足任意维数和二分形几何的面积定律。对于远程RBM，通过使用一个精确的构造，我们证明了，这样的区域能够展示体积定律纠缠（volume-law entanglement），这意味着大量纠缠中，RBM 显然具备代表量子态的能力。
令人惊讶的是，用神经网络来表示这些状态所取得的效果非常值得一提，具体说来，非零参数的数量只会随着系统的大小进行扩展。
通过随机地对RBM中的权重参数进行抽样，研究者进一步检验了一般RBM状态中的纠缠属性。研究发现，它们平均的纠缠熵服从体积定律的扩展，同时强烈地偏离完全随机的纯态的页面熵。
实验表明，它们的纠缠谱没有与随机矩阵理论相关联的通用部分，并且具有泊松型（Poisson-type ）级的统计资料。使用强化学习，研究者证明RBM能够找到具有长距离相互作用的模型哈密尔顿算子的基态（与幂律纠缠）。此外，他们通过一维对称保护的拓扑聚类状态的具体示例，显示RBM表示也可以用作分析计算纠缠谱的工具。
研究结果揭示了人工神经网络在表示量子多体状态时的无与伦比的能力（无论它们拥有多少纠缠），这为将计算机科学的机器学习技术融合到量子凝聚态物理问题提供新的途径。
今天，黄博士在Facebook上公布，AlphaGo自战对局的解说视频已经上线。著名棋手樊麾通过围棋TV这个平台， 与众多国手一同精解了五盘AlphaGo的自战对局，在解说过程中分享了大量的AlphaGo的变化图，通过这些变化图，使广大的围棋爱好者包括职业棋手对AlphaGo的自战有一个更深入的理解。
乌镇围棋峰会 AlphaGo 战胜世界冠军柯洁后，DeepMind CEO 曾表示要将算法开源，并将AlphaGo的 50 局自对弈棋谱公开。
DeepMind CEO 哈萨比斯说：“我们非常感激围棋界在过去几年中，对我们工作所给予的鼓励和支持。我们计划在今年稍晚时候发布最后一篇学术论文，详细介绍我们在算法效率上所取得的一系列进展，以及应用在其他更全面领域中的可能性。就像第一篇 AlphaGo 论文一样，我们希望更多的开发者能够接过接力棒，利用这些全新的进展开发出属于自己的强大围棋程序。”
“自与李世石的比赛之后，AlphaGo 成为了自己的老师，并完成了百万次高水准的自我训练，以不断提高。我们会公布 50 盘 AlphaGo 自我慢棋对弈的棋谱，我们相信这些棋谱中，包含了许多全新的思路及策略。”AlphaGo团队成员樊麾说。
随后，DeepMind立刻将50盘棋的棋谱在官网上发布。
AlphaGo自战对局的解说视频已经上线，由众位中国围棋国手进行解说
虽然DeepMind十分有诚意地公开了全部AlphaGo自对弈的全部50盘棋谱，但是对于不是很了解围棋，但又对作为人工智能的AlphaGo的下棋能力，包括理解、决策和创造力等能力充满好奇的AI从业者来说，要理解其中的奥秘，还是有一定的难度。
7月1日，DeepMind 黄世杰“黄博士” 在Facebook的主页上公布了一个“大消息”：AlphaGo自战对局的解说视频已经上线，由众位中国围棋国手进行解说。
黄世杰说：“AlphaGo自战对局的解说视频已经上线了，希望大家喜欢。据说樊麾与刘星两位老师在录制每集影片之前，都共同研究了6小时之久。影片中樊麾老师大量采用了AlphaGo的内部数据，与多位中国顶尖棋手一起详解新的5局AlphaGo自战对局。”
我们也到樊麾的微博上看了他对这一视频的介绍：
樊麾：AlphaGo五十局自我对战虽然非常精彩，但是经常有棋手说这几十盘棋难度很大，很多棋有些看不太懂，为了帮助大家更好的解读AlphaGo的自战对局，通过围棋TV这个平台， 我与众多国手一同精解了五盘AlphaGo的自战对局，在解说过程中，我们分享了大量的AlphaGo的变化图，希望通过这些变化图，可以使广大的围棋爱好者包括职业棋手对AlphaGo的自战有一个更深入的理解。当然所有的解说视频都是免费的。需要说明的是，这五盘棋并没有在之前的五十盘棋里出现过，所以这几盘新的对局一定会给大家带来一些惊喜。
现在您已经可以在围棋TV的网站上免费观看解说视频了， 第一盘的解说已经上线， 地址是 ：www.weiqitv.com/video/59562b6e28865487758b456c
视频将每隔一天更新一次， 我将陆续在我的微博通知大家视频更新的时间与观看的地址。
让我们共同探索并享受围棋的奥妙！
AlphaGo对于专业棋手来说意味着什么
解说开始前，樊麾和常昊谈到了乌镇围棋峰会后，新的AlphaGo对专业棋手的影响：
樊麾说：“它是AlphaGo自己的下法，只是借我之手摆出来而已。”
常昊：“AlphaGo给了我们很多思路上的改变，它很多的地方，其实是有一些颠覆以前我们小时候学棋时对围棋的一些认识。在峰会上，它也展现了非常强大的实力。让我们感觉，这是未来的趋势吗？但是作为职业棋手来说，这更多的是给了我一种思路，虽然这一种思路我不一定会去模仿，因为它的很多想法现在我们可能还无法真正去理解。但是给了我一种，眼前一亮、打开思路了的感觉。我记得在乌镇围棋峰会时，哈萨比斯先生也是说，AlphaGo的出现更多的不是一种对抗，而是帮助大家更好地了解围棋，它是人类的一种工具，让我们更好地去探索围棋里面的一种奥妙。这说得非常好，我也有这种感觉。围棋太难了，虽然在规则几乎没有改变的情况下围棋发展了几千年，但是我们对它的了解还是太少了。有了AlphaGo之后，至少给了我们很多可以借鉴的东西，让我们的思路可以看得更远，这对我们棋手在晋级道路上是一个很大的帮助。”
樊麾：“（作为专业棋手）其实我们已经习惯了，应该把AlphaGo当成一种工具，探索围棋的本质。”
常昊：“职业围棋中，很多年轻的棋手已经开始使用AlphaGo 的下法，但是这需要一个很长的时间慢慢去理解，去总结，在什么场合下使用。AlphaGo的很多下法其实并不是以前人类没有下过，其实类似的下法以前有，只是场合不一样。AlphaGo的数据和理解改变了下法，这对我们都是一种很大的启发。”