科技訊5月25日消息，人機大戰第二局落幕，柯潔在與AlphaGo的對弈中出現失誤，zui終以155手中盤投子認負。對此，獵豹移動CEO傅盛認為，AlphaGo 2.0未有實質突破，“從零開始”AI革命任重道遠。傅盛認為Deepmind作為世界zui頂尖的*度學習機構，引領著人類在*度學習上的探索。但*年的時間，AlphaGo 2.0本質上只*化了算法，提升了運算能力。這也提醒廣大的AI從業者，不要僅僅寄希望于爆炸性的技術突破，落腳當下應該聚焦AI與應用相結合。

賽前獵豹移動CEO傅盛預測AlphaGo目前版本并未做脫離監督學習，如果能做到，新版本的技術突破其實不亞于第*版AlphaGo的意義。從零開始訓練，意味著利用增強學習從零開始演化，純粹靠對局zui后的Reward（勝負）來學習。“用RL模型在初始沒有監督的情況下想要收斂到接近zui*解還是*個很開放的問題，哪怕對于紅白機的*些游戲也不能完全做到。如果AlphaGo 2能夠完成從零開始學習，很可能意味著對于增強學習算法本身有比較重大的突破，而這種突破可能不僅用于圍棋，也有大量對其他應用的可能，所以意義會不亞于AlphaGo 1的橫空出世。”

傅盛的觀點在賽后得以認證，AlphaGo的核心作者之*Aja Huang(黃士杰)在*戰后聲明“此次AlphaGo是單機版，但仍有人類知識的訓練。”

“AlphaGo 2.0并沒有本質性突破，我們期待的無監督學習并沒有到來。Deepmind作為世界zui頂尖的*度學習機構，引領著人類在*度學習上的探索。但*年的時間，AlphaGo 2.0本質上只*化了算法，提升了運算能力。這也提醒廣大的AI從業者，不要僅僅寄希望于爆炸性的技術突破，落腳當下應該聚焦AI與應用相結合”傅盛說。

而這*AI應用結合論“由來已*”，傅盛曾多次公開指出*度學習的機會在于和應用的集合而不僅僅是技術輸出。他認為*度學習是算法革命，本質上降低了技術壁壘。由于基本算法模型的固定化，算法的驅動力已經大大地降低了，算法驅動變成了數據驅動。因此，*度學習的核心是數據驅動，雖然有模型調參的機構會有自己的*勢，但更多的數據調參會很快拉平*勢。

本質上，雖然AI是*個技術和工具 ，但是由于互聯網的加速發展，今天*個*立的技術本身已經很難成為*個完全的行業。很難想像*家公司通過技術輸出就能成功，未來*度學習是基礎的技術運用，很多公司都會具備*度學習的研發能力。所有的公司都將是科技公司。科技是基礎點，需要和應用結合。

而這*論調并非空穴來風，獵豹去年收購了法**家新聞產品News Republic，把用戶的點擊行為變成數據的標注部分，神經網絡會找到自動的相關新聞進行推送。獵豹還做了直播類應用Live.me，現在是**zui大的第三方直播平臺，每天有幾十萬的**用戶開播，產生幾百萬、上千萬張標準人臉，這個數據使得獵豹能夠找到精準的數據。獵豹研發的人臉識別技術，在色情和兒童識別上有大量應用。在zui近的 LFW 人臉識別的評測中，獵豹取得了前三*的成績。

從*藍到阿法狗，棋*類游戲*直被用來檢驗人類與人工智能的差距，追溯原因，*方面棋類歷史悠*，人類有足夠的積累，圍棋擁有的變化足夠多，暴力搜索不能解決問題，*須要讓AI有＂直覺＂；另*方面在博弈中屬于完全信息博弈（Complete information），其實是zui方便拿來驗證AI能力。傅盛預測，未來AI所扮演的是助手的角色，而不是對抗的角色，將是人機共存的時代。