今天Demis Hassabis宣布最近肆虐网上棋坛，大胜各路高手60回的神秘玩家“Master"的真身就是人们猜测的阿尔法狗的升级版。2017年开始阿尔法狗就要以9段身份正式参加围棋世界大赛了。
阿尔法狗只是Hassabis的爱好，小哈和小伙伴们的2016年做的正经事从另一个角度证明了科技奇点已经来临 。从"伟大的A.I.觉醒“一文我们看到，从神经网络的理论到计算的假设和建模花了60年，从计算假设和模型到应用设计用了5年，从应用设计到开发投产只用了9个月。
2016年3月8号我在阿尔法狗对决韩国九段李世石前夜的博文”阿尔法围棋的玩法---机器人会梦到电子羊吗？“ 中说我们进入了人工智能的新纪元。不到一年，谷歌翻译，阿尔法狗的升级横扫都证明了这一点。可以想见，潮水般的AI应用就在地平线上，我们身处一个新时代的破晓之际。
从深脑的2016年终总结，未来的端倪可窥一斑
1. 深度学习的AI可以自己生成意识并表达出来；
2. 物联网的AI应用会改变我们的生活方式；
3. AI会加速取代和人类数据分析和决策相关的行业和工作（保险，医疗，科研，金融等等）；
4. AI淘金热会造就一大批新AI英雄，就如90年代的互联网崛起时一样。
5. 世界范式的转变（paradigm change)会引发政治，经济，文化上的山洪效应。
A rough ride is ahead of us. We can only pray that they don't trigger any apocalyptical events along the way.
Welcome to 2017 -- A new dawn of A.I. Civilization!!
------------------------------------
https://deepmind.com/blog/deepmind-round-up-2016/
深脑的年终总结（By Google Translate)
在一个极其复杂，紧急和难以掌握的系统 - 从我们的气候到我们努力征服的疾病 - 的世界中，我们相信智能程序将有助于发掘我们可以用于社会福利的新科学知识。 为了实现这一点，我们相信我们将需要通用的学习系统，能够从头开发他们自己对问题的理解，并且使用它来识别我们可能会错过的模式和突破。 这是我们在DeepMind的长期研究任务的重点。
虽然我们距离任何接近你或我们的智能目标还有很长的路要走，但2016年是一个伟大的一年，我们在一些核心潜在挑战上取得了令人振奋的进展， 世界影响。
我们的程序AlphaGo，我们很幸运地接受了我们的第二个自然封面，在古代的Go游戏中接过并击败了世界冠军Lee Sedol，这是一个很多专家说的十年前的时代。 对我们以及全球Go社区最令人兴奋的是AlphaGo的游戏获奖创意的展示，在某些情况下找到挑战千年的Go智慧的行动。 在能够识别和分享有关一个最期待的游戏的所有时间的新见解，AlphaGo提供了一个有价值AI的有前途的迹象，可能有一天提供，我们期待在2017年玩更多的游戏。
我们还在生成模型领域取得了有意义的进展，建立了能够为自己设想新结构和方案的程序。 在PixelCNN关于图像生成的论文之后，我们的WaveNet论文演示了生成音频的有用性，通过想象地创建原始波形而不是将记录语言的样本拼接在一起，实现了世界上最生命的语音合成。 我们计划将其投放到Google的生产环境中，并对能够改进数百万用户使用的产品感到兴奋。
另一个重要的研究领域是记忆，特别是将神经网络的决策能力与存储和推理复杂的结构化数据的能力相结合的挑战。 我们在差分神经计算机上的工作，我们在十八个月内收到了我们的第三篇自然论文，展示了可以同时学习神经网络以及记忆数据（如计算机）的模型。 这些模型已经能够学习如何回答关于从家谱树到管图的数据结构的问题，并使我们更接近使用AI在复杂数据集中进行科学发现的目标。
除了推动这些系统可以做到的边界外，我们还投入了大量时间来改进他们的学习方式。 题为“使用无监督辅助任务的增强学习”的论文描述了将某些任务的学习速度提高一个数量级的方法。 鉴于高品质培训环境对代理商的重要性，我们为社区开放了我们的旗舰DeepMind实验室研究环境，并与Blizzard合作为StarCraft II开发AI-ready培训环境。
当然，这只是冰山一角，你可以阅读更多关于我们在今年发表的许多论文中的工作，从Neuron到PNAS的顶级期刊，以及从ICLR到NIPS的主要机器学习会议。 看到社区中的其他人已经在这些论文中的工作积极地实施和建设是非常惊人的 - 只是看看在2016年下半年的Go游戏计算机程序的显着复兴！ - 见证人工智能和机器学习的更广泛领域从力量到力量。
从这项工作看到真实世界影响的第一个早期迹象也同样令人惊讶。我们与Google数据中心团队的合作伙伴关系使用AlphaGo类似技术来发现创新的管理冷却方法，从而使建筑能效显着提高15％。如果证明可以将这些技术扩展到其他大规模工业系统，则有巨大的全球环境和成本效益的真正潜力。这只是我们与Google各个团队合作，将我们的前沿研究应用于世界各地使用的产品和基础设施的一个例子。我们还积极参与了在英国，我们家的两个NHS医院集团的机器学习研究合作伙伴关系，探索我们的技术如何能够更有效地诊断和治疗影响数百万全球的条件，以及与另外两家医院移动应用程序和基础基础设施上的小组，以改善临床前线的护理。
当然，技术的积极的社会影响不仅是我们寻求解决的现实世界问题，而且还涉及算法和模型的设计，培训和部署的方式。 我们为参与创建AI合作伙伴关系感到自豪，该合作伙伴将汇集领先的研究实验室与非盈利组织，民间社会团体和学术机构，以在算法透明度和安全性等领域制定最佳实践。 通过培养多样化的经验和洞察力，我们希望我们能够帮助解决其中的一些挑战，并找到方法将社会目标置于AI社区的核心。
在我们的使命早期，我们仍然是一个年轻的公司，但如果在2017年，我们可以在这三个方面进一步同步进展 - 算法突破，社会影响和道德最佳实践 - 那么我们将有一个有意义的 继续对科学界和对世界的贡献。
