今天Demis Hassabis宣布最近肆虐網上棋壇，大勝各路高手60回的神秘玩家“Master"的真身就是人們猜測的阿爾法狗的升級版。2017年開始阿爾法狗就要以9段身份正式參加圍棋世界大賽了。
阿爾法狗隻是Hassabis的愛好，小哈和小夥伴們的2016年做的正經事從另一個角度證明了科技奇點已經來臨 。從"偉大的A.I.覺醒“一文我們看到，從神經網絡的理論到計算的假設和建模花了60年，從計算假設和模型到應用設計用了5年，從應用設計到開發投產隻用了9個月。
2016年3月8號我在阿爾法狗對決韓國九段李世石前夜的博文”阿爾法圍棋的玩法---機器人會夢到電子羊嗎？“ 中說我們進入了人工智能的新紀元。不到一年，穀歌翻譯，阿爾法狗的升級橫掃都證明了這一點。可以想見，潮水般的AI應用就在地平線上，我們身處一個新時代的破曉之際。
從深腦的2016年終總結，未來的端倪可窺一斑
1. 深度學習的AI可以自己生成意識並表達出來；
2. 物聯網的AI應用會改變我們的生活方式；
3. AI會加速取代和人類數據分析和決策相關的行業和工作（保險，醫療，科研，金融等等）；
4. AI淘金熱會造就一大批新AI英雄，就如90年代的互聯網崛起時一樣。
5. 世界範式的轉變（paradigm change)會引發政治，經濟，文化上的山洪效應。
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/
深腦的年終總結（By Google Translate)
在一個極其複雜，緊急和難以掌握的係統 - 從我們的氣候到我們努力征服的疾病 - 的世界中，我們相信智能程序將有助於發掘我們可以用於社會福利的新科學知識。 為了實現這一點，我們相信我們將需要通用的學習係統，能夠從頭開發他們自己對問題的理解，並且使用它來識別我們可能會錯過的模式和突破。 這是我們在DeepMind的長期研究任務的重點。
雖然我們距離任何接近你或我們的智能目標還有很長的路要走，但2016年是一個偉大的一年，我們在一些核心潛在挑戰上取得了令人振奮的進展， 世界影響。
我們的程序AlphaGo，我們很幸運地接受了我們的第二個自然封麵，在古代的Go遊戲中接過並擊敗了世界冠軍Lee Sedol，這是一個很多專家說的十年前的時代。 對我們以及全球Go社區最令人興奮的是AlphaGo的遊戲獲獎創意的展示，在某些情況下找到挑戰千年的Go智慧的行動。 在能夠識別和分享有關一個最期待的遊戲的所有時間的新見解，AlphaGo提供了一個有價值AI的有前途的跡象，可能有一天提供，我們期待在2017年玩更多的遊戲。
我們還在生成模型領域取得了有意義的進展，建立了能夠為自己設想新結構和方案的程序。 在PixelCNN關於圖像生成的論文之後，我們的WaveNet論文演示了生成音頻的有用性，通過想象地創建原始波形而不是將記錄語言的樣本拚接在一起，實現了世界上最生命的語音合成。 我們計劃將其投放到Google的生產環境中，並對能夠改進數百萬用戶使用的產品感到興奮。
另一個重要的研究領域是記憶，特別是將神經網絡的決策能力與存儲和推理複雜的結構化數據的能力相結合的挑戰。 我們在差分神經計算機上的工作，我們在十八個月內收到了我們的第三篇自然論文，展示了可以同時學習神經網絡以及記憶數據（如計算機）的模型。 這些模型已經能夠學習如何回答關於從家譜樹到管圖的數據結構的問題，並使我們更接近使用AI在複雜數據集中進行科學發現的目標。
除了推動這些係統可以做到的邊界外，我們還投入了大量時間來改進他們的學習方式。 題為“使用無監督輔助任務的增強學習”的論文描述了將某些任務的學習速度提高一個數量級的方法。 鑒於高品質培訓環境對代理商的重要性，我們為社區開放了我們的旗艦DeepMind實驗室研究環境，並與Blizzard合作為StarCraft II開發AI-ready培訓環境。
當然，這隻是冰山一角，你可以閱讀更多關於我們在今年發表的許多論文中的工作，從Neuron到PNAS的頂級期刊，以及從ICLR到NIPS的主要機器學習會議。 看到社區中的其他人已經在這些論文中的工作積極地實施和建設是非常驚人的 - 隻是看看在2016年下半年的Go遊戲計算機程序的顯著複興！ - 見證人工智能和機器學習的更廣泛領域從力量到力量。
從這項工作看到真實世界影響的第一個早期跡象也同樣令人驚訝。我們與Google數據中心團隊的合作夥伴關係使用AlphaGo類似技術來發現創新的管理冷卻方法，從而使建築能效顯著提高15％。如果證明可以將這些技術擴展到其他大規模工業係統，則有巨大的全球環境和成本效益的真正潛力。這隻是我們與Google各個團隊合作，將我們的前沿研究應用於世界各地使用的產品和基礎設施的一個例子。我們還積極參與了在英國，我們家的兩個NHS醫院集團的機器學習研究合作夥伴關係，探索我們的技術如何能夠更有效地診斷和治療影響數百萬全球的條件，以及與另外兩家醫院移動應用程序和基礎基礎設施上的小組，以改善臨床前線的護理。
當然，技術的積極的社會影響不僅是我們尋求解決的現實世界問題，而且還涉及算法和模型的設計，培訓和部署的方式。 我們為參與創建AI合作夥伴關係感到自豪，該合作夥伴將匯集領先的研究實驗室與非盈利組織，民間社會團體和學術機構，以在算法透明度和安全性等領域製定最佳實踐。 通過培養多樣化的經驗和洞察力，我們希望我們能夠幫助解決其中的一些挑戰，並找到方法將社會目標置於AI社區的核心。
在我們的使命早期，我們仍然是一個年輕的公司，但如果在2017年，我們可以在這三個方麵進一步同步進展 - 算法突破，社會影響和道德最佳實踐 - 那麽我們將有一個有意義的 繼續對科學界和對世界的貢獻。
