今年3月AlphaGo和李世石的围棋对决，就像科幻小说《三体》中的人类舰队首次迎战水滴。
本来自信满满的人类，被不可预料的强大战斗力打了个措手不及几乎全军覆没。
《三体》中人类战队幸存了4艘战舰，被AlphaGo狂虐了4局的李世石，也在这场5局大战的第4局为人类挽回了一点颜面。
在周末Deep Mind团队亮相暴雪嘉年华，宣布AlphaGo接下来将要挑战《星际争霸2》后，今早AlphaGo团队成员樊麾在微博宣布：
AlphaGo的棋力在已过半年有巨大的进步，将会在2017年年初复出下棋。AlphaGo团队将会在近期内公布更多讯息。
AlphaGo再度出手，目标可能直指世界第一
目前在棋手积分排名上，挡在AlphaGo面前的，只剩下中国棋手柯洁了。其实在AlphaGo还在于李世石对战期间，柯洁在微博上的自信言论就已经让他火了一把。
“就算阿法狗战胜了李世石，但它赢不了我”、“管你是阿法狗还是阿法猫!我柯洁在棋上什么大风大浪没见过?让风暴再来的猛烈点吧!”等“人机大战”期间的“出格”言论，直接让柯洁走上了舆论的风口浪尖。
尽管在今年7月份由于连续输给两名较低排位棋手让柯洁暂时将占据两年之久的世界第一宝座让给了AlphaGo，但在目前的积分排行上，由于AlphaGo之后再无公开对战，柯洁的积分又回到了第一的位置上。
明年年初的对战，很有可能就是一次世界第一的真正对决：柯洁对战AlphaGo。
其实大概在今年6月份的时候，国家体育总局棋牌运动管理中心党委书记杨俊安就在第37届无锡世界围棋业余锦标赛的比赛说明会和抽签仪式上透露：
前一段，中国围棋协会和Google公司有过几次接触，双方呢，都同意在不久的将来，安排一次排名第一的围棋选手柯洁和AlphaGo进行“人机终极对决”。
当然，将会在2017年与AlphaGo对战的究竟是不是柯洁，还要等过段时间AlphaGo团队的官方宣布才能确定。
看看现在谈谈未来，AlphaGo之类的人工智能在未来生活可能扮演什么角色?
归根结底，支持AlphaGo获得胜利的是深度神经网络。除了围棋和《星际争霸2》这种竞技游戏类的应用，当Google把深度神经网络用在翻译中，可以让翻译变得更加通顺流畅，表意清晰。
Google表示，新的翻译系统简称为Google神经机器翻译(GoogleNeuralMachineTranslation-GNMT)，就某些语言而言，GNMT错误率可以减少60%。
(人类翻译、神经机器翻译系统和短语单词翻译系统的完整度(分成0~6的程度)在不同语言应用中的对比)
该项目的负责人之一，同时也是Google智库成员的工程师MikeSchuster谈到：
我们将按照“端到端”的模式对整个系统进行统一训练，这可以使公司更专注于减少翻译的错误率方面。虽然现在还并不完美，但的的确确是完善了很多。
(新的神经机器翻译系统如何检测一个句子，并对它之间的关联性和重要性进行考量)
在机器翻译方面，Google使用的深度神经网络叫做LSTM(longshort-termmemory–长期短期记忆)。LSTM可以保留长期和短期的记忆，有点像人类的大脑，这使得它可以用更复杂的方式进行学习。
和Google以前的短语翻译系统(Phrase-BasedMachineTranslation-PBMT)不同，LSTM可以从头到尾记住一句话再进行翻译，使长句翻译不再是单词的拼凑，而是流畅通顺的语言。
其实多年以来，Google一直想让LSTM服务于翻译工作，然而一直无法攻克翻译速度这个难题。直到做了大量的工程和算法工作，才得以完善这个模型，让新神经机器翻译系统能够在跨越大型的Internet服务时保持工作速度。
除了翻译，随着类似于AlphaGo的人工智能和机器学习越来越智能，我们将会面对这样一个现实：机器会逐步取代人类的工作。
正如特斯拉的ElonMusk在上手接受CNBC采访时说的那样：装备有人工智能的机器正在进入劳动力市场，对于人类来说，这很可能意味着工作流失和“基本收入的普及”。因为自动化成为常态，未来我们的就业选择可能会受到限制，但这会让人有更多时间享受他们的生活。
除了上面说到的人工翻译，可能最快被替代掉的职业是汽车司机。虽然现在绝大多数厂商只是提供了达到SAE和NHTSALevel2的驾驶辅助功能。但从现今自动驾驶的发展趋势来看，全自动驾驶汽车正式民用可能也距离我们仅有五六年的时间，而这其中的关键就是无人驾驶算法。
总的来说，目前以AlphaGo为代表的机器学习与人工智能，在未来的前景不可估量。当然，正如爱范儿的投稿作者曾庆伟所说：
最好的时代，也是最坏的时代。有了机器学习的助攻，人类有了研究传统科学难以研究的复杂问题的能力;人们甚至可以将机理尚不清晰的模型直接部署到产品中，去帮助人类解决问题。但是随着人工智能的迅速崛起，社会的就业结构也遇到了巨大的考验，简单人力工作的市场势必受到机器人与人工智能的挤压而缩水或者转移。对于机器学习领域的研究者和公司而言，这是最好的时代;而对于另一部分人而言，也许一场就业危机正埋伏在不远的将来。
