这样的转变背后，是中国对美好环境的渴求。《今日美国报》10月23日刊文称，经济和工业生产的增长以及减少污染的努力，将使得中国未来几十年对天然气的需求大幅上升。
根据预测，中国在2020年的天然气消费量将达到3000亿立方米。2040年，这个数字将再上升一倍，达到6000亿立方米。到2040至2050年间，中国将超越美国成为全球主要天然气消费国。
天然气是中国从煤炭等传统能源转向清洁能源的一座“桥梁”。
天然气作为燃料的历史可以追溯到2000多年前，那时，古人已经开始用天然气煮盐。和传统能源相比，天然气更加清洁、高效。
与燃煤电厂相比，用天然气发电，可以将各项成本减少许多：每千瓦装机容量的建设费用可节省50%，建厂周期缩短30%，占地面积节约85%，冷却水少用40%……但是，天然气发电厂热效率却能高出25%，且操作简便，对环境也十分友好。
天然气还是一种优质的汽车燃料。和汽油燃料相比，天然气是一种低污染的能源，燃烧后产生的一氧化碳排放量减少97%，碳氢化合物减少72%，氮氧化合物减少39%，二氧化碳减少24%，二氧化硫减少90%，苯、铅等粉尘减少100%。
如果说可再生能源是未来，那么天然气则代表着当下。如今，全球几十个国家都争相进口天然气。
中国也正努力摆脱煤炭大国的角色。美国《国家地理》刊文称，中国的煤炭消费占全世界的一半左右。不过，中国正努力降低煤炭在能源结构中的比例。
2016年，中国的煤炭消费量已连续第三年下降。而在今年六、七、八三个月里，中国的天然气消费量均同比上升了25%到30%。
外国分析师表示，中国的天然气市场已进入崭新的黄金阶段，政府鼓励天然气消费的政策也开始见效。香港《南华早报》报道，因为政府推动，今年冬天，北京的更多家庭将使用天然气供暖。
高涨的需求使得中国早早制定计划，进行天然气采购。
截止到2016年年底，中国已经有了15座液化天然气码头。预计到2020年以后，这个数字还将翻一番。
国际能源署认为，在2022年，中国对天然气的需求将达到3400亿立方米，其中，进口量将达到1400亿立方米。
另外，中国的天然气产量也在上涨，将从现在的650亿立方米增长到2000亿立方米，中国也将成为全球第四大天然气生产国。
今年5月，美国商务部决定，同意美国液化天然气进入中国，这是中美经济合作“百日计划”的一部分。
一些中国公司正在考虑和美国签订进口液化天然气的长期合同。
美国《福布斯》也曾刊文称，美国液化天然气向中国输出，意味着游戏规则的改变。
文章表示，美国液化天然气的出口不仅会挑战现有的天然气价格，还将帮助其他国家实现在巴黎气候大会上的承诺，在满足其自身能源需求的同时，也能促进这些国家条件的改善。
路透社今年6月曾报道，中国的天然气进口和国内生产都在飞速增加，其综合增长速度远远超过官方指定目标。国内天然气产量增长强劲，与原油产量的下降形成鲜明对比。
外媒感慨，天然气地位的不断上升，正体现了中国成为清洁能源大国的决心。
最近，小编看了个新闻，
而且今年高考阅卷还采用了阿尔法狗的背后技术
他的发明者就是被称为“地球最聪明的人之一”的戴密斯·哈萨比斯
这人一点都不简单，让李嘉诚专门请过来给自己上课，老李听的那叫一个聚精会神。
神童横空出世，4岁自学国际象棋，两星期击败成年人
哈萨比斯1976 年7 月27 日出生，父亲是希腊与塞浦路斯混血，母亲是新加坡华人，从血脉上讲他也算是半个华人。他们都是老师，曾经开过玩具店，有着“像波西米亚人”般的性格。在这么个家庭，走出继承父母衣钵或者从事艺术的孩子应该是一件大概率事件。
事实也正是如此。哈萨比斯的妹妹是一名作曲家和钢琴演奏家，而弟弟则专注于创造性写作。
“很明显，我就是家中的那只黑天鹅。”哈萨比斯曾这样开玩笑地表示。
▼
但是这并不影响他的自学成才，4 岁的时候，哈萨比斯看父亲和叔叔下国际象棋，还是小朋友的他一下子着迷了，而且神奇的是看着看着就学会了，两个星期后，哈萨比斯就在国际象棋比赛中击败了成年人。
仅用两个星期就国际象棋大赛中击败成年人，这不是神童是什么？简直太逆天了！后来哈萨比斯就不断的学习，经常在比赛中大胜。
8 岁的开始，棋盘上的成功开始让他思索两个困扰已久的问题：第一，大脑是如何学习完成复杂任务的；第二，电脑是否也能做同样的事。神童的世界普通人真的很难懂。
当时，哈萨比斯的老爹经常带他去伦敦最大的书店Foyles看书，这个神童对其他书籍不怎么感兴趣，8岁的他对编程的书入了迷，学习如何在游戏中无限续命。这是8岁的孩子该思考的问题吗？
于是，他用从国际象棋比赛中赢的 200 英镑买了人生中第一台计算机 ZX Spectrum，开始研究编程。
▼
当时还跟着英国知名游戏设计师彼得·莫利纽克斯开发游戏。17岁时，哈萨比斯选择在剑桥大学攻读计算机科学。与同年龄男生一样，他也热衷电脑游戏。哈萨比斯领衔开发了一款经典模拟游戏《主题主园》，1994年发行了几百万份，在当时来说，这款游戏跟现在的王者荣耀一样火。
在剑桥大学的4年间，哈萨比斯曾在剑桥的一个高水平围棋社团里学习围棋，并很快沉迷其中。但因为忙于电脑方面的工作，他没有足够的时间练习，围棋技艺仅停留在业余一段水平。不过，这并不妨碍他对围棋的喜爱。
▼
▼
在霍金那儿，他侃侃而谈人工智能将会如何让世界更美好。促膝长谈4小时后，这位全球最顶尖、脑中装着全宇宙的科学家霍金，竟然真的被说服了……说服了……服了……
从此，霍金转变了对人工智能的看法，并对哈萨比斯的相关研究表示关注和支持。
▼
▼
▼
从国际象棋神童，到神经科学专家，再到人工智能企业家，哈萨比斯正在一步步改变这个世界！
Alphago与同类程序对弈胜率高达99.8%，在2015年五连胜击败欧洲冠军之后，名声鹊起的Alphago来到东方，直接挑战韩国九段高手李世石，曾经年少轻狂藐视一众前辈的李世石，在强大的Alpha Go面前，坦言职业生涯“从未如此紧张过”，终究还是败下阵来
用精彩绝伦的胜利证明了一切的哈萨比斯团队，致力于模拟人脑神经系统，最终创造出真正的“通用人工智能”，也就是具有学习能力，能解决一切问题的计算机系统，这家至今离职率为0的公司，曾在2012年获得马斯克650万美元的投资，而在谷歌收购之前，扎克伯格也一度对DeepMind动心。
2016年1月DeepMind再次发表论文，称他们的新算法AlphaGo在最困难的游戏——围棋——上也取得了巨大突破。而后，就是公众耳熟能详的事了。
哈萨比斯是个天才，这个论断即使只知道他是那台在围棋比赛中下赢人类的机器背后的男人，相信也不会有很大的异议。不过，看着他谈到自己的理想、自己的童年、自己的孩子，你就会知道，他并不是什么企图溃灭人类的疯狂科学家，也不是木讷的“极客”。不管哈萨比斯自己是否认同，他肩上担负的可能就是人类未来的某种希望。
每晚，他都会回到家里和家人一起吃饭聊天，之后陪两个儿子写作业玩游戏。在带完两个孩子上床睡觉之后，他会开始工作电话会议直至凌晨1时，之后用几个小时来进行思考。而在这些深夜的思考中，诞生的可能就是下一个颠覆全人类的想法。
(2017-10-08)
AlphaGo Zero只用了490万的数据就达到了AlphaGo的成就。
[写在前面]
伦敦当地时间10月18日18：00（北京时间19日01：00），谷歌旗下的DeepMind团队公布了进化后的最强版AlphaGo ，代号AlphaGo Zero。相关论文再次登上世界顶级科学杂志——《自然》。
一年多前，AlphaGo便是2016年1月28日当期的封面文章，Deepmind公司发表重磅论文，介绍了这个击败欧洲围棋冠军樊麾的人工智能程序。也是自那时候起，AlphaGo在全球范围内掀起了人工智能浪潮。
那这次的新版本AlphaGo究竟有多厉害？打败李世石的AlphaGo用了3000万盘比赛作为训练数据，AlphaGo Zero用了490万盘比赛数据。经过3天的训练，AlphaGo Zero就以100：0的比分完胜对阵李世石的那版AlphaGo。
在DeepMind的最新论文中，AlphaGo Zero综合了上一个版本的策略网络和价值网，利用了强化学习的方法，只用了单一的神经网络、一台机器和4个TPU，就能在没有人类指导的情况下，只用3天时间进行学习，打败了战胜过李世石的那版AlphaGo。
看上去如此完美的AlphaGo Zero，在其他人工智能开发者眼里的表现如何，它对未来人工智能的启示又有哪些？
Facebook人工实验室成员田渊栋在自己的知乎账号上发表了自己的看法。他认为，DeepMind的新论文要比上一篇好很多，方法非常干净标准，结果非常好，以后肯定是经典文章。并且，他非常惊讶AlphaGo Zero竟只用了490万的数据就达到了AlphaGo的成就。
田渊栋曾先后在微软、谷歌、Facebook等科技公司实习工作。他在Facebook的办公桌离CEO扎克伯格只有6米远。他所负责的围棋项目（Darkforest）曾公开得到扎克伯格的表扬，目前他的研究主要集中在游戏人工智能开发上。
老实说这篇Nature要比上一篇好很多，方法非常干净标准，结果非常好，以后肯定是经典文章了。
Policy network(策略网络）和value network（价值网络）放在一起共享参数不是什么新鲜事了，基本上现在的强化学习算法都这样做了，包括我们这边拿了去年第一名的Doom Bot（编注：Facebook团队开发的人工智能系统），还有ELF（编注：Facebook人工智能游戏测试平台）里面为了训练微缩版星际而使用的网络设计。另外我记得之前他们已经反复提到用Value network对局面进行估值会更加稳定，所以最后用完全不用人工设计的default policy rollout（缺省策略）也在情理之中。
让我非常吃惊的是仅仅用了四百九十万的自我对局，每步仅用1600的MCTS rollout(蒙特卡罗搜树)，Zero就超过了去年三月份的水平。并且这些自我对局里有很大一部分是完全瞎走的。这个数字相当有意思。想一想围棋所有合法状态的数量级是10^170，五百万局棋所能覆盖的状态数目也就是10^9这个数量级，这两个数之间的比例比宇宙中所有原子的总数还要多得多。仅仅用这些样本就能学得非常好，只能说明卷积神经网络（CNN）的结构非常顺应围棋的走法，说句形象的话，这就相当于看了大英百科全书的第一个字母就能猜出其所有的内容。用ML（机器学习）的语言来说，CNN的inductive bias（模型的适用范围）极其适合围棋漂亮精致的规则，所以稍微给点样本水平就上去了。反观人类棋谱有很多不自然的地方，CNN学得反而不快了。我们经常看见跑KGS或者GoGoD（编注：两者均为训练数据集）的时候，最后一两个百分点费老大的劲，也许最后那点时间完全是花费在过拟合奇怪的招法上。
如果这个推理是对的话，那么就有几点推断。一是对这个结果不能过分乐观。我们假设换一个问题（比如说蛋白质折叠 protein folding），神经网络不能很好拟合它而只能采用死记硬背的方法，那泛化能力就很弱，Self-play（自我对弈）就不会有效果。事实上这也正是以前围棋即使用Self-play都没有太大进展的原因，大家用手调特征加上线性分类器，模型不对路，就学不到太好的东西。一句话，重点不在左右互搏，重点在模型对路。
二是或许卷积神经网络（CNN）系列算法在围棋上的成功，不是因为它达到了围棋之神的水平，而是因为人类棋手也是用CNN的方式去学棋去下棋，于是在同样的道路上，或者说同样的inductive bias（归纳偏置）下，计算机跑得比人类全体都快得多。假设有某种外星生物用RNN的方式学棋，换一种inductive bias，那它可能找到另一种（可能更强的）下棋方式。Zero用CNN及ResNet的框架在自学习过程中和人类世界中围棋的演化有大量的相似点，在侧面上印证了这个思路。在这点上来说，说穷尽了围棋肯定是还早。
三就是更证明了在理论上理解深度学习算法的重要性。对于人类直觉能触及到的问题，机器通过采用有相同或者相似的inductive bias结构的模型，可以去解决。但是人不知道它是如何做到的，所以除了反复尝试之外，人并不知道如何针对新问题的关键特性去改进它。如果能在理论上定量地理解深度学习在不同的数据分布上如何工作，那么我相信到那时我们回头看来，针对什么问题，什么数据，用什么结构的模型会是很容易的事情。我坚信数据的结构是解开深度学习神奇效果的钥匙。
另外推测一下为什么要用MCTS而不用强化学习的其它方法（我不是DeepMind的人，所以肯定只能推测了）。MCTS其实是在线规划（online planning）的一种，从当前局面出发，以非参数方式估计局部Q函数，然后用局部Q函数估计去决定下一次rollout要怎么走。既然是规划，MCTS的限制就是得要知道环境的全部信息，及有完美的前向模型（forward model），这样才能知道走完一步后是什么状态。围棋因为规则固定，状态清晰，有完美快速的前向模型，所以MCTS是个好的选择。但要是用在Atari（雅达利）上的话，就得要在训练算法中内置一个Atari模拟器，或者去学习一个前向模型（forward model），相比actor-critic（(演员评判家）或者policy gradient（策略梯度方法）可以用当前状态路径就地取材，要麻烦得多。但如果能放进去那一定是好的，像Atari这样的游戏，要是大家用MCTS我觉得可能不用学policy直接当场planning就会有很好的效果。很多文章都没比，因为比了就不好玩了。
另外，这篇文章看起来实现的难度和所需要的计算资源都比上一篇少很多，我相信过不了多久就会有人重复出来，到时候应该会有更多的insight（提示）。大家期待一下吧。
（本文获田渊栋授权发布，禁止二次转载）
(2017-10-20)
10月18日，《自然》杂志网站公布的论文显示，此前战胜人类围棋世界冠军的电脑程序AlphaGo的开发团队又出力作——新程序AlphaGo Zero（阿尔法元）不依靠人类指导和经验，仅凭自身算法强化学习，就以100:0的战绩击败了AlphaGo（阿尔法狗）。
新一代阿尔法狗的出现，数据上完全是碾压老阿尔法狗，惊艳了整个世界，网友戏称连阿尔法狗都这么努力，我们人类还有什么借口不努力？
那么具体是什么事呢？我们听听科学作家黄永明先生的解答：
文：黄永明
打败了人类棋手的AlphaGo有了个弟弟——AlphaGo Zero。它自学成才，在不借助人类知识的情况下学会了下围棋，而且只花了40天时间，就达到了在大部分情况下打败AlphaGo的境地。
这个消息确实令人震惊。它非同一般的地方主要在于几处。
第一，AlphaGo Zero一开始只学习了一些最基本的规则，然后通过与自己对弈，在短短几天之内就重新发现了人类花了上千年找到的围棋技法。这改变了人工智能需要基于大量数据的情况。比如说，我们人类的儿童看到几辆汽车之后，再看到不同款的车，他也知道那是汽车。而机器可能要看几千张汽车的照片，才能学会识别汽车。这个不同曾被认为是人工智能的一个很大的短板。现在AlphaGo Zero突破了这个瓶颈，这种学习能力是令人惊奇的。
第二，它占用的计算能力很少，只用了4个张量处理器（TPU,Google专门为人工智能设计的计算片），而前面一代AlphaGo用了48个。这让人工智能更加具有应用前景。
有人对人工智能的新发展感到恐惧——也许它们会失控，也许它们会像科幻电影里那样消灭人类。这种担心有点远。人工智能确实有它令人担忧的一面，但暂时还不是这个。
人类历史上出现过的一个技术突破是可以拿来做类别的。那就是纺织机。
最初纺织机是纯手动的，世界上最早发明电动纺织机的是英国人。1745年出现第一代电动纺织机，但是没有进一步发展。分水岭出现在1785年，用同样原理做出来的电动纺织机获得专利并开始在工业上应用。后来John Kay发明了飞梭，这让电动织布机迅速替代人工，占领英国，到1818年，全英国已经有5700多台电动织布机。
我们来看，电动织布机首先看起来给人类带来了很多好处。它“解放”了工人，人们不需要那么苦哈哈地去操作织布机了。人工智能现在看起来也是这样，许多原先需要靠人力去完成的事，现在自动就能完成了，而且效率高得多。
研发AlphaGoZero的人说，他们的技术将来可以应用于科学发现，比如用于寻找新药、研究蛋白折叠、量子化学、粒子物理、材料设计。他们还举了个例子，说可以研究常温超导体，可以用算法去把不同材料的原子构成和性质结合起来，去寻找人类没能找到的常温超导体，一旦找到，将会给人类能源传输技术带来巨大突破。
换句话说，人工智能的算法替代了现有的靠大量科研人员人力完成的工作。而且看起来确实有可能带来许多有益的成果——就像电动织布机能生产大量的布。
但是，这里面有一个问题啊：电动织布机把人工替代了，原先的织布工人干什么去？他们就失业了啊。同样，人工智能这么能干，科学家就不需要那么多了，他们也要失业啊。
对人工智能要担心的地方，不是它们会消灭人类，而是它们对经济带来的冲击。它会造成一些可能已经存在上百年的行当短时间内崩塌。
织布机的例子可能有点远，但是我们其实已经亲身经历了类似的过程。互联网的发展对多少传统行业造成了破坏。当然，互联网行业的人不是这么看，他们是把破坏当成就的。当人类一年中产生的照片的数量超过了人类历史上照片的总和，存在了130年的柯达公司却破产了。它生存不下去了。大量的工人下岗。
人工智能的发展不可避免地带来新一波的破坏。它会破坏哪些行业？其实你应该想的是，有什么行业不会被破坏？连最需要智力活动和创新性的科研领域，都要被人工智能占领了，还是什么领域是不受影响的？
现在的年轻人已经不像他们的父辈那样能够一份工作稳定地干几十年。这其中当然有多种因素，但在我看来，一个不容忽视的因素是，必须要人来做的工作越来越少了，那么必然有大量的人是被替代下来的。
图：以后买东西可以让机器人排队了
为什么近年来那么多人去当程序员？
包括本来不是这个专业的，也要去刷题转行当程序员。因为他们没有别的选择。这就好像说，电动织布机出现了，大量织布工面临工作被替代，那么他们就得想方设法去竞争那少量的操作电动织布机的工作，还有一些人去当电动织布机的生产者。越多的人去做程序员，人工智能发展越快，就又会有更多人被替代。最后程序员也会被替代。
另外一个方面，把人工智能本身想象成邪恶的，把它自身想象成人类的对立面是有点想偏了的。它是一种工具，它的善恶要看是被掌握在谁的手里。它的效应其实还是由人类投射出来的。如果邪恶的人或组织掌握了人工智能，那么其他人就很难有翻身之日。因为没有人斗得过它。
码字不易，如果感觉好，烦劳给还在加班码字的小编晚饭加茶叶蛋啊！！
(2017-10-21)
AlphaGo打败人类高手
而AlphaGo Zero打败了AlphaGo
真是一狗更比一狗强
网友：“机器早晚会取代人类！”
事实上，阿尔法狗并不值得人类为之畏惧，
人跑不过汽车，但不会恐惧汽车
围棋比不过计算机也是正常现象
其实，阿尔法狗只是人类的一种工具，
用于计算和围棋训练，又或者用于游戏。
AlphaGo Zero亮点
据媒体报道，美国谷歌旗下的英国子公司沉思科技日前开发出了新版本围棋用人工智能(AI)“AlphaGo Zero”。
此前的AlphaGo在击败全球顶级棋手时通过学习约3千万专业棋手的对弈数据使自身变得强大。但AlphaGo Zero无需人类作出示范，也能反复与自己对弈，借助自学创造出胜率最高的下法。
人类智能新突破
阿法狗项目负责人介绍说AlphaGo Zero远比AlphaGo强大，因为它不再被人类认知所局限，而能够发现新知识，发展新策略。
新开发的AlphaGo Zero放弃人类经验后棋力飞涨。前几代AlphaGo通过分析成千上万场优秀人类玩家间的对决来发现制胜招数。新开发的AlphaGo Zero则根本不需要人类专长，只要知道游戏规则和目标就可以投入游戏。AlphaGo Zero完全靠自己就能强化学习和参悟, 开始学习围棋3天后，就以100比0的成绩碾压李世乭版“旧狗”。
报道称：新技术将来还可能在产业方面做出贡献。例如，从大量数据中发现人类难以意识到的提升效率的方式等。据悉，以各种用电数据为基础，人工智能将有助于节省电力。由于像AlphaGo Zero一样的人工智能可以“无师自通”，在宇宙和海洋等观测数据不足的领域也有可能做出贡献。
人工智能时代已经到来，将颠覆过去的所有认知。
在于机器人对决的时代，你准备好了吗？
(2017-10-19)
刚刚看完正在被疯抢的毕业生，这个毕业生必须是人工智能类发展的啊，小编还没有缓过神来，没有想到的是，就有报道显示：最强阿尔法狗诞生，厉害了这个人类头脑与机器人对决的时代，你准备好了吗?
不久前，有消息报道，DeepMind发布升级版阿尔法狗：AlphaGo Zero，其水平超过此前所有阿尔法狗，仅用3天就碾压了此前击败李世石的旧阿尔法狗。
柯洁在对抗阿尔法的时候已经连续的败下阵来，但是柯洁近日的世界围棋战已经赢了，不过阿尔法狗也再一次的升级了，最强阿尔法狗诞生 柯洁夺冠，感觉柯洁和阿尔法狗会从此惺惺相惜，阿尔法会成为柯洁的老师，让人类棋手柯洁持续前进。
有网友表示：“在祁同伟面前它什么都不是”更有网友表示：“这就可怕了，人工智能确实是高深莫测”别怕，他们只是机器!
以下为网友评论：
网友“还有期待~~~~”：贡献
(2017-10-19)
中新网10月19日电 据《日本经济新闻》报道，美国谷歌旗下的英国子公司沉思科技(DeepMind Technologies)日前开发出了新版本围棋用人工智能(AI)“AlphaGo Zero”。
此前的AlphaGo在击败全球顶级棋手时通过学习约3千万专业棋手的对弈数据使自身变得强大。但AlphaGo Zero无需人类作出示范，也能反复与自己对弈，借助自学创造出胜率最高的下法。
据报道，以前的AlphaGo对人类就已经具有压倒性优势，棋力达到史上最强。这种实力有助于将来在产业方面得到应用，例如通过大量数据自动找到调整电力供需的时机等。
英国科学杂志《自然》杂志10月19日发表了相关文章。谷歌仅向AlphaGo Zero教授了围棋规则。AlphaGo Zero 将现有的2种学习方法结合起来，分别通过2种方法思考下一手，还能对彼此思考出的结果进行参照。
据悉，AlphaGo Zero最初是随机落子，但通过反复与自己对弈，迅速提高水平。在进行实验3天后，面对2016年3月击败顶级棋手李世石时的旧版AlphaGo取得了100战全胜。
据了解，人类在多年的围棋历史中不断自主完善了被称为“定式”的惯用下法。在试验40天后，AlphaGo Zero已经与自己对弈 2900万局，强大程度超过2016年5月时面对全球最强棋手柯洁九段取得3连胜的AlphaGo版本。据称，AlphaGo Zero还开始掌握人类未知的下法。
美国围棋协会主席安迪·奥肯等在发给《自然》杂志的稿件中指出，“AlphaGo Zero在中盘阶段的若干判断简直就像迷一样”。另一方面，随着人工智能和人类在下棋时总结出了相同的定式，证明“人类长达数个世纪的围棋活动取得的成果并非全部错误”。
沉思科技的首席执行官杰米斯·哈萨比斯在AlphaGo击败最强人类棋手时表示，“这是最后一次和人类对弈”。为达成“完全不依赖人类的人工智能”这个目标，哈萨比斯在此后继续对AlphaGo进行了改进。
此前，人工智能曾将人类的对弈数据作为“教师”加以学习。因此有观点指出，人工智能虽然强大，但仅仅处于人类知识的延长线上。沉思科技通过让人工智能从零开始自学，采用被称为“没有教师的学习”方式，创造出了不受人类思维束缚的革新性人工智能。
哈萨比斯表示，“人工智能有可能推动人类的智力向前发展，给全人类带来积极影响”。
报道指出，沉思科技与英国国家医疗服务体系(NHS)展开合作，除了将人工智能用于早期发现疑难杂症外，还将用于调整电力供需等方面。将来，还期待人工智能在依靠人类力量难以解决的新材料开发、探究蛋白质生成机制等方面做出贡献。
报道还称，新技术将来还可能在产业方面做出贡献。例如，从大量数据中发现人类难以意识到的提升效率的方式等。
据悉，以各种用电数据为基础，人工智能将有助于节省电力。由于像AlphaGo Zero一样的人工智能可以“无师自通”，在宇宙和海洋等观测数据不足的领域也有可能做出贡献。
以下为网友评论：
网友“凉茶”：世界要毁灭了，相信我我是从2080年来的，终结者统治了世界！
网友“Miox”：我准备打包回山里做猴子。
(2017-10-19)
在《恋爱大作战》中，玩家将作为一个美白三观正的女主去相亲和交往，表面上这是一款非诚勿扰的恋爱游戏，其实更像是一款可以同时搞十个男人的游戏。女生玩，可以预演跟各种男人交往的情景；汉子玩，则可以感受一把做人妖的全息体验。
试玩印象：
画面——男人“装逼”两个大字已经塞满了整个屏幕，看不清其它内容。
玩法——作为一个美女姐姐与N个男人进行网恋、相亲，发现他们真实的一面，试图找到真爱，或者迎来各种惨烈或幸福的多结局。（据说有8个，噫……）
音乐——略微有点小情调。
游戏开始，裹得严丝合缝的女主陈蕾就表达了自己身为黄金段位单身狗的焦虑，并说朋友介绍了一款交友软件可以认识各路男人，而我的任务就是通过一双慧眼帮她鉴别其真身，感觉很没挑战性，男人看男人不都是差评吗。
随后弹出了一款交友软件让下载，哟，这游戏很有临场感嘛，急于表现情商和智商的我，在点击“马上下载”后，才发现上当了，这TM真的就是在下载另一款游戏！跪了，在游戏中植入游戏广告，而且植入得如此清新自然毫无痕迹就这一款。
游戏中可以和十个男人同时聊天，就跟玩微信一样，男方的的回复有冷却时间，所以可以每个都去接触下，忽悠一些无聊的问题，而大多数时间都是在看各种高富帅、高酷帅、高嫩帅、高管帅们装逼。
正当我对这些帅哥产生视觉疲劳和嫉妒仇恨的时候，传说中的那股清流华丽登场了，之前他在交友软件中臆想的形象是这样的，完全跟普罗帅众没有太大区别，毫无新鲜和特色可言，无法担当真命天子的大任。
直到见面看到真面目，才确认这样可爱憨厚的尤物才是这款游戏的真实所在，于晟，就是你了，为了让真爱再现人间，一定要撮合一下。
在矮富胖极力的自卑心理下，美女姐姐给予了大量精神上的鼓励和支持，夸赞了矮富胖的内在，认同了矮富胖的心灵，否认了见光死的心情，违心的答应了接受矮富胖作为男朋友的要求……
就差以身相许的时候，矮富胖居然掏出了10万块作为分手费要来个洒脱的离别！虽然这提问的方式我给500分，但连我这个狗头军师也感觉情商也不够用了。
只能随意尴尬的问问钱的来路，结果剧情居然又翻转，成功的把鲜花插进了肥沃的XX，迎来了幸福的结局……
出于对胖子的钟爱，我又重玩了一次，这次极尽尖酸刻薄的拉嘲讽，点出了胖子矮挫穷的本质，于是迎来了暗黑结局——美女姐姐被打晕后带到一个满是女孩的房间，然后会有硫酸从上面泼下来……听说还有其它版本的结局不过没时间试了。
对于其余真·帅哥，我只能惋惜的用本心来回答问题，所以基本都是悲剧的结局，最过分是前一刻还在说要守护你的偷窥狂，到了失败结局就一掌把美女姐姐推向卡车……我想这个游戏的宗旨应该是：得不到就毁掉。
除了对话，游戏中主要是通过美女姐姐闺房中的物件，诸如记事本、杂志、日记、短信、米博等来寻找线索，根据不同线索来确定是渣男还是真爱。
最后想说的是，游戏虽然和现实相差很多，但现实中有这样的美女姐姐请务必联系我，我这里有一段好姻缘。
(2017-10-14)
人工智能上升为国家战略
你担心饭碗会被拿走吗
人工智能时代，关于人工智能即将大规模蚕食人类工作岗位的预言一直是热门话题。
2017年7月，国务院印发《新一代人工智能发展规划》(以下简称《规划》)，提出面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施——举全国之力，在2030年一定要抢占人工智能全球制高点。
一石激起千层浪。而第一层浪，就是人们对自己未来工作岗位的普遍忧虑。失业大潮即将汹涌而至了吗？我们还有多少时间可做准备？
1、人工智能正在向高端职位进军
近日，中国秦皇岛一家生产水饺的工厂火了。几千平方米的厂房里，竟然看不到一个员工。从和面、放馅再到捏水饺，到零下50摄氏度条件下的速冻，流水线上的机器人都自如应对。
无人超市、无人驾驶、无人酒店、无人餐厅……现在，无人工厂终于也来了。
你可以说，这毕竟是体力劳动的替代，并不会影响到受过高等教育的白领，所以你并不觉得震撼。如果是这样，那再来看——
8月8日，九寨沟地震发生18分钟后，中国地震台网的机器，写了篇新闻稿，写作用时25秒。稿件用词准确，行文流畅，且地形天气面面俱到，即便专业记者临阵受命，成品也不过如此。再考虑到25秒的写作时间，人类完败了。
此前，放话“就算阿尔法狗赢了李世石，但它赢不了我”的现世界第一围棋手柯洁，应战阿尔法狗。柯洁曾被称为人类尊严的“最后防线”，原因是围棋的变化极为复杂，即便是计算机也无法穷尽黑白两子在棋盘里361个点位上的所有变化。结果，柯洁还是输了！
甚至有人在预测，阿尔法狗下一步还会灭了整个金融圈。一个典型的例子是：2000年时，高盛公司在纽约的美国现金股票交易柜台雇用了600名交易员。但时至今日，这里只剩下两名交易员“留守空房”。
高盛股票交易员被替代的经历，只是全球金融公司自动化的一个缩影。现在连货币交易，甚至是投资银行的部分业务也在朝着自动化发展。苏格兰皇家银行，发布了一个线上的人工智能客服系统，这个客服系统可以根据客户的语调来做出反应，此外，它还不需要休息，更不会要求提供超时津贴。麦肯锡全球研究院在2017年1月推出的一份报告中称，金融和保险领域的工作，有43%的可能性会被自动化替代。
人工智能正在向高端职位进军。有人预言，除了华尔街的交易员，像律师、会计、医师等高端职位，也将大量地被人工智能所取代。埃隆·马斯克说在未来20年，全球12%至15%的劳动力将因为人工智能而失业。李开复则认为，10至15年之后，也许50%的人类就可能要面临工作部分或全部被取代。
以上这些，有没有让你感到有点恐慌？
2、“还有人会为不能赶马车而忧虑吗”
“可以预计，随着人工智能的不断发展，人工智能对于就业的影响会表现得越来越明显。”中国人事科学院研究员吴江说，“但当人工智能不断击败最优秀的人类围棋选手时，我们就可以预计，未来年轻人可能不会再花那么多时间去钻研围棋，而是会去学习更加适应人工智能时代的新知识了。”
吴江讲了这样一个故事：
汽车其实是当年最好的一家马车公司创造出来的。最初，这个公司是把发动机提供的动力用来做马车轮子。老板的弟弟不务正业，把发动机装在马车轮子上，结果发现可以不用马了。这在当时是可怕的——全世界那么多赶马车的人突然要面临失业了。虽然现在看来，其实完全没什么可担心的，他们可以去做汽车司机呀，机器毕竟是需要人来操控的。
早在工业革命浪潮席卷全球时，人机矛盾就已经出现。最初人们都是惊恐的，有人甚至跑去砸机器。“纵观人类历史，所有的机器革命，没有毁灭人类，人创造了机器，同时机器也改变了人。新机器的出现，带来了大量新的工作，为人类提供了更多的就业机会。”吴江说，“现在，越来越多的人从土地上转到其他行业，但还有人会为不能赶马车而忧虑吗？”
“如今无人驾驶汽车呼之欲出，老问题又来了，我们还要再为汽车司机的工作岗位担心吗？”华夏国际人才研究院院长陶庆华说，从历史上看，每一次对技术进步的恐慌之后，科技进步为社会创造的就业岗位都远多于它“杀死”的过时职位。例如，自动柜员机替代了一些银行柜员，但也让更多雇员进入了机器不能替代的销售和客服领域。
“我们必须要承认这个时代我们正在与人工智能轨道融合，未来人工智能将会在大多数领域替换掉人类烦冗而复杂的工作，让人类减少劳动时间，增加自由时间。”吴江说，“我们每周工作时间已从48小时减少到40小时，未来可能会再减到30小时甚至是20个小时。必要劳动时间少，提升素质和享受生活的时间就长了。最终，劳动者可以从事的新工作，也将由此产生。”
“现在美国3亿多人口中从事农业生产的不到1%，将来工农业直接从业人口降到0.01%也没什么好奇怪的。”吴江说，“劳动密集型的时代终将成为历史。只有从程式化的工作中解脱出来，充满创新创造活力，活成独一无二的‘人’，才是我们无可取代的竞争力。”
3、劳动者也须转型升级
“虽然机械性的、可重复的脑力或体力劳动，将被人工智能取代。但会有更多新的、深度的、创意性的人才需求出现。”中国银行业协会首席经济学家巴曙松认为，“人工智能时代的到来，必定会产生一些‘没听说过’的、‘智能化’的新岗位，比如已经被行业认可的‘自然语言处理’‘语音识别工程师’，以及‘机器人产品经理’等。”
中国人才研究会学术委员会副主任沈荣华表示，传统行业的“旧岗位”也需向“人工智能化”发展，如大多数保安、翻译、记者会被人工智能取代，但剩下的少数人，可能收入会更高，比如能操控安保机器人又有丰富安保经验的安保负责人，比如垂直于某个细分领域的翻译人才，比如专门写深度报道的新闻记者。
当然，对于“智能代工”催生的新的岗位，并非人人都有机会。“每一轮科技革命都会带来新一轮工作革命，人工智能将大量淘汰传统劳动力，很显然也会有不少行业，会因为人工智能的兴起而消亡。”陶庆华说，“但也要看到，人工智能会创造高端的新型的产业需求，从而带来劳动者的转型升级。所以，只有新型劳动者，才能适应人工智能时代。”
陶庆华指出，尽管一些工作岗位被取代的弊端会被全新职位的出现化解，但是19世纪工业革命的经验表明，转变过程是极其痛苦的，人口从乡村大量涌入城市工厂，在当时的欧洲引发持续动荡。各国政府花费了上百年时间构建新的教育和福利体系，才最终适应这种转变。“这就提醒我们，应提前对两大挑战准备好预案：一是如何帮助工作者学习掌握新技能；二是如何让后代做好知识和思想储备。”他说。
这一次的转变似乎更为迅速，当前科技传播的速度可比200多年前快多了。“我们必须提前行动，做好迎接新的工作岗位的准备。”陶庆华指出，所幸《规划》已明确：即日起，从小学教育、中学科目，到大学院校，通通逐步新增人工智能课程，建设全国人才梯队。“这一要求，既紧迫又必要。是时候，我们要重新思考教育，将其视为一个终身过程。这意味着我们不能再奖励死记硬背，而应该奖励好奇心和实验，它们是发现和理解未知事物的基石。”他说，“如果你想把握未来，现在必须开始有意识提升自己，方能赶上时代的潮流。”
(本报记者 罗旭)
(2017-10-19)
2017年是人工智能元年，“阿尔法狗”围棋横空出世秒杀人类棋手，怒涛六十连胜，完成了围棋创世纪的伟业。这已经不是“一石激起千层浪”的问题了，简直是印度洋海啸！
作为一个人类业余棋手，铁船长是一喜一悲。喜的是在有生之年终于见到了“围棋之神”或者说是“最接近神的狗”。悲的是从此以后，人类棋手的计算、感觉、大局、构思，在“阿尔法狗”面前都变得如同孩子的玩具。
（那些一味幸灾乐祸的人没有资格做真正的围棋爱好者）然而铁船长是个乐观的人，一定要在黑暗中寻找希望，仔细研究了“阿尔法狗”围棋，想到了这样几个办法。
首先“阿尔法狗”虽然凶猛，但我们人类享受围棋的乐趣，并不需要去征服“狗”，就好像博尔特不需要去同摩托车赛跑一样。我们的对手是人，现在要做的是“师狗长技以制人”。
其次“阿尔法狗”表现出的强大实力，除了精湛的计算之外，一定还有计算之外的东西。
铁船长仔细研究发现，和“阿尔法狗”围棋最像的棋手就是“昭和棋圣”吴清源大师，这并不是我个人意见，而是职业棋手所公认。
阿尔法狗
这说明我们人类对于围棋的数千年研究并没有误入歧途，而是走在正确的道路上。吴清源大师已成为最接近围棋之神的人。这是我们全体人类的骄傲，我们一定要努力爬到巨人的肩膀上。
第三对于我们广大业余棋手来讲，“阿尔法狗”围棋可能是个大好事，可借鉴东西更多。为啥呢？因为既然在“阿尔法狗”面前我们人类的计算都不值得一提，加权系数变小了许多，棋理变得更重要了。
也许我们应该转变思路，要在计算之外多动动脑筋。就像藤泽秀行大师说的：我要在计算之外展开战斗！对围棋艺术来说，计算之外不是有更多的精彩吗？
从此以后，凡是阿尔法狗支持的我们都要学习。凡是阿尔法狗反对的我们都要研究。一个合格的围棋爱好者，首先要膜拜吴清源大师，第二就是要做一只“狗粉”
阿尔法狗
阿尔法狗的自我对局和人机大战是不同的。因为在人机大战中，狗狗更多的是针对人类的弱点，因此特点鲜明。而在左右互搏式的自我对战中，双方知根知底，更多的是无招胜有招。
闲话少说，我们就从阿尔法狗自我对战第一局开始吧。
棋谱1（1—18）
黑用修正中国流开局是常见招法。但随后白10、白12个碰可谓技惊四座.。推测原因，一个是作为适应手观察黑棋动向，另外就是要追求高效率。
黑棋两粘稳健，局部也不吃亏，但从全局上看似乎手数效率差了一些。
白棋残子全部搁置在那里，把抢先手占大场放在第一位。残子也是活力十足可弃可取，自如的在全局与局部之间灵活转换，游刃有余。
总的来看白棋速度很快，棋形薄却效率极高，这点非常神似吴清源大师。
究其原因白棋敢于采取这样的作战方法，首先得益于强大的计算能力，魔鬼般的腾挪能力，无论什么样的危机局面都有治孤的信心。再加上局势的判断取舍极为清晰，因此才能采用这样艺高人胆大的做法。
而人类棋手计算能力、时间、局势判断都不能如此精准。因此人类高手大多选择均衡的分寸感，行棋偏厚为自己留有余地。
以此反观历史上以棋形薄效率高，善于弃子著称的吴清源大师，的确是最接近于围棋之神的人。
结论一：抢先手抢速度，棋形薄效率高是棋之正道。但人类棋手由于计算能力局势判断的限制，还是选择均衡分寸感，偏厚的棋形，为自己留有余地较好。
棋谱2（19—26）
黑1打入自以为击中要害，白棋轻处理后再次脱先。黑5执着，但恐怕大局上判断不清晰。
白6一粘后竟然反守为攻，刚才的残子弃子转眼变成了进攻黑棋的堡垒！黑7被迫跳补，白8满足地应在宽阔之处。
♥ ♥ ♥
行棋至26做一对比。白棋以边星为核心的左半盘效率极高，没有一个废棋。黑棋的右半盘不但中心点被占少了一路，而且还有若干借用，吃子反而亏了！
白棋这一串灵活的转换弃取如同行云流水一般，活像是在多维空间进行穿越。就像是“熵”在宇宙间循环升降，不知其所踪。
这不是“神之一手”是“神的组合拳”。就像是刚到日本的吴清源爆发了小宇宙，瞬间照亮了旧的围棋世界。
名词解释：
熵，热力学中表征物质状态的参量之一，在宇宙间自由转化。此处借用其状态来做一比喻。
棋谱3（27—42）
黑1大跳宽攻照顾大局。白棋2、4又是碰！真是“飞刀又见飞刀”。白12点刺的时候，不知什么原因黑棋已不能粘。
至白16为止做一小结，黑棋的进攻除了在中腹有了挺拔的棋形之外一无所获。右边自己的大本营最后竟然要变成白棋的巨空。简直醉了。
小链接——碰的历史
其实人类围棋中碰并不少见，无论在中国古谱还是日本的传统围棋。在道策、秀策，丈和时代，碰都是常用着法，吴清源更是把碰用的炉火纯青。
而现代自从新闻棋战开展以来，考虑到用时的因素，考虑到更安全的取胜，以及若干棋型研究的积累，人类围棋的发展止步不前，碰才逐渐变得少见了。
阿尔法狗围棋一出，碰再次发扬光大。说明事物总是螺旋式上升的。正是所谓“问渠哪得清如许，为有源头活水来”。
棋谱4（43—82）
黑棋无奈，只能出动下方的孤棋“转战”。白4应法自然是声东击西之术。黑棋当然要各走各的。
黑棋5、7靠点是某些职业棋手喜欢用的“钻牛角尖”手段，事实证明没什么大不了，走上了“邪路”，估计以后要被淘汰。而白8扳，白10团的手段，将作为正着载入史册。
黑39占到大场，白40补棋极为干净。
战斗到白40为止，看不出黑棋有啥奇妙手段，除了中腹又多了五个子的“外势”之外。白连边带角形成40多目巨空，爬5个二路也值得了。
棋谱5（83—111）
黑1双飞燕进攻，黑3、5都是局部要点。由于周围黑棋很厚，感觉白棋形势危急，白6竟然能在此关键时刻脱先肩冲。
黑7爬搜根决战开始。白16、18的扭断不明何意，事后看来白棋竟然是忙里偷闲，借治孤之机帮下面围空！简直是魔鬼般的手段。
但白棋大龙也被黑27点在腰眼上，难道要弃子不成？
棋谱6（112—125）
白1靠补断的普通手筋看上去我也会。但紧跟着白5、7两手神光乍现，原来组合妙手在这里，大部队跑回家了。
黑棋为了自身的厚薄还不得不后手断吃那个尾巴。白棋借治孤围空之后竟然还先手回家。如果黑棋也是真人，不知此时会沮丧到什么程度，恐怕会当场认输了吧。
棋谱7（126—148）
白1获得先手冲下，白3拐后大局已定。虽然黑棋也是人工智能，但恐怕此时斗志已失。以下还是聊尽人事地对白棋进行了“冲击”，白棋再次先手活棋，并于21、23位抢先收官。以下已经无话可讲。
棋谱7（149—220）
本谱全是官子。考虑到阿尔法狗强大的形势判断水平和计算能力，我相信双方官子收的次序手法不会比李昌镐差。这些铁船长既看不懂也学习不了，相信各位也是一样。还是把重点放在前半盘的思路吧。
思路1人类数千年的围棋心得以及高手着法道路是正确的，尤其是吴清源大师。2大局观仍然是决定性的，一点儿也不会因为计算能力强大而逊色，反而更加重要。3抢先手占大场，薄棋形效率高也是棋之正道，只是人类不一定适应。阿尔法狗几乎没有漏算，因此“后中先”之类藏有后招儿阴人的想法儿就算了。在狗这不好使，当然在人类可能不一样。4果断用碰，回复棋道本源。
(2017-10-15)