摘要：
如果有合适的条件，完全可能有其他的生命进化路径，以及更纷歧样的进化结果。
AlphaGo三番棋对决中的第二盘昨日打响，最终柯洁不敌阿尔法围棋，第二盘告负，目前双方比分0:2。
随后搜狗公司CEO王小川在知乎上发布评论文章称，2017人机大战的意义在于它重演一部进化史，重新认识智慧的界限。王小川体现，“AlphaGo2.0 告诉我们：如果有合适的条件，完全可能有其他的生命进化路径，以及更纷歧样的进化结果。”
王小川认为，AlphaGo 2.0与1.0已大不相同，新的算法对计算资源开销极小，把当前棋局输入神经网络，电流流过，输出就是最佳的走棋方案。王小川猜测，有可能仅仅依靠一个 GPU 工作，每一步棋消耗的能源接近人的大脑。
在王小川看来， AlphaGo2.0已经完全抛弃掉人类这两千年来进化的围棋经验，另寻他径，仅凭两台机器自我对弈中学习和进化，最终不但赶超了人类进化的速度，还发展出一套截然差别的下棋方法，而且更加接近完美的状态，实现了对人类的碾压，重演了一部围棋的进化史，并且得出了与这两千年来差别的进化结果。
附王小川评论全文：
该来的终于来了。
一年前 AlphaGo 发布，看完论文后我就在知乎上发文预测机器会完胜人类。好些行业伴侣不相信，为此我收了很多“智商税”，之后微信发红包一直发到春节才发完。此外我还立了两个断言：一个是 Google 很有可能再研发出 AlphaGo 2.0，开脱“监督学习”，不再需要人类下围棋的历史数据，而是只通过“增强学习”，两台 AlphaGo 自我对战学习如何下棋，并达到登峰造极的地步。从公开的资料判断，此言中了。这意味着什么呢，又有什么看点呢?
技术重大提升：和 1.0 原理大差别，更接近于人
AlphaGo 1.0 是巧妙地混合了三种算法：蒙特卡洛树搜索 + 监督学习 + 增强学习。其中蒙特卡洛树搜索是一种优化过的暴力计算，比 1997 年深蓝的暴力计算更聪明。而这里的监督学习，是通过学习 3000 万步人类棋谱，对六段以上职业棋手走棋规律进行模仿，也是 AlphaGo 获得突破性进展的关键算法。而增强学习作为辅助，是两台 AlphaGo 从自我对战众中学习如何下棋，据悉对棋力提升有限。
按照公开资料推测，此次 AlphaGo2.0 的技术原理与之前有着巨大差别：
1. 放弃了监督学习，没有再用人的 3000 万局棋谱进行训练。这本是 AlphaGo 最亮眼的算法，也是今天主流机器学习不成制止的核心条件：依赖于优质的数据，在这个特定问题下就这么被再次突破了。
2. 放弃了蒙特卡洛树搜索，不再进行暴力计算。理论上，算法越笨，就越需要暴力计算做增补。算法越聪明，就可以大大减少暴力计算。从 AlphaGo 2.0 的“马甲”Master 的历史行为看，走棋非常迅速，约在每 10 秒钟就走棋一步，如此速度很可能是放弃了暴力的计算。
3. 极大地强化了增强学习的作用，之前敲边鼓的算法，正式成为扛把子主力。想想看有多励志：两台呆子机器，遵守走棋和获胜规则，从随机走棋开始日夜切磋，总结经验，不停批评和自我批评，一周后终成大器。
在这样的算法下，AlphaGo 2.0 对计算资源开销极小，把当前棋局输入神经网络，电流流过，输出就是最佳的走棋方案。我猜测如此算法下，有可能仅仅依靠一个 GPU 工作，每一步棋消耗的能源接近人的大脑。
最大看点： AlphaGo2.0 棋风完全脱离人类经验
本年年初，AlphaGo 化身 Master 连胜人类顶尖棋手 60 局。在围棋领域，机器完胜已经酿成公认的定论。这导致很多人开始问：这次人机大战还有意义吗?我们的关注点不再是机器是否会赢——而是机器将用什么姿势战胜人类。
AlphaGo 学习了 3000 万步人类棋谱，走棋风格也近似于人。在角逐现场，偶有 AlphaGo 走棋和人的经验不符合，就被评为“愚蠢”，只是在中盘之后发现机器渐渐局面占优最终获胜，为了自圆其说解读为“AlphaGo 中盘逆转”，，前两局莫过如此。第三局开始评论者长了教训，开始尊称 AlphaGo 为“阿老师”，有了欣赏和敬畏的心态。这带给围棋界很大的冲击，以前大家认为正确的东西，其实是不正确的。
柯洁曾经评价说：“AlphaGo 出现，很多理论都被推翻，再看以前定式变得好笑，亏那么多目就不再是两分。”人类通过数千年实战，总结了围棋理论，然后计算机告诉人类：这些全都是错的。现在在很多角逐上，人类棋手已经开始向机器学习，模仿 AlphaGo 的下法，棋圣聂卫平也曾体现“理论被颠覆了”。
