人工智能發展到頂級之后，只要人類擁有的智能，它無所不能。而且，基于數據處理能力以指數級高于人類，從理論上來說，人工智能將遠超人類智能。但事實上，囿于其在大數據積累上的欠缺，以及數據處理能力背后的邏輯能力缺乏，包括不成熟的行業業態，都給人工智能能否超越人類智慧畫上了大大的問號。

　　但在競技領域，人工智能相較人類智能的優越性已經越來越明顯。1997年5月，卡斯帕羅夫輸給 IBM 的計算機程序“深藍”，開啟了公眾視野里的人工智能在棋牌競技領域對人類的“碾壓”。

　　然而，隨著互聯網的興起，在新千年之后AI逐漸進入沉寂期，直至2006年，大數據和深度學習再次爆發，它又一次進入公眾視野。在競技領域，這次人工智能選擇了難度更高的圍棋、德撲，以及游戲等領域。

　　那么，在這些領域，人工智能都是怎樣“碾壓”人類的?

　　“深藍”：我對人類智慧的碾壓只是AI的開始

　　很多人以為1997年深藍贏卡斯帕羅夫是人工智能第一次戰勝人類。事實并非如此。早在1988年，深藍的師兄“深思”便已在與國際象棋特級大師的對弈中獲得勝利。具有象征意義的是，深藍是第一個戰贏國際象棋世界冠軍的人工智能。事實上，在1996年2月的對弈中，深藍敗給了卡斯帕羅夫，他也曾經表態說，電腦要想戰勝世界冠軍得等到2010年。結果這個時刻實際上只等了一年零三個月，可見人工智能的學習能力，并非人類智力所能判斷。

　　“深藍”：我對人類智慧的碾壓只是AI的開始。

　　Alpha GO、絕藝、DeepZenGo：其實我們已經不屑與人類比拼了

　　“深思”和“深藍”之后，人工智能再次爆發將聚焦點轉移到了圍棋上。

　　這次和“深藍”獨霸天下不同，圍棋界的人工智能則是“群雄激戰”。

　　事實上，最初Alpha GO在網絡里是匿名，直到最后挑戰李世石并最終獲勝才進入到公眾視野。至于Alpha GO為什么能夠戰勝人類，除了與深藍相似的數據處理能力，其基于深度神經網絡可以預測到最遠40步之后的可能情況，而且可以憑借運算能力隨時判斷最優結果。即使在開局不利，或者讓子的情況下，也可以在全局上進行把控。

　　而在亞洲，2017年最有看點的還是絕藝和DeepZenGo的“撕逼大戰”。其中，最吸引公眾矚目的兩次分別發生在3月和8月。3月，第10屆UEC杯世界圍棋AI大賽在日本進行，最后決賽與DeepZenGo的對決中，絕藝在大局劣勢的情況下出其不意的逆轉，最終首次捧起UEC杯冠軍。而8月首屆世界智能圍棋賽，本來的奪冠大熱門絕藝在四分之一決賽中被半路殺出的程咬金——來自臺灣的“CGI”打敗，最后依然由絕藝的老對手DeepZenGo奪冠。

　　雖然Alpha Go、絕藝、DeepZenGo還沒有來一場終極對決，但它們的“江湖地位”還是有譜的。在進階版AlphaGo Zero推出后，三天內通過自我對抗賽，超過了AlphaGo的實力，贏得了100場比賽的全勝。之后，DeepMind發表了AlphaGo的謝幕感言。確實，在圍棋界已經沒有敵手，高處不勝寒的DeepMind將它的下一個對手對準了乳腺癌

　　德撲：人工智能開啟思維開掛新領域

　　2017年12月，《科學》雜志發布文章稱，美國專家研制出新人工智能系統，擊敗四名“德州撲克”頂級高手。據卡內基梅隆大學專家Noam Brown表示：“我們在創造這一人工智能系統時所開發的技術并不是專門用來打撲克的，它還可以在‘不完美信息’條件下幫助解決其他問題。而這種難題隨處可見，我們希望研發Libratus時采用的理念將來能夠對人工智能的進一步發展和推廣起到決定性的作用。”

　　但究竟人工智能為什么能夠打德撲，這與國際象棋和圍棋的大數據分析處理能力還是有不小差異，主要運用的方法是博弈論和運籌學，關鍵需要理解四個概念：納什均衡策略、反事實最佳策略、抽象，以及終局。以納什均衡為例，如何在信息不對稱的情況下，估算對方的下注策略概率，從而獲得博弈矩陣中的占優策略。

　　“深藍”、“圍棋爭霸”、“德撲”給到人類的思考：

　　深藍之所以能夠讓世界為之震撼，就是因為它的出色表現給人類提出了一個哲學問題——什么是真正的思考?平均運算速度200萬步/秒，指數級超人類對于棋盤的運算能力。但沒有感性波動以及直覺的能力，完全通過數據計算，這可以算是真正思考嗎?除了卓越的速度，這種思維能力究竟有什么價值?人類是否也應該讓自己的智力進行這樣的量級式開發?

　　這些思考一直延續到了“圍棋爭霸”。

　　而另一方面，人工智能在德撲中的應用，又說明它除了能在數據計算等統計學思維領域有好的表現，在博弈均衡等社會和經濟學方面亦有出色表現。