2016年3月，AlphaGo以4：1战胜了职业9段选手李世石；然后又在2016年末2017年初，在中国棋类网站上以“大师”（Master）为注册帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；最近，5月27日上午10点30分，柯洁和AlphaGo的三番棋如期开始了最后一盘，柯洁再度落败，总比分0:3结束了与AlphaGo的三番棋较量。
一切在意料之外，又在意料之中，意料之外应该在第一场，刚刚才战胜职业二段选手才2个月的AlphaGo，进步居然如此之快。之后的战斗其实就是毫无悬念的战斗了，因为人的进步速度，肯定远远比不上机器的进步速度。如果说围棋还是信息对称性的游戏，在信息非对称的领域，如德州扑克上，也失守了，就在今年1月，在宾夕法尼亚州匹兹堡的Rivers赌场，卡耐基梅隆大学（CMU）开发的人工智能系统Libratus战胜四位德州扑克顶级选手，获得最终胜利。这是否表明，机器也学会了撒谎与欺骗呢？
说到AlphaGo，就会提起人工智能与机器学习，人工智能并不是一个新名词，自从第一台计算机被发明出来之后，人类就一直幻想着具备高度人工智能化的机器人，阿西莫夫在《银河帝国》中的机器人系列中，还定义了耳熟能详的“机器人三大定律”。在《星球大战》，《终结者》，《黑客帝国》等电影中，我们也能看到各种各样智能的机器人，甚至是机器的反叛与觉醒。而实际的人工智能，发展的却并不如科幻这般迅速，不过，随云计算解放了计算能力，互联网连接了所有数据，随着数据量的暴增与连接，最近的人工智能发展颇为迅速，这也是导致了最近两年人工智能如此之火的根本原因。
那到底什么是人工智能？百度百科上有一句话：
人工智能可以分为强人工智能和弱人工智能：强人工智是有推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的，这也就是我们在科幻电影上看到的机器人，他们可能有类人的思考，也可能有非类人的思考能力，也可能有超越，甚至远远超越人的智能；弱人工智能的这些机器，或者是智能工具，只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
1、汽车上有很多的弱人工智能系统，从控制防抱死系统的电脑，到控制汽油注入参数的电脑。谷歌正在测试的无人驾驶车，就包括了很多弱人工智能，这些弱人工智能能够感知周围环境并作出反应。未来几年时间，自动驾驶将会快速的发展，甚至超越我们的预期。
2、自然语言处理方面越来越智能化，比如我们熟悉的苹果手机中的Siri，我们可以跟她聊天，甚至她还能给我们解决一些实际问题。还有，比如亚马逊的Echo；我们朋友团队的Rokid等等，已经不仅仅是智能语音的处理，以及仅仅是一个会说话的音箱，他们随时在学习与进化，背后是强大的机器学习软件与大量的数据的训练，他们会越来越聪明，能做的事情也会越来越多。
3、图片处理也越来越智能化，我登录我的电脑是靠刷脸（indos10中自带的刷脸功能）；杭州目前的停车场基本上都不用取卡了，全部靠自动识别车牌；以及之前广泛宣传的杭州智慧城市，能靠摄像头的数据分析，自动调控红绿灯的时间，加速城市道路的通行效率。
4、谷歌翻译也是一种经典的人工智能。未来如果跟自然语言处理与图片处理相结合，你会发现，只要你对着手机说中文，手机直接给你翻译成英文；或者你用手机摄像头对着一串英文（或者其他国家文字），手机里面就自动显示中文。
还有很多类似此类的弱人工智能，围绕在我们的身边，他们从最早的自动化程序开始，进化到目前的基于云计算+大数据的机器深度学习的弱人工智能，这里是一个非常大的改变，这也是这两年人工智能为什么这么火的原因，因为云计算解放了计算能力，连接了所有的可能的数据，使得数据量暴增。
目前的人工智能 = 云计算+大数据+机器学习！
我们正在从云计算时代，走向大数据时代，然后会步入到人工智能时代！
云计算的出现，解放了计算资源，让大规模的机器学习变得非常容易；互联网、云计算连接一切，使得数据的获取也变得更容易，加上数据量本身在云计算时代的暴增，使得机器深度学习变得更加可能。反而人工神经网络这项技术的出现已经有40多年了，而且核心技术没有得到本质性的革新。
人工智能的兴起也再次导致硬件的变化，如从CPU到GPU再到TPU，这两年在新的算法上，也出现了一些突破，可以说，人工智能马上进入到一个新的爆发时期。
未来50年里，人工智能“绝对”或者“很可能”会取代大部分人类工作。普华永道的调查也显示，未来15年美国38%的工作处在“高危”区域，极有可能被人工智能取代。
扎克伯格在哈佛的演讲中说到：“我们这一代人是非常艰难的，未来将会有数以百万计的工作被人工智能取代，比如无人驾驶汽车、卡车等等。我们父母毕业时，他们的目标是找到工作，但是今天，人工智能导致许多工作消失，社区成员之间的关系也渐渐变淡，许多年轻人感到沮丧。”
今天又看到一篇刷屏的消息：最近亚马逊和卡内基梅隆大学一起开发了一套名叫“OtterTune”的机器学习自动化调整DBMS的系统，并公布起设计论文和开源项目，重点解决DBMS长期存在的一些问题：
1.对管理人员专业性要求高；
2.管理成本高；