深蓝、沃森与AlphaGo
深蓝、沃森和AlphaGo都可以算是人工智能发展史上里程碑式的事件
深蓝是一个国际象棋程序，采用的是60年代就提出的α-β剪枝算法，IBM公司聘请了若干个国际象棋特级大师总结下棋的模式和知识，用于对局面的评估。最终于1997年战胜了连续10年国际象棋世界冠军卡斯帕罗夫。
沃森是IBM为了纪念公司成立100周年研发的一个问答系统，其名称是为了纪念IBM公司的创始人ThomasJ.Watson先生。2011年在美国最受欢迎的智力竞猜电视节目《危险边缘》中，沃森击败该节目历史上两位最成功的选手肯-詹宁斯和布拉德-鲁特，成为《危险边缘》节目新的王者。在沃森系统中，共采用了100多项与自然语言处理、知识问答相关的技术，利用《危险边缘》节目创始以来40多年的问题与答案进行训练，存储了大量图书、新闻和电影剧本资料、辞海、文选和《世界图书百科全书》等数百万份资料，在3秒内可以给出一个问题的答案。
AlphaGo在蒙特卡洛树搜索的框架下，利用深度学习和强化学习技术进行训练和评估，其中用到了人类棋手以往的16万盘棋谱，以及AlphaGo自己左右互搏产生的3000万盘棋谱，并用到了人类总结的几万个模式，综合运用这些技术，实现了高水平的围棋程序，并于2016年3月以4:1的成绩战胜了韩国围棋职业高手李世石。这些技术也并不是新技术，但是DeepMind公司有所创新，主要包括两个方面，一个是发展了强化学习技术，二是将传统的搜索技术与深度学习在围棋这个平台上，很好地结合在一起，实现了理性与感性的良好融合。这可能是AlphaGo成功的关键所在。
深蓝采用的α-β剪枝算法是专门用于双人博弈问题的算法，虽然也有人将该方法用于其他方面，比如故障诊断的测试点选择，但应用面是非常有限的，是一个非常专用的算法。也曾听有人介绍说IBM会把相关方法用于风险投资，但事后也没有听到相关消息。这也可能是IBM不再继续投入开展研究的原因吧？
AlphaGo则有很大的不同，深度学习是个通用方法，已经在很多领域得到很好的应用，强化学习也具有一定的通用性，并且DeepMind对其有所发展和创新，在围棋这个平台上可以继续开展研究，也可以推广到其他领域。但是围棋这类博弈游戏有一个特点，其最终的胜负可以自动判断，不需要人类标注，这就为系统自身的左右互搏、强化学习提供了很大的便利条件，如果在其他领域应用，需要定义合适的优化条件才可行。
在三个里程碑式的事件中，我认为最具通用性的是沃森，它采用了100多项与自然语言处理、知识问答相关的技术，这些技术可以在很多应用领域发挥作用，不仅仅是用于问答，IBM公司把相关技术称之为认知计算。IBM公司以此为契机，成立了沃森集团，专注于认知计算的研究和应用，已经在医疗健康领域取得了很好的成果。
因此，从通用性和商用性的角度来说，三个系统中排名第一的是沃森，其系统只要结合相关领域的数据，可以很快进行商用转化，提供服务；其次是AlphaGo，直接转换到其他领域，提供商用服务的可能性不大，但其技术可以应用于其他领域；排在最后的就是深蓝了，向其他领域转化的可能性很小。内容主要参考：http://weibo.com/p/23041873040b820102wrmb
