5月25日消息，人機大戰第二局落幕，柯潔在與AlphaGo的對弈中出現失誤，最終以155手中盤投子認負。對此，獵豹移動CEO傅盛認為，AlphaGo 2.0未有實質突破，“從零開始”AI革命任重道遠。傅盛認為Deepmind作為世界最頂尖的深度學習機構，引領著人類在深度學習上的探索。但一年的時間，AlphaGo 2.0本質上只優化了算法，提升了運算能力。這也提醒廣大的AI從業者，不要僅僅寄希望于爆炸性的技術突破，落腳當下應該聚焦AI與應用相結合。

       賽前獵豹移動CEO傅盛預測AlphaGo目前版本并未做脫離監督學習，如果能做到，新版本的技術突破其實不亞于第一版AlphaGo的意義。從零開始訓練，意味著利用增強學習從零開始演化，純粹靠對局最后的Reward（勝負）來學習。“用RL模型在初始沒有監督的情況下想要收斂到接近最優解還是一個很開放的問題，哪怕對于紅白機的一些游戲也不能完全做到。如果AlphaGo 2能夠完成從零開始學習，很可能意味著對于增強學習算法本身有比較重大的突破，而這種突破可能不僅用于圍棋，也有大量對其他應用的可能，所以意義會不亞于AlphaGo 1的橫空出世。”

傅盛的觀點在賽后得以認證，AlphaGo的核心作者之一Aja Huang(黃士杰)在首戰后聲明“此次AlphaGo是單機版，但仍有人類知識的訓練。”

“AlphaGo 2.0并沒有本質性突破，我們期待的無監督學習并沒有到來。Deepmind作為世界最頂尖的深度學習機構，引領著人類在深度學習上的探索。但一年的時間，AlphaGo 2.0本質上只優化了算法，提升了運算能力。這也提醒廣大的AI從業者，不要僅僅寄希望于爆炸性的技術突破，落腳當下應該聚焦AI與應用相結合”傅盛說。

而這一AI應用結合論“由來已久”，傅盛曾多次公開指出深度學習的機會在于和應用的集合而不僅僅是技術輸出。他認為深度學習是算法革命，本質上降低了技術壁壘。由于基本算法模型的固定化，算法的驅動力已經大大地降低了，算法驅動變成了數據驅動。因此，深度學習的核心是數據驅動，雖然有模型調參的機構會有自己的優勢，但更多的數據調參會很快拉平優勢。

本質上，雖然AI是一個技術和工具 ，但是由于互聯網的加速發展，今天一個獨立的技術本身已經很難成為一個完全的行業。很難想像一家公司通過技術輸出就能成功，未來深度學習是基礎的技術運用，很多公司都會具備深度學習的研發能力。所有的公司都將是科技公司。科技是基礎點，需要和應用結合。

而這一論調并非空穴來風，獵豹去年收購了法國一家新聞產品News Republic，把用戶的點擊行為變成數據的標注部分，神經網絡會找到自動的相關新聞進行推送。獵豹還做了直播類應用Live.me，現在是美國最大的第三方直播平臺，每天有幾十萬的美國用戶開播，產生幾百萬、上千萬張標準人臉，這個數據使得獵豹能夠找到精準的數據。獵豹研發的人臉識別技術，在色情和兒童識別上有大量應用。在最近的 LFW 人臉識別的評測中，獵豹取得了前三名的成績。

從深藍到阿法狗，棋牌類游戲一直被用來檢驗人類與人工智能的差距，追溯原因，一方面棋類歷史悠久，人類有足夠的積累，圍棋擁有的變化足夠多，暴力搜索不能解決問題，必須要讓AI有＂直覺＂；另一方面在博弈中屬于完全信息博弈（Complete information），其實是最方便拿來驗證AI能力。傅盛預測，未來AI所扮演的是助手的角色，而不是對抗的角色，將是人機共存的時代。