不久，这种反向传播算法又出现问题了。训练一次神经网络的耗时太长，而且要对神经网络进行进一步优化又太困难。再加上20世纪90年代初，政府对人工智能的投入减少了，这无疑是雪上加霜。俗话说，原地踏步就等于退步，本来神经网络就已经遇到了麻烦，又半路杀出个程咬金——20世纪90年代中期，伦敦大学教授万普尼克（Vapnik）等人发明了新的支持向量机（SupportVectorMachines，SVM）算法，没有对比就没有伤害，SVM算法处处体现着它的优势，神经网络似乎败下阵来。
和上次一样，还是有一些学者在对神经网络做着不懈的研究。我们刚才提到1997年，IBM的深蓝计算机战胜了国际象棋冠军。到了2006年，辛顿（Hinton）在论文中首次提出了“深度信念网络”的概念。“深度信念网络”创新地采用了“预训练”（pre-training）的过程，可以大幅减少训练多层神经网络的时间。他把多层神经网络的学习方法命名为“深度学习”（这个名词听起来就像期末考试前，学生们的状态）。“深度学习”接二连三地在各个领域崭露头角：先是应用于语音识别领域，接着又于2012年应用于图像识别领域。辛顿与他的学生在ImageNet竞赛中，用多层的卷积神经网络成功地训练了包含一千类别的一百万张图片，获得了分类错误率15％的优异成绩，这个成绩远远超过了第二名，充分证明了多层神经网络识别效果的优越性。
2016年围棋人机大战：李世石Vs谷歌AlphaGo
在这之后，关于深度神经网络的研究与应用不断涌现。目前，深度神经网络在人工智能界依然占据着统治地位。我们之前说，“Snarc”的兄弟AlphaGo，也正是神经网络的“获益者”。2016年击败李世石的是AlphaGoLee，2017年击败柯洁的是升级版的AlphaGoMaster。又在2017年10月18日，AlphaGo再次登上世界顶级科学杂志——《自然》。AlphaGo的开发团队——DeepMind公布了最强版的AlphaGo，代号AlphaGoZero。它是一个能“自学成才”的“怪物”。
据说，前代AlphaGo是通过学习大量棋谱入手的，就像一个普通人得到了很多武林秘籍，迅速地成为了“盟主”。而AlphaGoZero它是从一张白纸开始，3天之内，通过数百万盘自我对弈，就走完了人类的千年的围棋历史，还探索出了很多横空出世的招法，这听起来可比前任武林盟主厉害多了！不仅是听起来，AlphaGoZero确实是世界上最强大的围棋程序，他胜过了以往所有版本的AlphaGo。它击败了曾经战胜李世石的AlphaGo版本，成绩为100比0。据说，AlphaGoZero采用了一种“强化学习”的新模式，将一个一无所知的神经网络和一个强力搜索算法结合，使AlphaGoZero进行自我对弈。在对弈过程中，神经网络不断升级，AlphaGoZero能够预测每一步落子和最终的胜利者。就这样，一次又一次地反复训练，使得神经网络越来越准确，AlphaGoZero的版本也越来越强，这简直是“熟能生巧”的最佳典范！
在这一章的最后，我们来引用两个人的话，他们的话或许能让我们对人工智能有新的思考。一位是AlphaGo项目的首席研究员大卫·席尔瓦。他说：“对我们来说，打造AlphaGoZero不是为了打败人类，而是为了探寻研究科学的意义。我们已经看到一个程序可以像在围棋这样复杂并具有挑战性的领域达到很高的水平，这意味着我们能够开始着手为人类解决最困难、最有影响的问题。”另一个则是我们之前提到的“人工智能之父”马文·明斯基，他曾说：“我们人类并不是进化的终点，因此如果我们能制造一个和人一样聪明的机器人，那我们也就可以制造一个比人更聪明的机器人。造一个和人完全一样的机器人意义不大，你也会希望制造一个能干我们人类所不能干的事情的机器人。随着人口出生率的持续下降，但人口总量仍在增长，这样就会有越来越多的老人。我们需要聪明的机器人来帮助他们做家务、保管物品或种蔬菜。还有一些问题是我们不能解决的，比如，如果太阳不再照耀地球，或者地球被毁灭了，我们该怎么办？不妨‘制造’更多更好的物理学家、工程师和数学家。我们必须为我们自己的未来打算。如果不能做到这一点，我们的文明将会消失。”在前一章的末尾，库兹韦尔告诉我们“奇点”的存在与人工智能的威胁，但在这里，科学家们又告诉我们人工智能发展的意义所在。我们不能因为惧怕人工智能的威胁而“因噎废食”。
我们是如何看待“人机大战”的？面对一次又一次人类惨败的消息，我们又当如何思考？或许我们会沉浸在人类逐渐被人工智能超越的恐慌里，但是科学家们的思路却和我们不同，他们挑明了说，人工智能并不只是为人类打打下手的，它们还有更重要的功能——做我们不能做的事情，为我们解决最困难的问题，为我们未知的未来保驾护航。这也正是几十年来，投身于发展人工智能的这些天才科学家们内心的终极目标。而这一目标也支持着科学家们克服重重困难，走过一次又一次人工智能的低谷，一直到近些年，人工智能越来越炙手可热、应用广泛，影响着人们的生活和工作的方方面面。
