第二次AI浪潮中的技术支撑是？
人工智能发展的第1次热潮，从1956年一直持续到70年代前期。这一时期研发的专家系统等人工智能系统，因受到计算机处理性能的制约，只能处理一定数量的规则，并且是在特定的领域、特定的环境下才能够发挥作用。人们在对人工智能充满期待的同时，对研发出来的缺乏实用性的系统也充满了失望，因此，国家以及企业在人工智能方面的预算也越来越少。这一时期，也就是20世纪70年代后期被称为人工智能发展的“ 第1次低谷”。但是，进入20世纪80年代后，人工智能很快再次迎来了新的发展热潮。本次发展热潮的主角是在第1次发展热潮时诞生的专家系统。因处理美国迪吉多公司（DEC）的VAX系统的各种订单并取得非常成功的专家系统受到广泛关注，各IT供应商迅速导入专家系统。人工智能发展迎来第2次热潮，最大的一个原因在于计算机性能的大幅提高。进入20世纪80年代，基于复杂规则的专家系统也可以在计算机上运行。由此，逐渐实现了专家系统的商业性使用。随着专家系统的兴盛，制定专家系统运行规则的工程师也被称为“知识工程师”，并且一时间成为炙手可热的职业，就像在今天，数据科学家这个职业相当流行，受到人们的追捧。知识工程师的主要工作是听取用户的业务内容并对其进行分析，从中抽出明显的规则与隐藏的规则，然后进行分类。当时，科学家们研发出了各种专家系统。初期的各种专用专家系统大都是利用LISP编程，随着技术的革新，慢慢地发生了变化，通用的引擎部分依然利用LISP编程，规则部分则是知识工程师利用外部数据进行编程。并且，用LISP编程的引擎部分，利用C语言进行编程的开发研究也已经展开了。专家系统的编程由专用LISP语言向普通的C语言过渡，该系统也变成了一般的程序员编写的一般系统，其新意也就逐渐淡化了。由此，专家系统也就从人工智能程序变成了决定论式的普通程序。随着这一变化，专家系统的作用效果也变得非常明确，但是其发展瓶颈也开始显现出来。人工神经网络的发展在人工智能发展的第2次热潮中，人工神经网络也发生了很大的变化。第1次发展热潮时，马文•明斯基等就已经指出，仅凭简单的人工神经网络还有很多无法解决的问题。为了解决这一大难题，多层化的人工神经网络开始受到关注。但是，如何实现多层人工神经网络的自我学习，还没有一个固定的模式。之后，被称为反向传播（Backpropagation）的算法问世，打破了这种僵局的持续。反向传播是人工神经网络的一种自我学习算法，基于这种算法，多层人工神经网络的机器学习实现了定式化。该算法通过在输入层和输出层之间设定一个中间层（隐藏层），以反向传播的方式实现机器的自我学习。基于反向传播的形式逐渐形成固定的模式，人工神经网络的发展也进入了兴盛期。线性不可分的问题也开始得到解决，人工智能也实现了进一步的发展。在人工智能的第2次发展热潮时，笔者有幸参与了作为人工智能机的LISP专用机的研发工作。LISP专用机，也就是一种被称为“AI工作站”的新型计算机。当时，各企业都争相研发各种人工智能专用机，一时间，形成了一股热潮。人工智能专用机诞生之初的价格大约在1000万日元，之后价格急速下降，使得人工智能专用机在一定程度上得到了普及。在人工智能专用机上运行的程序就有专家系统。可以在人工智能专用机上直接编写专家系统，也可以先编写通用的专家系统，然后再将各种规则编入系统中。
AI浪潮下，职业教育如何转型
随着世界的发展及科技时代的到来，终身教育的理念逐渐深入人心，而职业教育又是世界教育体系中不可或缺的一环，职业教育的发展直接影响着一个国家的发展，所以大力发展职业教育是当前教育发展的世界性趋势趋势。
一 职业教育的概述 职业教育是指让受教育者获得某种职业或生产劳动所需要的职业知识、技能和职业道德的教育。如对职工的就业前培训、对下岗职工的再就业培训等各种职业培训以及各种职业高中、中专、技校等职业学校教育等都属于职业教育。职业教育的目的是培养应用人才和具有一定文化水平和专业知识技能的劳动者，与普通教育和成人教育相比较，职业教育侧重于实践技能和实际工作能力的培养。
职业教育是社会发展的产物，是人类文明发展的产物，也可以说是人自身发展的产物。而且是发展到某个特殊时期的产物。职业教育受益于社会，社会也可受益于职业教育，促进社会发展是职业教育的应有之义和神圣职责。
二 发展职业教育的意义
发展职业教育对提高劳动者的素质具有重要意义。从事社会劳动
的人口主要包括从业人员、失业人员，也包括处于劳动年龄之内的就学人员、从事家务人员和军队服役人员以及其他人员。社会生产和经济建设正是通过这些人的劳动来实现的，他们的素质状况，在生产力的发展中具有重要的作用。多年以来，中国职业教育曾为社会培养了许多有理想、有道德、有知识和有职业技能的高素质劳动者，改善了中国劳动力队伍的素质结构、知识结构和技能结构，为各行各业的发展起到积极作用，促进了劳动就业和社会稳定。许多行业在总结改革开放以来取得的成就时，都对职业教育为行业培养的高素质劳动者予以肯定。因此，发展职业教育对于提高劳动者思想道德和科学文化素质，促进社会主义现代化建设,具有战略意义。
发展职业教育能够促进就业率的提升。中国人口众多,就业压力较大，全面提高国民素质，提高就业率及从业质量，把中国沉重的人口压力转变为人力资源，这不仅需要政府主管部门高度重视发展职业教育，同时也要求每一个就业者在解决个人温饱的同时，都应当更多地在加强自身职业教育和职业培训、提高个人技能及综合素质，帮助从业企业更大发展方面做出努力，这不仅促进了企业的进步，也提升了个人的就业质量和生活水平。因此可见，要就业，就好业，大力发展职业教育是必不可少的，这利于通过教育、再教育提高就业者素质， 增强劳动者就业竞争能力， 拓宽其就业渠道,促进就业和再就业，对于全面建设小康社会构建和谐社会,保持社会稳定具有重要意义。
发展职业教育使职业教育深入农村，促进劳动力转型。国务院多次提出要把职业教育当做今后教育的工作重点来抓；同时，教育部职业教育与成人教育司司长葛道凯表示，未来职业教育的工作重点是让更多农村学生接受职业教育，掌握知识技能，改变当前农村学生工作困境。职业教育就是培养具有扎实动手能力和专业技能的专业人才，农村学生只有经过技能培训，才能成为适应市场需求的职业技能人才，实现转移就业。职业教育为农村学生的就业服务，通过对学生技能与知识的培养，为农村学生的发展提供了良好的就业平台。发展职业教育就是要扩大面向农村的招生量，给农村学生更多的学费和助学优惠。
三 中国职业教育的发展历史及成就
（一）中国职业教育的发展历史
中国职业教育的历史源远流长，但其真正获得蓬勃发展的驱动力并赢得令世人瞩目的成就，确实在改革开放以后。1978年4月教育部召开全国教育工作会议，要求改革中等教育结构，职业教育从此进入恢复阶段；1985年底，全国职业教育已形成一定规模，并在之后的十年间大步向前发展；虽然从1997年开始经历了短暂的滑坡，但2002年开始职业教育又迎来了它的重振阶段，此后便蓬勃发展，办学规模迅速扩大，在校人数显著增长。
到了21世纪，职业教育的发展又迈向了一个新的台阶。国务院曾先后三次召开全国职业教育工作会议，并于2002年和2005年两次作出关于大力发展职业教育的决定，明确把职业教育作为我国经济社会发展的重要基础和教育工作的战略重点，职业教育发展的政策环境、舆论环境和社会环境得到了明显改善。并明确了职业教育工作的三大任务：巩固、发展、提高。至此，中国职业教育进入发展的黄金阶段。
（二）中国职业教育的成就及规模
经过这么多年的发展，中国职业教育达到了空前的规模。特别是新世纪以来职业教育的发展成就令人瞩目。据有关数据表明，截至目前：中等职业学校共有近15000所；年招生规模达到810万人，在校生达到2056万人；高等职业院校共有1184所，年招生规模达到310多万人，在校生达到900多万人；各种形式的职业培训每年达到1.5亿人次以上。农村劳动力转移培训3800万人次，农村实用技术培训4800万人次，企业在职职工和下岗职工培训9100万人次。并且，中等职业学校毕业生就业率保持在95%以上，高等职业学校毕业生首次就业率达到68%。
同时国家也加大了对职业教育的支持力度。十二五期间，中央财政安排100亿元专项资金，用于加强职业教育基础能力建设。从2006年至今，各级财政共安排资金约400亿元用于资助家庭经济困难学生接受职业教育。其中，中央财政安排专项资金180多亿元，地方财政安排约220亿元。中等职业教育学校学生受资助面达到90%。高等职业院校学生享受国家奖学金、助学金和助学贷款，受资助面超过20%。
AlphaGo 为什么能战胜人类
AlphaGo能够战胜人类棋手的原因主要有以下两点：1. 阿尔法围棋具有更大的储存空间和更快的计算速度。它储存了近几十年人类棋手的各种围棋下法，并能根据当前情况快速搜索出最适合的下法。而即使人类背熟了所有的围棋下法，在比赛时也会因各种因素无法准确找出最佳下法。2. 阿尔法围棋的算法基于机器学习，能够自我对弈，不断优化自身的棋谱。而人类棋手在对弈时容易受到心理因素、身体状态等因素的影响，无法保持稳定的表现。所以，虽然AlphaGo能够战胜人类棋手，但人类仍有很多人工智能无法替代的优点和创造能力。
为什么alphago自战棋谱非常激烈，而跟人类的棋
在13日结束的AlphaGo与李世石五番棋对决中的第四局，李世石胜出。连败三局之后，人类终于扳回一局。但这场胜利来得有些迟，AlphaGo此前已经痛快得赢得这场人机大赛的胜利。这场生生夺走一周眼球的人机围棋大战，人们最想追问的是，AlphaGo为什么能战胜人类？
赛前，无论是职业棋手还是科技界，并不看好机器胜利
机器赢了人类，这个结果让无数人感到吃惊与意外。在这场比赛开始前，很多职业棋手认为 AlphaGo 不可能赢得比赛。棋圣聂卫平在赛前下定论认为：电脑和人下围棋，百分之百是人赢。
而科技界对 AlphaGo 是否能赢得比赛表示谨慎看好，并没有十足信心。这从 AlphaGo 创始人德米什 · 哈萨比斯（Demis Hassabis）在第二场比赛结束后的发言可以看出，他当时认为 AlphaGo 的胜利难以置信。
在与李世石对弈前，AlphaGo 于去年 10 月与欧洲围棋冠军樊麾进行了对弈，以 5：0 战胜了樊麾，而在非正式对局当中, 樊麾则 2 次中盘战胜了 AlphaGo。
这也被外界认为 AlphaGo 很难战胜李世石的原因。樊麾的等级为职业棋手二段，李世石为职业九段。围棋界公认，这两人的围棋水平为：樊麾是踏在了职业门槛，而李世石则是职业顶尖，前围棋世界第一人，代表了人类围棋最高水平。
但仅仅过了 5 个月，AlphaGo 在五番棋中以 3：0 战胜了李世石，并且在比赛过程中下出了很多令专业人士都非常惊讶的妙手。
很多关注人机大战的人都想要知道一个问题：
Google是怎么设计AlphaGo的？
比如，AlphaGo 的运行机理是什么？进入自我学习的阶段之后，谷歌团队是否还需要人工对其进行不断的人工优化、改良以及提升？还是完全凭借其自身的学习能力来提升？
最近两天 ，DoNews 记者在 Twitter 上就该问题向德米什 · 哈萨比斯进行了两次提问，但德米什 · 哈萨比斯没有进行回应。
在对外公布的所有信息中，包括其在《Nature》上发表过的两篇论文中，都只提到了他们的 AlphaGo 能够做什么，都没有透露 AlphaGo 的运行机制是什么，即 AlphaGo 到底是怎么做到的。
德米什 · 哈萨比斯仅透露，就 AlphaGo 的对弈水平而言，他们的神经网络训练算法远比它使用的那些硬件重要得多。此外，这次人机对战所消耗的计算量差不多与 AlphaGo 和樊辉对弈中消耗的相当，使用的是分布式方案搜寻，能有效节省决策用时。
人工智能战胜人类，为何引起这么多关注？
围棋这项发源于中国的有两千年历史的智力游戏，曾被认为是最后一个人工智能不能超越人类的游戏。围棋游戏的规则是：棋盘由纵横各十九条等距离、垂直交叉的平行线构成。形成 361 个交叉点，在围棋中简称为 “点”。对局双方各执一色棋子，轮流下子，最后谁占的点多，谁就赢。
虽然围棋规则简单，但建立在此规则之上的各种策略、棋理、布局、定式、手筋、手段，却是无穷无尽的。
聂卫平曾解释了其中的原因，围棋棋盘上有 361 个点，其理论变化值是 361 阶乘，阶乘到底本身就是一个无限大的数，无法表达。
比如，棋手在下第一手时有 361 个点可以选，下第二手有 360 个点，第三手是 359，361×360×359×……2×1，即 361 阶乘。（有数据统计，结果约是 1.43 乘以 10 的 768 次方。）
这个数字有多大呢？Google 灵感来源于一个单词 Googol，以表示知识之海无穷无尽。Googol 代表 “10 的 100 次方”，这个数字是人类目前最有想象力的数字。即使人类已知宇宙中原子数量，也不过是 10 的 80 次方。
同时，在围棋对弈中，还包含着很多变化：打二还一，打三还一，打劫，倒扑等，每一种变化都会衍生出无数的变化。
在下棋过程中，棋手需要有一种判断。而此前，电脑被认为无法承担这种判断，因为这不是计算就能够完成的。
AlphaGo 是怎么做到的?
AlphaGo 结合了 3 大块技术：蒙特卡洛树搜索 (MCTS) 是大框架，这也是很多博弈 AI 都会用的算法；强化学习 (RL) 是学习方法，用来提升 AI 的实力；深度神经网络 (DNN) 是工具，用来拟合局面评估函数和策略函数。
我们在这里用比较通俗的语言来解释一下：棋盘上有 361 个点，AlphaGo 会进行一层层分析：下在哪个点或区域是有利的？这时它会参考输入的过往的棋谱，对局和模拟，进行选择、推演，并对推演结果进行估值。AlphaGo 能够理解会根据“赢”这个目标来进行估值，选择出一个对“赢”足够优的解。
围棋？AI 能超越人类的还有很多.
AlphaGo 的胜利，引发了大讨论。因为人类开始面临着一个前所未有的情况：人类造出了，在智能的某个点上，超越自己的东西。 通过黑白纹枰上的胜利，AI 已经在人类的智力围墙打开了第一个缺口，但这绝非最后一个。
在过往漫长的岁月里，机器都只是人类劳动的一种替代与工具，无论飞机、汽车、起重机还是电子计算机、互联网，尽管看上去有着无限的能力，但却从未侵入由人类大脑所把持的领域——“创造”。
而随着 AlphaGo 的胜利，这一天或许将成为历史。实际上，过去几天，这台人工智能在围棋盘上发挥的创造能力，已经超越了人类两千年于此道上积累的智慧结晶。
如果我们检索人类的“资源库”，会发现，复杂程度超越围棋的智力行为并不多见。这也意味着很多传统人类脑力劳动的形态，发生改变。很多从事创作、设计、推演、归纳的工作，都将被 AI 部分替代。
如果将思路拓展出去，可以应用在音乐的创作，等其他类似于元素组合式的创造，从某中意义上说，它能够击败围棋的顶尖高手，也就有可能让人难辨真假的音乐和旋律。甚至做出更多我们想不到的事情。
按照德米什 · 哈萨比斯的设想，人工智能未来的主要用途将是医疗、智能助理和机器人。
而人们通过这次比赛担忧的是，如果人工智能拥有创造性的思维，加上远超出人类的运算能力，是否有一天会统治人类。
就像网友评论里说的段子一样，“第四局AlphaGo输了，是不是AlphaGo故意输的？细思极恐”。
