编写程序
人不仅写入
国际象棋基本规则，还加入详细棋局策略。但新
代人工智能更喜欢让机器自己学。2015年2月，由GoogleDeepMind人工智能公司所开发个程序，就自己学会如何去玩49款经典Atari游戏。开发者之戴米斯·哈萨比斯（DemisHassabis）博士解释道：“
们提供给系统唯信息就是屏幕上原始像素，以及指示系统要努力得到高分。剩下切都是它自己解出来。”而这套程序也成功找出交给它所有游戏规则，从《吃豆人》（Pac-Man）、《太空入侵者》（SpaceInvaders）到各种赛车和网球游戏。而且，这套程序得到分数多半都能打平甚至超过人类，有时候还会使出人类玩家从未想到策略。13
图45“深蓝”击败加里·卡斯帕罗夫
不久之后，人工智能又获得更惊人成就：谷歌AlphaGo软件自学围棋这种古老中国棋类游戏，而围棋复杂度远超国际象棋，般认为这并不在人工智能程序能够处理范围内。2016年3月，AlphaGo和韩国棋王李世石在首尔举行场比赛，AlphaGo凭借出奇下法、创新战略，以4比1击败李世石，令各方大跌眼镜。赛前，大多数专业棋手都确信李世石能赢得比赛，但在赛后分析AlphaGo棋路后，多数人结论则是人类在围棋上已不再有希望能打败AlphaGo或其后来者。
近来，计算机算法也证明自己在球类竞赛中价值。几十年来，棒球队挑选球员靠是专业球探和经理智慧、经验和直觉。顶尖球员身价高达数百万美元，自然财力雄厚球队才能抢下流球员，而经济拮据球队只能勉强起用二线球员。但在2002年，预算有限奥克兰运动家队（OaklandAthletics）总经理比利·比恩（BillyBeane）尝试要打破这个格局。他决定根据经济学家和计算机怪才所开发套神秘计算机算法，找出人类球探忽视或低估球员，打造支常胜队伍。在保守派看来，比恩算法根本是玷污棒球神圣殿堂，他们大感愤怒。他们坚决认为球员选择是门艺术，只有长期亲近棒球、相关经验丰富人，才有可能掌握。至于计算机程序，因为它永远无法懂得其中奥秘和棒球精神，所以永远都不可能学会这套。
但没多久，令这些人颇感意外是，比恩用算法打造这支低成本球队（4400万美元），不仅能与纽约扬基队（1.25亿美元）这种传统棒球强队平分秋色，甚至还成为美国职业棒球大联盟史上第支20连胜队伍。只不过，比恩和运动家队没能得意太久。很快，其他球队也跟进使用同样算法策略，而且由于扬基队和红袜队不管在球员还是计算机软件上能砸钱都远远胜出，现在像奥克兰运动家队这种低预算球队，能打败整个体制机会反而更小。14
2004年，麻省理工学院弗兰克·利维（FrankLevy）教授与哈佛大学理查德·默南（RichardMurnane）教授发表份关于就业市场全面
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
