专题 方向
返回时间轴
2016-03-15

AlphaGo 击败李世石，完成了曾被预测还需数十年才能实现的突破

Capability Breakthrough 社会文化

事件摘要

DeepMind 的 AlphaGo 于 2016 年 3 月 9 日至 15 日在韩国首尔举行的五局比赛中以 4–1 击败了 18 次世界围棋冠军李世石。全球超过 2 亿人观看了这场比赛，其中大部分在东亚。李世石在第四局中的唯一胜利成为传奇——他的

影响评估

  • 能力跃迁 +3 · 长期

    证明了深度强化学习结合蒙特卡洛树搜索可以掌握搜索空间天文般巨大的领域——此前这被认为需要人类直觉。AlphaGo 在第 2 局的创造性第 37 手展示了连职业棋手都感到新颖的涌现式战略推理能力。

    受影响群体: AI researchers、Go community、game theorists、reinforcement learning researchers

  • 认知转变 +3 · 长期

    尤其在东亚，AlphaGo 成为一个文化分水岭。超过 2 亿人观看了这场比赛。这一事件从根本上重塑了公众对 AI 能力的想象——"AI 能在我们最优美的棋类上击败我们"与"AI 会下国际象棋"的感受截然不同。在中国和韩国触发了一整代人向 AI 领域的职业选择转向。

    受影响群体: general public (East Asia)、students、educators、policymakers

  • 经济冲击 +2 · 中期

    引发了国家级 AI 投资承诺。韩国在数日内宣布了 8.6 亿美元 AI 基金。中国国务院在一年内发布了《新一代人工智能发展规划》，承诺到 2030 年实现 AI 全球领先地位。Google 2014 年以 4 亿英镑收购 DeepMind 被回顾性验证为最具战略意义的技术收购之一。

    受影响群体: governments、investors、tech industry、Google/DeepMind

共识度与来源

重要度 L3
分类 能力突破 / 社会文化
共识度 广泛共识
影响指数 8/10

关联事件

← 前驱事件 (Origins)
1997-05-11 L3

IBM 深蓝击败国际象棋世界冠军 Garry Kasparov

1997 年 5 月 11 日，IBM 的深蓝超级计算机在纽约的六局重赛中以 3½–2½ 击败了国际象棋世界冠军 Garry Kasparov。这是计算机首次在标准锦标赛条件下击败卫冕世界冠军。这场对决成为全球媒体事件，标志着公众开始将 AI 视为人类智力的可信对手。

2012-09-30 L3

AlexNet 赢得 ImageNet 大赛，引爆深度学习革命

Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 的 AlexNet 在 2012 年 ImageNet 大规模视觉识别挑战赛（ILSVRC）中以 15.3% 的 top-5 错误率碾压对手——比亚军的 26.2% 低了超过 10 个百分点。关键创新：在两块 NVIDIA GTX 580 GPU 上训练深度卷积神经网络。这一单一结果让计算机视觉界确信 GPU 深度学习代表了未来，终结了数十年的手工设计特征方法，开启了现代 AI 时代。

2013-12-19 L1

DeepMind 展示用 DQN 从原始像素玩 Atari 游戏——深度强化学习的首次突破

Google DeepMind 发表了《Playing Atari with Deep Reinforcement Learning》，引入了深度 Q 网络——第一个仅从原始像素、仅使用游戏分数作为反馈就能学习玩多种 Atari 2600 游戏的系统。相同的网络架构，无任何游戏特定调整，在 7 个游戏中的 6 个上达到了人类级别或更优的表现。这是深度学习与强化学习的首次成功结合。

2014-01-27 L1

Google 收购 DeepMind，拉开 AI 人才竞赛序幕

2014 年 1 月 27 日，Google 以约 4 亿英镑（6.5 亿美元）收购了 DeepMind Technologies，这是其在欧洲最大规模的收购之一。由 Demis Hassabis、Shane Legg 和 Mustafa Suleyman 创立的 DeepMind 是一家总部位于伦敦的 AI 初创公司，专注于通用学习算法。这次收购是第一个明确的信号：AI 人才和研究能力是值得争夺的战略资产，引发了长达十年的 AI 研究人员抢购战，并确立了 DeepMind 作为全球最受尊敬的 AI 实验室的地位。

→ 后继事件 (Successors)
2017-12 L3

《Attention Is All You Need》——Transformer 架构诞生

八位 Google 研究者在 NeurIPS 2017 上发表了《Attention Is All You Need》，引入了 Transformer 架构。通过完全摒弃循环和卷积、仅依赖自注意力机制，Transformer 在实现最先进翻译结果的同时大幅加快了训练速度。这篇论文已被引用超过 25 万次，Transformer 成为此后每一个主要 AI 系统的基础——从 GPT 和 BERT 到 AlphaFold 再到现代语音模型。

局部演进图谱 (Local Lineage) AlphaGo 击败李世... 2016-03-15 · L3 IBM 深蓝击败国际象... 1997-05-11 · L3 AlexNet 赢得 ... 2012-09-30 · L3 DeepMind 展示... 2013-12-19 · L1 Google 收购 D... 2014-01-27 · L1 《Attention ... 2017-12 · L3