AlphaGo的勝利似乎微不足道，只不過是在人類用來打發空閑時間的游戲中，機器再次超越它的創造者。然而，這一小小成就不僅只是贏得吹牛的權利那么簡單。有人甚至將它譽為AI發展“里程碑”，按照這個速度，我們曾經認為遙不可及的事情可能很快變成現實。
　　想一想你口袋里的智能手機，在你出生的時候，如此小巧而強大的計算機簡直就是科學幻想，而現在這些裝置無處不在，徹底改變了人們的健康護理、人際關系、商業交易，沒有它們的生活似乎已經無法想象。我們正在進入一個新的時代，科技注定將極大地影響、重塑我們和我們后代的生活。科學家已經發明了一款能夠安撫人類的微笑機器人，一款能夠讓失去手臂的鼓手重新打鼓的機械假肢，當然還有可以讓汽車自行駕駛的軟件。現在，包括Facebook研究人員在內的AI開發者面臨 一 大挑戰———創造能夠完全理解人類語言和表情微妙差異的程序和機器人。一旦他們獲得成功，機器將能夠處理大量數據———包括書籍、醫療案例、社交媒體狀態更新和面部表情線索等等———進而提升人們與AI互動的體驗。我們正在不可避免地邁入一個屬于人工智能的時代，不少技術專家警告，AI可能意味著人類的終結。你或許覺得現在討論這個話題為時過早，但是，很多人并未意識到，從 亞馬遜 網站向用戶提供的產品選擇，到美國國家安全局的數據監控，機器學習已悄然成為我們日常生活中密不可分的一部分。然而，我們中很少有人真正理解它的意義。
　　人工智能走進生活
　　西雅圖華盛頓大學的電腦科學家佩德羅·多明戈斯在《主算法：終極學習機器的研究將如何改變世界》一書中指出，人工智能可能讓到醫院看病成為歷史；主算法(MasterA l-gorithm )可能具有與愛因斯坦相對論旗鼓相當的改變世界的力量；而用機器取代人類士兵可能讓戰爭變得更人性化。
　　電腦科學的終極追求就是一臺能夠自我學習的機器。傳統的編程需要人類用令人抓狂的細節向電腦解釋人類的意圖。這就是算法的本質：對電腦發布的一系列指令。而機器學習則是給電腦編程，讓它具有自主學習的能力。現在，當你搜索網頁時，為你選擇搜索結果可能就是具有學習能力的程序。亞馬遜已經將它用于為用戶推薦產品；在線影片租賃公司 Netflix 用它來推薦電影；社交網站Facebook和 Twitter 用它來選擇向你顯示哪些帖子。在網上發生的一切幾乎都涉及機器學習。
　　多明戈斯提出的主算法是一種能夠從數據中學會一切的算法。將行星運動和斜面的數據喂給它，它就能發現牛頓的“萬有引力”論。將DNA晶體學數據喂給它，它就能發現雙螺旋結構。將包含癌癥患者病歷的龐大數據庫喂給它，它就能學會診斷并治愈癌癥。
　　機器處理信息和進行復雜運算的能力遠遠超過人類，它們測試藥物和疫苗的速度絕非人類可比。“機器學習”已被用于開發藥物，通過電腦模擬的方式，所需的成本和時間相當于傳統方法的零頭。比如，艾滋病疫苗研究的一大難題在于，艾滋病毒變異的速度非常快。研究者大衛·赫克曼提出，傳統疫苗大多只針對一個地方的病毒發起攻擊，艾滋病疫苗需要同時攻擊不同的地方。但是發現所有這些攻擊目標需要處理海量的數據，還需人類無法應對的假設實驗。
　　而攻克癌癥的難題在于它并非是一種疾病。每個人的癌癥都不相同，隨著癌細胞的變異生長，即使在同一個病人身上，今天的癌細胞與6個月前也截然不同。腫瘤的代謝是如此復雜，存在太多的可能變異和分子及環境因素組合，沒有人類能夠全部掌握。因此，只靠某一種藥物無法治愈癌癥。機器學習可分析腫瘤基因組、病人基因組和病史，從而預測哪種藥物或哪些藥物的組合最有效，甚至針對具體癌變設計一種新藥。然而，在實現這一切之前，我們需要更先進的機器學習算法。我們還需要病人分享他們的數據，再交給程序去分析學習。分子生物學家兼機器學習研究者大衛·豪斯勒認為，如果能夠采集足夠多的病人數據，我們將能治愈癌癥，除此之外別無他法。