1997年，IBM的人工智能Deep Blue打败了当时的象棋世界冠军 Garry Kasparov。从此以后，人类对AI的︻认知便改观了。Deep Blue让人类认识到：就算象棋这种大家认为人类专属的活动也可以被AI侵略。但其实，这并◣不能说明科技取得了突破性的创新，因为说到底，机器人下象棋就是由快速的计算机和聪明的算法驱动，而围棋并非如此。

　　围棋要求更加复杂的算法、更完整的↙策略思考，蕴含更多的交互和策略分析，对于AI的挑战更大。围棋依赖更多的模式认知，需要对全局和细节进行更ω微妙的评估。围◣棋的下一步很难预测，几乎没有哪种算法能够▂成功预测围棋的每一步。

　　在本世纪之前，围棋的AI机制进步得非常↑缓慢，可以被业余选∞手打败。但在2006年，这种状况改变了，因为AI引进了两种技术： Monte Carlo 树形搜索和深度网络。Monte Carlo 树╳形搜索算法并不会检验所有可能发生的步骤，而会进行々一个分离的选择，以一种成熟的方法来结合选择对象，以此做出更好的预测。而深度网络是神经网络的转换方式，它从1960年代就◆开始测试，现在已经变得更便宜、更强大、拥有更多的数据◥，来训练学习算法。

　　这两种技术的结合让♀AI的围棋技术☆有了巨大的提升。终于，在今年3月， 谷歌↑人工智能AlphaGo打败了世界顶级围棋棋手李世石，人类开始恐惧AI的强大力量。

　　现在，AI要征服下一个疆域◥：踢足球。

　　AI的未来是体力活动

　　自从1997年AI打败象棋世界冠军后，科学家们开始相信AI最能够征服的就是脑力游戏」。而对于AI而言，要征服那些体力游戏则更难，比如踢︼足球。

　　足球对于人类来说并不是一项有难度的运动，但是对于AI则不然，对于机器人来说，要用双腿跑步↘、用腿控∑　制球、与队友沟通、避免摔倒，可比下象棋要难得多。现在，世界上只有极少数实验室能够设计出会行走的人形机器人。而现在， 由科学家Hiroaki Kitano和Manuela Veloso领导的团队旨在2050年之前打造出一支机√器人足球队，来对抗世界★杯冠军，并且赢得比赛。现在他们正在努力，并已经进行△了多届“机器人世界杯”。

　　到今年，“机器人世界杯”已经★举办了20次了，其目标〖一直是提升和挑战AI和机器人的能力。具体来说，这种能力并不是机器人抽象的脑力能力，而是体力运动能力以及实时交互能力。从第一届“机器人世界杯”举行ξ了之后，很多组织开始关注这种比赛如何促进机器人科技的进♀步。

　　第一届“机器人世界杯”的参赛选手只有轮式机器人;后来，索尼◣的四腿AIBO机器狗加入到∩了队伍中来;从2003年开始，人形机器人开始比♂赛。最开始，人形机器人的运动能力非常有限，行走时经∞常颤抖，踢球时经常摔ζ　倒。近年来，机器人的足球技能快速∴提升。现在，很多实验室已经开发出了人形机器人足球团队。

　　这不是简单的球类运动

　　为了实现2050年的目标，团队给机☆器人设下的任务也越来越难。从去年开Ψ始，地面绿毯换成【了人造草皮，球门和足球都涂成了白色。这让机器人保持稳定、识别球门和足球更加√困难。因此，也许今年的机器人选手们表现得比去年差劲，但不要担心，这只是因为它们↘的任务难度增加了不少。

　　相比于下象棋和围棋，踢足球蕴含的技巧更多更难：边跑边锁▓定目标、强光下识※别足球、湿草地上跑步、每45分钟为机器人输送一次能量......而其他的问题也与人类现实息息相关：何时机器人和人类可以同一╲片足球场踢球?人类和「机器人踢球是否安全，会不☆会更容易受伤?如果人类判机器人犯规，机器人会不会心服口服?

　　因此，当机器人的聪明程度让人类跪舔和恐←惧的时候，我们正在让它们征服下一个疆域：那些人类认为分外简单的体力劳动。而这就▆是机器人未来需要征服的关键疆域。