过去发生过这种情况，人们非常兴奋并说我们将在十年左右拥有人工智能。这又发生了。不知道为什么人们不从人工智能的历史中学习。在这两种情况下发生的事情是这样的——你开发了一种技术来解决一个特定的问题，你应用这种技术，这种技术似乎足够通用，人们开始将同样的技术应用到各种问题上，人们很兴奋这是他们一直在寻找的银弹，该技术开始显示其局限性并且不适用于许多问题，炒作被粉碎，重新开始。

哪些信号表明机器学习即将起飞？

直到拐点的后果决定了前后之间的显着差异，我们才知道。一般来说，每一个相当大的反应都必须归因于一个特定的原因。

限制人工智能并显然使其停滞不前的最大限制之一是该领域涉及的计算能力的贪婪。而且由于硬件技术的进步比软件慢得多，人工智能仍然局限于实验室和数据中心。

人们对最近的机器学习里程碑如此兴奋的部分原因是 AlphaGo 展示了一种可重现的管理数学和计算难处理性的方法。

围棋很有趣，因为它不可能解决。无论处理器速度有多快，它都不能被暴力破解。围棋是如此复杂，人类无法产生能够战胜熟练的人类棋手的人工智能。计算机可以教自己做人类无法教它的事情，并且具有类似于自然的复杂性，这一事实非常不同寻常。

组合游戏尤其有用，因为与自然界不同​​，可能无法跟踪甚至了解每个变量，难处理性可以从一组简单的元素和规则中产生，并且可以明确地评估结果。

随着方法的概念验证的进行，AlphaGo 似乎是一个非常强大的方法。它使我们能够明确地说“机器学习有效”，非常重视该领域，并提高了将方法扩展到现实世界问题的信心。

除此之外，它还提出了一个反馈循环，其中程序可以在改进方面进行改进，而不受人类限制的限制。处理能力的提高受到物理限制的限制，但算法不受限制。