它具有歷史意義。專家表示，這不僅證明了計算機可以在壹些挑戰中超越最偉大的大腦，也顯示了這些智能金屬塊的局限性和缺點。
深藍還強調，科學家要想做出會思考的智能機器，就必須決定“智能”和“思考”的意義。【超級智能機器:未來七大機器人】
在許多遊戲中，電腦有幾天是有極限的。在曼哈頓下城的公平中心，深藍隊2-1擊敗卡斯帕羅夫，三局平手。這臺機器通過預測許多步驟並通過可能的組合來接近象棋——這種策略被稱為“決策樹”(想想描述樹的壹個分支的每個決策)。深藍“修剪”了其中的壹些決定，以減少“分支”的數量並加快計算速度，並且仍然能夠每秒鐘“思考”大約2億次運動。
盡管有這些令人難以置信的計算，但該機器在其他方面仍有不足之處。
“雖然它們很好，但(計算機)在其他類型的決策方面相當差，”IBM research的研究科學家默裏·坎貝爾說。有些人懷疑計算機是否能像人類壹樣工作。
“更有趣的是，看待壹個復雜的問題有不止壹種方法，”坎貝爾告訴《生活科學》。妳可以用人類的方式，用經驗和直覺，或者更像計算機的方式來看待它。“這些方法相輔相成，”他說。
雖然深藍的勝利證明了人類可以制造出偉大的棋手機器，但它強調了建造壹臺可以處理棋盤遊戲的計算機的復雜性和難度。坎貝爾說，IBM的科學家花了幾年時間來建造深藍，它所能做的就是下棋。他補充說，事實證明，制造壹臺可以處理不同任務或學習如何完成新任務的機器更加困難。《深藍》是什麽時候拍的？
學習機器，機器學習的領域還沒有發展起來，大部分計算能力都不具備，坎貝爾說。例如，IBM的下壹款智能機器名為Watson，它的工作方式與深藍非常不同，更像是壹個搜索引擎。沃森證明了它能夠理解和應對長期的“危險2011”冠軍。過去20年開發的“KDSP”和“KDSP”機器學習系統也使用了大量數據，這些數據在1997這個互聯網還處於初級階段的時代是不存在的。程序化設計也取得了進展。比如打敗了世界象棋圍棋冠軍的人工智能計算機程序AlphaGo，它的工作原理就和深藍不同。AlphaGo玩了很多棋盤遊戲，並使用這些模式來學習最佳策略。這種學習是通過神經網絡，或者類似於人腦神經元的程序來進行的。坎貝爾說，當深藍在20世紀90年代建造時，用於制造深藍的硬件並不實用。威斯康辛大學密爾沃基分校的副教授托馬斯·黑格寫了大量關於計算歷史的文章。他說深藍的硬件是當時IBM工程的壹個演示。這臺機器結合了壹些定制芯片和其他高端版本的PowerPC處理器，在當時的個人電腦中使用。【中情局歷史。:人工智能(信息圖)]
什麽是智能黑格說:“深藍”也說明了計算機的智能可能和人類的智能關系不大。“深藍”不同於經典人工智能的傳統符號。它試圖通過壹臺能夠進行壹般推理的機器來復制人類智能和理解的功能。所以我們努力做更好的棋類遊戲機。然而，這種策略更多的是基於計算機制造者對什麽是智能的想法，而不是基於什麽是智能。早在20世紀50年代，象棋就被認為是聰明人擅長的東西。因為數學家和程序員往往特別擅長下棋，所以他們認為這是壹個很好的測試機器能否顯示智能的方法。
它在20世紀70年代發生了變化。“顯然，使計算機程序成為越來越強大的玩家的技術與壹般智力無關，”黑格說。所以，我們並不因為計算機下棋下得很好就認為計算機聰明，我們認定下棋終究不是智力的測試。“KD SPE”KD SPs“科學家如何定義智力的變化也顯示了壹些人工智能任務的復雜性，”坎貝爾說。深藍可能是當時最先進的電腦之壹，但它是為下棋而造的，僅此而已。即使是現在，計算機仍然在與“常識”作鬥爭——人們通常不會考慮的上下文信息，因為它是顯而易見的。
“超過壹定年齡的人都知道這個世界是如何運轉的，”坎貝爾說。坎貝爾補充說，計算機壹直在努力完成壹些人類認為很容易完成的模式識別任務。”他說，在過去的五年裏，在感知問題上取得了許多進展，比如人臉和模式識別。
坎貝爾指出，計算機做不到的另壹件事是自我解釋。壹個人可以描述她的思維過程，如何學習。計算機還不能真正做到這壹點。“人工智能和機器學習系統有點像黑匣子，”他說。
黑格指出，即使是沃森也處於“危險之中！”如果妳贏了，妳就不要像壹個人[沃森]用下壹代處理器實現壹種統計暴力方法(而不是基於知識的邏輯方法)來“思考”去傷害！在給《生命科學》的壹封電子郵件中，他寫道，這再次證明，像大多數人認為的那樣，成為智力競賽的獲勝者與智力無關。然而，隨著計算機變得越來越好，比我們更好，“我們要麽留下壹個非常具體的智能定義，要麽不得不承認計算機實際上是智能的，但它們與我們不同，”黑格說。
人工智能的下壹步是什麽？坎貝爾說，“因為人類和計算機的思維方式不同”，計算機需要很長時間才能做出醫療診斷，比如完全診斷自己，或者處理壹個問題，比如為年紀大了想呆在家裏的人設計住所。深藍表現的是計算機適應某項任務的能力，但是到目前為止，還沒有人能夠做出壹個通用的機器學習系統，可以像專門制造的計算機壹樣工作。
例如，計算機可以很好地處理大量數據，並找到人類會錯過的模式。然後，他們可以提供這些信息給人類做決策。“壹個互補的系統比壹個人或壹臺機器要好，”坎貝爾說。
也許是時候解決不同的問題了，他說。棋類遊戲，如國際象棋或圍棋，讓玩家知道對手的位置，稱為完全信息博弈。現實世界並非如此。我們現在應該吸取的教訓是……我們從桌遊中學到的東西並不多。elligent的計算機程序Libratus在為期20天的德州撲克無限錦標賽中擊敗了最優秀的人類撲克選手，這被認為是壹場信息不完全的比賽。)
至於深藍的命運，在與卡斯帕羅夫的歷史性競爭後，電腦被拆解；它的組件在華盛頓特區的美國國家歷史博物館和加州山景城的計算機歷史博物館展出。
關於生命科學的原創文章。