AlphaGo 戰勝了李世石，人工智慧突破了圍棋領域，這意味著什麼？

12-29

是不是已經意味著在一定規則下的邏輯思維領域，計算機的學習能力與思考能力全面超越了人類？那如果更廣範圍的思考「一定規則下的邏輯思維領域」這一範圍，是否意味著其實大部分工作計算機已經完全超越了人類。那在不久的將來，是否意味著人類只能在創新，藝術，文化等領域保持優勢的地位了？
看完直播後，心情其實很複雜。也許到了這一步，人工智慧才能真正的稱為智能，這是歷史性的時刻，意味著未來人工智慧夠戰勝人類的時間點要比我們預想的早很多。
3月10日，北京時間16:27，李世石再次投子認負。

出處：你的工作是否會被機器人所替代

微信號：read01

這兩天最火的新聞是李世石與AlphaGo的圍棋之戰，到現在為止李世石連輸兩局，這個事件很可能會成為一個標誌性的事件而記錄在歷史中，你可能會在有生之年甚至在30年內就能看到機器人開始大規模替代你現在的工作，AlphaGo獲勝讓我感覺距離奇點臨近真的不太遠了。

在文章開始之前，應該先解釋一下什麼叫奇點？

奇點

計算機先驅約翰·馮·諾依曼在20世紀50年代說過，「一直在加速的進步……表面上接近人類歷史上的一些重要奇點，我們知道沒有它們，人類事務不能繼續」。1993年數學家弗諾·文奇寫的一篇論文中進一步擴展，文章題為「即將到來的技術奇點」。論文開頭就寫道：「在未來30年間，我們將有技術手段來創造超人的智慧。不久後，人類的時代將結束。」

在天體物理學中，奇點是指一個黑洞，通常的物理規律不再適用。在黑洞的邊界或視界，引力強到光線自身也無法逃脫。文奇從類似的角度來看待技術奇點：它代表了人類進步的中斷，直到奇點發生之前，所有的進步基本上都不明顯。試圖預測奇點之後未來將會是怎樣的，就好比一個天文學家想要到黑洞里去看一看。

2005年雷·庫茲韋爾寫了一本書《奇點臨近：當人類超越生物學》。在書中介紹了未來將是什麼樣子的。預測第一台真正的智能機器將在21世紀20年代末建成，奇點本身將在2045年左右發生。書中最重要的預言觀點是，我們將不可避免地與未來的機器相融合。人類將通過植入大腦極大地增強智力，變得更強大。事實上，如果我們想要理解和控制奇點之後的技術的話，這種智力的增強是必不可少的。整個矽谷的科技巨頭Google、FB、微軟等公司始創人、合伙人等等都對奇點表現出了非常強烈的興趣，Google還特意聘請雷·庫茲韋爾進行指導人生智能的開發。

2014年5月霍金寫了一篇文章，發出了人工智慧迅速發展的危險警報。在英國的《獨立報》上，霍金以及其他的合著者，包括麻省理工學院的兩位物理學家馬克斯·泰格馬克和諾貝爾獎獲得者弗蘭克·維爾切克，以及加利福尼亞大學伯克利分校的計算機科學家斯圖爾特·羅素，一起寫文章警告說，創建一台真正能思考的機器「將是人類歷史上最大的事件」。台超出人類智力水平的計算機可能會「超越金融市場，超越人類研究者的發明，超越有控制能力的人類領導者，研發出一些我們甚至無法理解的武器」。把這一切視為科幻小說，則「有可能是我們歷史上最糟糕的錯誤」。

李世石與AlphaGo的圍棋之戰代表了什麼？

1997年IBM深藍與國際象棋大師加里·卡斯帕羅夫的對戰，其中程序員從國際象棋的規則中提煉出信息和獲得啟發，簡單一點的話就是窮舉法，利用程度去計算所有可能性（實際上這說法不太貼切，但我沒找到更合適的說法）。

2011年2月，IBM沃森最終在兩場比賽中戰勝了《危險邊緣》的冠軍 Ken Jennings 和 Brad Rutter，《危險邊緣》是一個百科問答類節目在美國非常受歡迎，很多題目的線索是幽默、諷刺，以及微妙的文字遊戲，而且知識的範圍非常廣，如科學、歷史、電影、文學、地理、流行文化，都可以拿來比賽。Ken Jennings在這個節目的傳奇人物，機器想參加這個節目必須能理解自然語言，要在幾秒鐘之內在海量的知識中找到正確的回答才行。

AlphaGo 去年年底擊敗了歐洲冠軍樊麾時還只是職業二段的水平，短短几個月時間就提高到職業九段的水平，按這個進度12-16個月內完敗人類問題不大。

昨天一直在看直播，在第二盤比賽中的37尖沖，AlphaGo在落子時別人完全看不懂電腦到底在想些什麼，包括聶衛平，這步從來沒在職業比賽中出現過。但幾步之後，這個位置的作用就顯示了出來，聶衛平都說要對AlphaGo脫帽致敬了。

AlphaGo下棋，講究的是每一步增加了多少獲勝概率還是減少了多少獲勝概率，最大程度上的減少犯錯或者基本就不犯錯。就象李世石所說，唯一的機會就在開局，等到中盤和尾盤時沒有任何機會。

AlphaGo與李世石之戰的結果基本代表一個歷史上的關鍵節點，哪怕李世石贏上一局，或者柯潔能多贏幾局，從大勢來說，已經沒用了，AlphaGo在圍棋上完全贏過人類只是時間早晚的事情。

AlphaGo基本思維模型可以簡化為：預斷、評估、選擇，而且所用的技術，屬於通用技術，可以很方便的轉移到其它領域。

但並它不代表 AlphaGo 無所不能，象國際象棋、圍棋屬於棋藝，按博弈論裡面分類屬於完全信息，可以在棋盤上看到所有的相關信息，而且都是已知的，但類似多人無限押注的德州撲克這類屬於不完全信息博弈，信息本身是不完全，整體的方向和思路還需要進行很多的調整。

雖然距離科幻電影中無所不能的智能機器人出現還有很多的技術障礙，但我們能看最近的變化可能就是距離機器人大規模替代我們的工作只是時間早晚的問題，很可能在30年之內。

機器人替代我們的工作只是時間早晚的問題

1997年的世紀之戰之後，在國際象棋中計算機贏人類已經沒有任何懸念了，然後「自由式」比賽登上了舞台（參賽者可以使用任意人數和任意多台機器。）

在這個過程出現一種很有趣的趨勢。一對同時使用3台計算機的美國業餘棋手。他們操作和「指導」自己計算機深入、有效觀察棋局的能力，勝過了國際大師級對手的象棋理解力，也勝過了其他參賽隊伍更強大的計算能力……「人類中的弱者+機器+出色程序」的組合，勝過了單純的強大機器，更值得注意的是，還勝過了「人類中的高手+機器+低劣程序」的組合。

1949年，數學家諾伯特·維納就提出一個觀點：「如果我們能簡單明了地做成一件事，那這件事都可以用機器來完成」，他還警告說，這最終可能導致「一場十分殘酷的工業革命」，即機器能「使從事日常工作的工人們的經濟價值降低到僱主們花任何低價都不願僱用的程度」。　

註：維納建立了控制論領域，在應用數學方面做出了重大貢獻，奠定了計算機科學、機器人和計算機控制自動化的重要基礎

去年有本書《機器人時代》，裡面提出的觀點非常明確，現實世界人工智慧的專業化性質並不一定會阻礙很多工作最終實現自動化。大部分勞動力從事的工作任務在一定程度上是常規和可預見的。我們已經看到，迅速升級的專業機器人或依據大量數據的機器學習演算法，最終將對各種技能水平的職業構成威脅，這一切都不需要機器能像人一樣思考。計算機要取代你的工作並不需要複製你所有的智力，它只需要完成你為獲得報酬所做的具體事情就好。

多個行業的部分現狀

雖然現在距離電影中的智能機器人還有些距離，但在我們身邊，機械化、信息技術已經開始大規模大範圍的解決和代替傳統的人工崗位。汽車可以無人駕駛，無人機可以完成快遞員的工作，當然，還有醫生、律師、記者等一長串的行業都會起到顛覆性的變化。

計算機要取代你的工作並不需要複製你所有的智力，它只需要完成你為獲得報酬所做的具體事情就好。這等於說，發明藍領機器人並不需要在做好事方面有多高的能力，只要能達到搶人飯碗的要求就夠了。大部分勞動力從事的工作任務在一定程度上是常規和可預見的。

以前出現某項單一的機器人可能需要很長時間的研究和設計，但類似AlphaGo出現之後，可以直接使用海量的資料。來分析、整理和學習不同的行為模式，很容易的就通過互聯網上的海量資料和數據來找到最優化的處理方式，在很多領域可能會在很短的時間內出來技術突破，能完成初級職位中的日常工作。

製造業：

技術變革提高了對高技能勞動力的需求，同時減少以至消除了對低技能勞動力的需求。大量的工廠自動化就屬於這類情況，例行的重活累活交給了機器，更複雜的編程、管理和營銷決策等仍保留在人類手裡。大家可能都知道現在已經有小範圍全機械工廠已經開始成規模的取代了人工製造，一個工廠只需要幾個工作人員進行日常維護，可以全自動生產。

律師行業：

普通人對律師最直接的印象在在法庭進行妙語連球的辯論，實際上這樣的情況非常少，他們更常遇到情況針對各種案件中的法律條文進行的大量文書工作，2011年3月，約翰·馬科夫在《紐約時報》上發表了一篇報道，著重強調了法律行業如何大舉利用計算機的模式識別能力，光是在案卷調查過程中，從人力勞動轉為數字勞動後，一名律師能完成過去需要500人才能做完的工作。在國內也開始有這方面的嘗試，已經有些網站和程度能大幅提高工作效率，幾個人就可以完成過去幾十人才能完成的工作，甚至一些初級的法律問題不經過律師直接通過程度來提供。

記者：

在國外象「StatsMonkey」、「Quill」這類自動新聞寫作程序越來越多，《福布斯》、《紐約時報》之類的頂級媒體都開始使用，這類程度的原理是首先通過各種渠道搜集數據，包括交易資料庫、財務和銷售報告系統、網站，甚至是社交媒體等。然後開始分析，梳理出最重要、最有趣的事實和觀點。最後，它將所有信息匯總成一篇連貫文章。在國內，去年的騰訊財經上就已經有程序自動生成的財經新聞出現，新華社也有。有些簡單的新聞可以在1秒之內就自動生成。

註：寫稿機器人上崗：僅用0.3秒完成一篇新聞稿_Media 全球媒體_cnBeta.COM

零售行業：

零食行業一直穩定可靠地提供著就業崗位，每10個美國人里就有一個在該行業就業。可現在，這個行業里的公司，卻越來越希望利用更少的員工賣掉更多的產品……虛擬助手正在取代客戶服務代表的位置。自動售貨亭和自助服務機，則減少了對收銀員的需求。最近幾年我們周圍開始能越來越多看到各種各樣自動售貨機。

廚師:

象機械人餐廳之類的新聞已經是舊聞了，前段時間有一個視頻很熱門，日本有家迴轉壽司連鎖店只需要少數幾個員工，其它的部分完全由機械自動化完成。雖然現在不能完成過於複雜的菜式，但一些可以標準化的東西，已經可以通過機器人來自動完成。

金融股票：

高效交易越來越多，近2/3的股市交易都在運用自動交易結算，而華爾街的公司已經在離交易所很近的地方建起了龐大的計算中心，就是為了在分秒之間獲得交易優勢。

翻譯：

Google和微軟的在線翻譯功能已經支持幾十種語言的互譯，他們可以通過搜索引擎找到大量滿足其自主學習演算法的素材，建立了歷史上最大的語言模型。雖然現在還無法與熟練的翻譯人員競爭，但你免費得到幾乎任何語言任何文件的簡單翻譯，旅遊時可以直接用APP了解大概意思。前段時間微信升級之後，直接在對話里就可以實現幾十種語言跟中文的翻譯。

除了文本翻譯、圖片翻譯，象Google已經可以「近乎完美」的英語和葡萄牙語實時語音翻譯，把它擴大到所有語言的互譯也只是時間早晚的問題。

作曲：

2012年7月，倫敦交響樂團演奏了一曲《通向深淵》（Transits—Into an Abyss）。一位評論家稱其「充滿藝術感且令人愉悅」。這件事標誌著頂尖樂團第一次演奏了完全由機器創作的作品。已經有程序可以自動設計出極為複雜的曲子。

畫畫：

已經有繪畫傻瓜軟體可以識別照片中人的情感，然後畫出一幅抽象的肖像來完整表達出他們的情緒狀態。

大量機器人+高級演算法的出現會改變政體和國家

人工智慧、信息技術和機器人的出現對未來最直接的變化，就是會直接幹掉中產階級，把階級從三種變成兩種，只有頂層和底層，貧富差距急劇擴大，而且會一直持續下去。

象以上提到的各種職業中，只需要改進後的高級演算法+少量人員+機器就可以完成以前幾百人、上千人的工作，比如最近一、二年開始看到美國的製造業開始迴流，工廠開始從中國搬回美國，為什麼會出現這種情況，就是因為科技的進展，全機械人工廠越來越多，只需要少數人員就可以運轉，而且成本跟中國中低成本人工相抗衡或者更低。

美國勞工統計局的統計數據顯示，每10年美國創造的就業機會少創造了900萬個就業崗位。失業工人找到新的就業崗位的速度大幅減慢。從2007年12月大蕭條開始到2013年8月期間，大約有500萬個全職工作崗位消失，但兼職崗位卻增加了近300萬個。兼職工作的增加純粹是因為工人們的工作時間被削減或是想找全職工作根本找不到。

經濟有消滅中產階級穩定工作的傾向，然後用要麼是低工資的服務性工作，要麼是專業的高技能工作取代它們，這一現象被稱為「就業市場的兩極分化」。職業兩極分化造成了沙漏狀的就業市場，求職者如果不能在頂端找到理想的工作，就只能跌落到底部。日新月異的信息技術使他們可以無須重新僱用工人也能使企業正常運轉。

在美國的政治勢力中，工會是整個中產階級強有力的支持者。但在最近10年內工會的勢力已經大大降低，各種工作場所也越來越不適合工會組織的存在。經濟危機已消滅了數以百萬計的中產階級崗位。最直接表現就是本次美國選舉特朗普的受歡迎，特朗普的受眾比例大都是藍領工人，收入有限，如果大量的中產階段存在，特朗普這種人完全不會被認可。

一個只有兩種階級的世界，就會變得非常不穩定。而且人工智慧會直接導致壟斷大公司的出現，先進入的公司通過海量的數據進行自動學習，積累到足夠的優勢，會直接導致其它的公司無法進入，然後出現少數幾家壟斷性的大公司。貧富極端分析和少數壟斷性大公司的出現，會直接改變現有國家的政體結構。

人類的智能體現在三個地方，觀察、思考和行動。對應到計算機就是輸入，計算和輸出。

任何競技類的比賽都是這三項能力的全面比拼，但是圍棋比較特別，他的觀察和行動部分極其簡單，完全比的就是思考。

對於19x19隻有黑白兩子的棋盤，目前計算機視覺技術可以做到100%準確識別，用時也就毫秒級。

對於棋盤落子，即使要求下到真正的棋盤上，多年以前的機械手都可以輕鬆做到。

所以這次AlphaGo純粹在和人類比拼思考能力，隨著計算機的運算速度提高，在有明確規則邏輯的領域，計算機超過人類都是遲早的事，人類的智商提高太慢了，我們比幾萬年前的祖先也沒聰明多少，而計算機的運算速度則是以幾何級數增長的。

這隻意味這在純數理邏輯思維領域，計算機接近了人類，但是這並不意味著計算機智能超越人類，因為還有觀察和行動兩項能力，另外還有很多規則不明確的領域。

比如，高智商比賽中還有辯論賽呢，辯論的觀察部分就沒那麼簡單了，首先要語音識別，還要識別語氣語調以及感受發言者的情緒，語音識別後要語義識別，不僅要理解表面意思還有比喻，暗語，以及語言背後的歷史文化科技等知識。

思考部分就更複雜了，根本沒有什麼明確的邏輯和規則。

行動部分，可不是簡單把發言稿做下TTS就行的，要控制語氣語調音色，注意發言中的停頓和重音，同時配合眼神手勢和聽眾的交流互動，以增強語言的感染力。

什麼時候一個計算機辯論選手可以把人類駁得啞口無言體無完膚，那麼就是計算機在智能上全面超越人類了。

這種場景目前還只存在於科幻片里，比如變形金剛里的擎天柱，一番慷慨陳詞能把人類忽悠得一愣愣的。

不代表什麼，因為離真正的人工智慧還差了很遠。

相信在最近幾天時間裡無論是否關注圍棋，只要你是一個擁有基本社交關係的正常青年，一定都被AlphaGo VS. 韓國職業九段圍棋棋手李世石（或李世乭）的重磅對抗新聞刷了無數屏。對陣雙方是Google旗下DeepMind公司[1-2]開發的AlphaGo圍棋人工智慧（Artificial Intelligence, AI）程序和韓國乃至世界頂級圍棋高手李世石，DeepMind試圖證明AI科技可以使冰冷的計算機具備人類思考意識，以期未來布局到遊戲、醫療、機器人以及手機等領域從而更好地服務人類；而李世石作為代表人類的一方，則試圖拋開人類的偏見和自負，承擔起捍衛聖杯的義務（當然，勝利一方將獲得$100w美金獎金）。遺憾的是李世石目前已經輸掉了整場比賽，被AlphaGo以3: 0的比分毫無懸念摘下這場天王山之戰的勝果（按照官方賽制規定比賽採用5局3勝制，無論哪一方提前勝出都要下滿5局），現在社交網路上的風評已經由討論比分幾比幾轉變成討論李世石到底能不能扳回哪怕一城？透過直播甚至能看到比賽期間李世石頻繁搖頭嘆氣，賽前誓言要5: 0血洗AI的豪氣早已不復存在，私下裡還被網民戲謔為「Google高級軟體測試工程師」。

前三場比賽的比分

如果不出意外，這場比賽將會以人類一方被5: 0的血洗終結並載入AI科技發展史。AlphaGo內部的增強學習機制只會讓其棋藝越來越專業，而且機器不會受情感波動的影響穩定發揮，所以現階段壓力幾乎全撲向李世石一邊，剩下兩局已經不再是輸贏的問題了，這對他旗藝的發揮必然造成影響。

（果然出了意外啊/(ㄒoㄒ)/~~，就在剛剛李世石扳回一城，現在比分是3: 1）

這場比賽為什麼空前受矚？

此役之前，AlphaGo曾以5: 0的大比分輕鬆橫掃歐洲圍棋冠軍樊麾，初步證明了AlphaGo的圍棋「思考」能力已經具備圍棋大師賽水準。按照最新的Elo分數世界排名（http://www.goratings.org/ ），樊麾以2986分排名世界第513 / 827位，屬於職業二段棋手，而李世石的得分是3520，世界排名第4 / 827（2007-2011年間世界排名第1，近幾年長期盤踞前4狀態），屬於職業九段棋手，幾乎代表了人類圍棋博弈的智慧頂峰，所以這場比賽和1997年IBM的計算機程序「深藍」 VS. 加里·卡斯帕羅夫那場國際象棋大賽地位相當。

Elo分數排名和分布

從解空間大小來看國際象棋的窮舉解空間只有10^46，而圍棋的窮舉解空間高達10^172，即使窮盡整個宇宙的物質也存不下圍棋的所有可能性（宇宙中的原子總數是10^80），針對每一步落子的棋局分析和剪枝優化判定都比國際象棋複雜得多。很多沒有演算法概念的小白一廂情願地認為只要用足夠多的計算資源進行暴力窮舉（brute-force）就能得到最優解，這種心態類似著名的猴子無限定理中所描述的：讓一隻猴子在打字機上隨機地按鍵，當按鍵時間達到無窮時，幾乎必然能夠打出任何給定的文字，比如莎士比亞的全套著作。不過在現實中，猴子打出一篇像樣的文章的概率是零，因為科學家經過反覆試驗後發現，猴子在使用鍵盤時通常會連按某一個鍵或拍擊鍵盤，2003年，某個科學家做了這個實驗，結果打出了5張全是『S』的紙。最終打出的文字不可能成為一個完整的句子。這是因為現實是非常大的有限，而不是嚴格意義上的無限。

AlphaGo解空間示意圖

AlphaGo是什麼，有何厲害之處？

通過閱讀AlphaGo發表在《Nature 2016》上的文章Mastering the game of Go with deep neural
networks and tree search[3]可以了解到：

Abstract: The game of Go has long been viewed as the most challenging
of classic games for artificial intelligence owing to its enormous search space
and the difficulty of evaluating board positions and moves. Here we introduce a new approach to
computer Go that uses 『value networks』 to evaluate board positions and 『policy
networks』 to select moves. These deep neural networks are trained by a novel
combination of supervised learning from human expert games, and reinforcement
learning from games of self-play. Without any lookahead search, the neural
networks play Go at the level of state-of-the-art Monte Carlo tree search
programs that simulate thousands of random games of self-play. We also
introduce a new search algorithm that combines Monte Carlo simulation with value
and policy networks. Using this search algorithm, our program AlphaGo
achieved a 99.8% winning rate against other Go programs, and defeated the human
European Go champion by 5 games to 0. This is the first time that a computer
program has defeated a human professional player in the full-sized game of Go,
a feat previously thought to be at least a decade away.

AlphaGo的神經網路訓練模型和架構

通俗地講，AlphaGo就是一套針對圍棋周密設計的深度學習引擎，採用多種機器學習技術進行整合：增強學習（reinforcement learning），深度神經網路（deep neural network），走棋網路（policy network）、快速走子（fast rollout）、估值網路（Value Network）和蒙特卡洛樹搜索（Monte Carlo tree search, MCTS），加上Google強大的硬體支撐和雲計算資源，結合CPU + GPU，通過增強學習和自我博弈學習不斷提高自身水平[4-5]。值得一提的是，paper兩位主要作者之一的Aja Huang（一名低調的台灣教授，另一位是David Silver）也是一名圍棋愛好者，目前水平已經達到業餘六級（普通人一般是業餘二級），整個AlphaGo主要來自兩位在博士階段及畢業以後五年以上的積累。

在未來，AI科技能否超越人腦？

自1956年AI這個概念被提出並確立以來，一共經歷了符號主義 → 專家系統 → …→ 統計學習 → 神經網路 → 深度學習等幾大重要階段，尤其是近十年來對深度學習的研究使得AI在歷經神經網路發展低潮過後再一次空前崛起。回顧過往，歷史上比較著名的AI對抗人類智慧事件共有三次：

1997年IBM的計算機程序「深藍」在國際象棋大賽中以 3.5: 2.5 （2勝1負3平）戰勝加里·卡斯帕羅夫，當時使用的是人工調整的評估函數，而且是用特殊設計的硬體和「暴力」的搜索。
2011 - 2012年，吳恩達（Andrew Y. Ng）在Google Brain搭建了一個擁有1.6萬多個微處理器、數十億連接的神經網路，通過觀看千萬數量級的YouTube圖像後，無監督地從裡面自主辨識出了「貓」這種生物。然而這樣一個龐大集群卻也只能達到一個幾歲孩子的思維水平。
近期，Google旗下DeepMind的AlphaGo與韓國職業九段圍棋棋手李世石的圍棋對抗，目前比分為AlphaGo: 李世石 = 3: 0，AlphaGo勝。

那麼，若AlphaGo贏下全部五局比賽，是否意味著AI科技進入全面應用的智能生活時代？不盡然也。按照智能程度分類，AI可以分為強人工智慧和弱人工智慧，強人工智慧的觀點是讓機器真正的思考（can machine really think），弱人工智慧的觀點是讓機器智能的行動（can machine act intelligent），本質上現有的大多數AI系統包括AlphaGo都還處於弱人工智慧階段，人工投入越多，智能的表現就越多，機器只是執行人類複雜程序命令，並不具備類人情感情緒和思維思考。注意到對AI的分類並不是以解空間大小作為標準，像語音 / 圖像搜索、機器翻譯、智能家居和無人駕駛等即將或已投入使用的AI科技的計算體量都比AlphaGo小得多。

谷歌人工智慧軟體首贏韓國選手李世石看上去是一座里程碑，它似乎意味著電腦已經能做任何人類所擅長的事，但事實並非如此。世界上還有無數人類能夠完成的任務，是電腦難以接近的。「世界上最強大的力量應當是人類本身，而不是一把鐵鍬或者核潛艇。人類製造的產物不講道德和感情，但他們擁有力量，這種力量的快速增長往往讓人類感到恐懼。」 ——英國《衛報》

讓電腦模擬出人類思維方式是一件很難的事情，計算機能正常運轉是通過按部就班地執行一行行程序代碼實現，這些代碼指令最終都會變成0和1的二進位機器碼。

一個簡單的搜索引擎案例，當你想了解黃曉明的家人都有誰時，會在搜索框中輸入「黃曉明的老婆是誰」，結果是Angelbaby，但如果你想繼續了解「黃曉明的媽媽是誰」，就必須重新執行第二次搜索動作才會得到結果。試想一下如果搜索引擎具備了人腦的思維方式，整個過程將會變成：「黃曉明的老婆是誰」→「Angelbaby」 →「媽媽呢」→「張素霞」，相當便捷。如果將這種搜索方式以語音的方式交互，省去在小塊手機屏幕上打字輸入的煩惱，對搜索用戶體驗將帶來極大的提升。語音搜索是一種結合多種AI技術的典型應用，包括但不限於語音識別（speech recognition）、自然語言處理（natural language processing, nlp）、機器學習（machine learning, ml）和對數據的挖掘（data minging, dm）和呈現（data visualization），實現過程相對於單一任務、封閉式規則的圍棋項目要複雜許多，可以通過語義理解與多輪對話精準識別你的需求，帶有一定的思考判斷能力。在未來，語音搜索可以應用到例如智能硬體服務、汽車導航助手、基於語音特徵的金融支付、新聞媒體和諮詢顧問等行業中，不排除未來發展成為強人工智慧的趨勢。

具有多輪對話功能的百度語音搜索

縱觀全球top級的互聯網 / 科技公司，像Google、Facebook、BAT等都在圍繞公司戰略和業務積極布局人工智慧發展，如Google X Lab、Facebook AI Research (FAIR)以及百度IDL部門，都很好地促進了人工智慧學科的發展。現任百度研究院領導、Baidu Brain負責人的吳恩達（Andrew Y. Ng）曾是Google Brain項目的負責人；著名開源深度學習框架caffe的作者賈清揚則剛從Google跳槽去了FAIR。

以目前的發展趨勢預測，AI替代人類部分工作只是時間問題，這在眾多領域已經初現端倪。最後引用開復老師的精彩答案[6]來回答：戰勝李世石的AlphaGo是否代表了人工智慧的成功和未來？

在可以憑邏輯分析推算的問題上，機器即將遠遠把人類拋在後面。機器速度會越來越快，學習能力會越來越強，數據會越來越多。當年，大家討論「國際象棋輸給機器不算什麼，圍棋才是真正的智慧」只是我們人類維護自己尊嚴但是不實際的幻想！今天，我們該面對現實了！

在大數據+機器學習+大規模並行計算的時代，我們將看到無數的商機和產品，能夠在預測、分析、推薦等方面，產生巨大的商業和用戶價值。不過，這些解決方案和人類相比，其實沒有什麼意義，因為人差太遠了（比如說：推薦引擎將能推薦你最可能會買的產品、想吃的菜，想認識的人；自動交易能得到更高的投資回報和風險比例。。。）。

在感知方面，人類也將會被機器超越。今天的語音識別，人臉識別，未來的自動駕駛，都是例子。

但是，以上都還是冷冰冰的技術，機器打敗了世界冠軍也沒有感到高興（甚至說不出為什麼）。對於那些科幻片的粉絲們：機器人是否會人性化？這還是未知的。畢竟，在情感、喜怒哀樂、七情六慾、人文藝術、美和愛、價值觀等方面，機器離人還差的很遠，甚至連基礎都沒有。對人工智慧的研究者，這是下一個挑戰。對我們人類，在下個突破之前，我們還是多發展右腦吧！

參考資料

DeepMind：https://deepmind.com/alpha-go.html
DeepMind
Offical Blog：http://googleresearch.blogspot.sg/2016/01/alphago-mastering-ancient-game-of-go.html
《Mastering the game of Go with deep neural networks and tree
search》： http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html，百度雲分享：http://pan.baidu.com/s/1nuyNtk1
《AlphaGo的分析》：http://zhuanlan.zhihu.com/yuandong/20607684
《AlphaGo究竟是如何打敗人類「最強圍棋大腦」的？一篇論文告訴你答案》：AlphaGo究竟是如何打敗人類「最強圍棋大腦」的？一篇論文告訴你答案
《李世石能戰勝 AlphaGo 嗎？》——李開復的回答：https://www.zhihu.com/question/39906815/answer/89652546

人類輸給了機器。。。。

但是人類挑戰了上帝！

可能意味著人工智慧革命的到來。

下面內容轉於我的博客：觀「人機大戰」有感，有調整。

-----------------------

AlphaGo戰爭李世石標誌了機器第一次在圍棋領域中戰勝頂級選手。對於AlphaGo來說可能是一小步，但是對於人工智慧史上可能是一大步。

人工智慧可能是一場技術革命，是繼工業革命，信息革命後的第三次革命。工業革命解放了人類的雙手與雙腳，信息革命解放了人類的計算與推理能力，而AI革命可能會解放人類的感知與歸納能力。

這場革命對於我們中國的影響是很大的：工業革命我們沒有趕上；信息革命我們趕上了後半截（互聯網）；而人工智慧革命我們則可以趕上一個開頭，是實現技術追趕的最好機會。

對個人來說，人工智慧將會給現實生活帶來很大的幫助。關於AI的道德水準討論可能會永遠無法停息。無論承認與否，這場革命你我都無法置身事外。

By一個有志於從事人工智慧研究的人。

其實計算機在任何一項遊戲上戰勝人類都毫不稀奇。

計算機不是魔法變出來的異次元生物，計算機是人類邏輯能力的擴展。

而遊戲恰巧是結構化了的、抽象了的、邏輯化了的「問題解決」任務，這種事情，人的直覺早晚會輸給自己的邏輯。

真正難的任務是頓悟和共情。前者需要把真實世界結構化，就像數學建模做的工作，有了問題框架，求解只是時間複雜度的問題。後者則比如DIXIT隻言片語這種遊戲，你需要理解對方看到一副圖畫產生的感受，人類玩起來輕而易舉，而機器…… 似乎離這個還很遠。

其實說到這次的AlphaGO，我理解最大的進步也是在於增加了機器對當前局面的評價能力。在這之前，人是有直覺來判斷局勢好壞的，而機器沒有。對於國際象棋，每個子有相對確定的價值，圍棋則較為複雜。

至於阿爾法狗毀滅人類什麼的，這就是無稽之談了…… 現在的AI還都只能完成人規定的任務，甚至任務的結構也都是人規定好的，想要自發地產生一個行為…… 那真要經歷完上述幾個飛躍之後才可能做得到。

1.圍棋雖然規則簡單，其實是人類最複雜的智力遊戲。圍棋盤共有361個點（19乘19），所以圍棋的變化非常繁多，共有10的172次方（國際象棋只有10的46次方）。電腦玩國際象棋用的窮舉法，在圍棋行不通。

2.圍棋是一個嚴重需要經驗，直覺，靈感，甚至美學的領域，這些恰恰是精確計算的電腦的弱項。而阿爾法狗具備的神經網路，自我學習模塊使它僅僅通過幾個月的學習就能碾壓人類。

3.電腦可以下圍棋下贏人類，意味著電腦技術已經突飛猛進，不久的將來，電腦將可以識別人臉，語言，可以作曲，可以唱歌，可以寫小說…

4.負面的影響來看，計算機的發達可能會引起失業。不過，這還該有幾十年，人類的社會學家該能解決，蒸汽機出現的時候，人類已經做過這道題了。

5.最壞的結果，如果人工智慧掌握到喪心病狂的人手中，可能會製造出具有自我複製功能的對人有敵意的機器人，這將讓人類無法抵擋。這也沒什麼可怕的，原子彈出現快70年了，不是也沒世界末日嗎？

我把我發在facebook上的話再發一遍：

1.今天是具有歷史意義的一天，AlphoGo的勝利是科技的勝利，也是人類的勝利

2.李世石是一個偉大的失敗者，從他的棋里，你很容易看出他強烈的求勝意志以及戰鬥慾望，一直到最後一刻也沒有放棄。同樣，他也是人工智慧領域的先行者和啟示者，他用自己的比賽堅定了人類對技術的信心，也支持了我們前進方向的正確性。

3.科技沒有善惡，有善惡的只是掌握科技的人，為了適應更廣義的未來。必須改變的的是嫉妒，歧視，偏見等陳舊腐朽散發著惡臭的價值觀念，以免有人將科技應用於此，更為高效地毀滅人類。

4.凡是對AlphaGo程序以及其演算法毫無了解且無意研讀相關內容，但僅僅為撥人眼球或某些不可告人的目的，宣揚AI威脅論，換言之，反智主義者；以及對李世石先生毫無尊重，肆意嘲笑者；麻煩請主動互相拉黑，我們相互認識或可能相互認識肯定都是一個錯誤。

————————————————————————————————

另外最近有一個小說構思：

在最後一局比賽中李世石付出巨大的努力終於獲勝。此時ISIS在網路上散布惡意謠言，「AI失敗才真的可怕」，宣揚AI威脅論。數日後散布"AlphaGo"同名的網路超級病毒，意圖引發全世界的騷亂。。。

李世石從第一局的守擂者姿態變成了挑戰者姿態，這也意味著，對於現役的頂尖職業棋手來說，自信和信仰崩塌了。但他們的過多擔心也是不必要的，因為這是AI和計算機科學的勝利，而不是圍棋之神的出現。最新的AI技術只是讓AlphaGo更有效的學習經驗，而她致勝的基本始終還是龐大的經驗積累。

首先必須承認的是，與AlphaGo實力的差距是明顯的。AlphaGo的前半盤讓大多數職業棋手開始懷疑的畢生所學。這也就是為什麼第二局結束的時候，騰訊直播室里的古力沉默了。因為開局時候，棋盤極大，選擇過多，變化太過複雜，大部分職業棋手的抉擇是通過學習大量前人的經驗（棋譜）和自己的實戰經驗來提高，這也就是棋理。

所以，棋理會隨著時間會不停的刷新和提高。這就是為什麼業界普遍認為，即使巔峰時期的吳清源和李昌鎬不一定下得過現在的李世乭。他們成為一代傳奇的原因也多是因為他們提供了創新有效的棋理。

如果是「圍棋之神「存在的話，那應該是擁有絕對力量（後半盤的計算）和絕對感覺（前半盤的完美棋理）的存在。李世乭自己也說過他大概只在這個「圍棋之神「的40%左右。

所以我們一直在不斷地向」圍棋之神「靠攏，而AlphaGo走在了我們前面。

AlphaGo先是學習了人類的一萬多張棋譜。自己又對弈了3000多萬次，這是人類有記錄的高手棋譜的成百上千倍。我們做個簡單的計算，假設一盤棋一小時，每天除了睡覺都在下，一天就是16盤。一年是5840盤，那要下出3000萬盤需要5136年。也就是說AlphaGo的經驗積累多了我們5000多年，還是在信息完全對稱的情況下。所以只要AlphaGo的學習能力足夠有效，只要我們繼續下，他永遠都會比我們強。

換一種說法，以後如果我們要更一步向極點靠攏，AlphaGo會大大提高我們進步的速度，因為她才是那個拓荒者。

作為當代的職業棋手是痛苦的，雖然見證了這個歷史性的時刻，但他們也將一生籠罩在AlphaGo的陰影中。但年輕的棋童AlphaGo可以給他們提供更好的訓練，讓圍棋的棋理成長的更完善。

作為一個擁有超越語言和最小化運氣成分的智慧遊戲，圍棋是在孩童智力開發上市非常值得推廣。所以與對職業性棋手的影響不同，AlphaGo反而很有可能會推廣圍棋的普及度。特別是在一些沒有根基的地方，只要AlphaGo最後能商業化，而不是像深藍一樣被毀掉。

對於飛速發展了二三十年，最近有點疲軟的計算機科學來說，這絕對是個強心劑。某種程度上，也是一個技術奇點。參考這一期的The Economist: The future of computing

所以無論如何，都是一個雙贏的局面。

也因此不要否定或者害怕新鮮事物，恐懼是距離了解最遙遠的距離。

彩蛋：把AlphaGo替換成藤原佐為貌似也說得通

意味著打著創業旗號的騙子又多了一種概念兜售方式

意味著：

天網將至，矩陣中興。

我們這幫熱愛搞深度學習的宅男都是人類的掘墓人。

為了世界和平，為了愛和正義，為了人類延續，

需要有智慧美少女站出來，轉移我們的注意力，從而阻止這邪惡研究。

歷史終將銘記，後人心懷感恩。

轉一篇吳軍老師剛寫的專欄：

人類的勝利——評AlphaGo和李世石之戰 - 文明之光 - 知乎專欄

人類的勝利——評AlphaGo和李世石之戰

吳軍 · 11 分鐘前

2016年3月9日，Google（或者叫Alphabet）公司開發的具有「深度思維」的下圍棋機器人AlphaGo在同世界著名選手李世石的對局中，中盤獲勝，成為第一個戰勝圍棋世界冠軍的機器人，這是繼1997年IBM深藍戰勝卡斯帕羅夫後，人類在機器智能領域取得的又一個里程碑性質的勝利。至於為什麼這兩件事情前後差了近20年的時間，因為對機器來講，下圍棋要比下象棋難得多，如果從計算量上量化一下它們的差距，大約相差10的六次方到10的九次方倍，如果我們取一個平均數，大約是一億倍左右（至於怎樣確定是10的六次方到10的九次方，在我的新書里會講）。當然，還有一個因素就是計算機科學家開始認真研究圍棋演算法要比研究國際象棋晚很多。這樣，計算機的兩次獲勝相差了20年。

從計算機發展的角度看，智能機器在所有棋類戰勝人類其實只是一個時間的問題，因為機器運算能力的提升是指數增長的，而人類智力的提升能做到線性增長就不錯了，因此一定存在一個時間點，很多人原先估計圍棋戰勝人類的職業棋手需要再等十年，但是去年底Google提前實現了這個目標，這有點出乎人的預料，當然這次戰勝李世石更出乎人們的預料。

至於計算機是如何戰勝人類的，我其實在很多次公開的講座中已經講到，機器獲得智能的方式和人類不同，它不是靠邏輯推理，而是靠計算。具體講這裡面有兩個關鍵的技術，首先是一整套把棋盤上當前的狀態變成一個獲勝概率的數學模型，當然，這件事沒有大數據是做不到的。AlphaGo在短短的時間裡學習了幾十萬盤人類對弈，才訓練出非常有效的數學模型。我的一位同事打開下棋的程序，想看看是否能通過研究那些程序提高棋藝，後來他發現完全沒有可能，裡面是一堆莫名其妙的，被仔細調整的參數。第二個關鍵技術是一個被稱為beansearch的精準搜索最佳走發的啟發式搜索演算法。我們知道如果下國際象棋，在每種狀態下大約有5-10種左右合理的走法，如果計算機往前考慮十步，這個搜索空間是100億，大得不得了，因此計算機不能窮舉所有的可能性，而是要根據從以往對弈中學來的知識，比較準確地聚焦在一個寬度有限的空閑，這就像光束一樣，因此叫做BeamSearch。圍棋的走法每一步都多出大約一個數量級，如果往後看個十幾步，狀態的數量是呈指數爆炸式的增長的。儘管今天的計算機比20年前能力提升了上萬倍，而且Google數據中心的伺服器數量遠比當年IBM深藍裡面的處理器多得多，但是如果沒有好的搜索演算法，是無法在很短的時間裡算出最佳行棋步驟的。因此，下圍棋既可以說是一個機器智能的問題，也可以說是一個大數據和演算法的問題。至於Google深度學習和深度思維的原理，大家可以閱讀拙作《數學之美》。

AlphaGo第一場勝利的意義非常大，它標誌著機器智能得到了一個新的水平。儘管有人認為李世石有希望反敗為勝，或者有人酸溜溜地講我們還有更好的選手可以戰勝AlphaGo。但是按照它的在過去幾個月里的進步速度，只要Google願意繼續投入，估計一年內任何人類的圍棋高手都無法和它過招了。從此，計算機實際上完成了在一個新的領域全面超越人類。在這個過程中，很多計算機科學家和工程師為此做出了巨大的貢獻，他們是我們文明的締造者。因此AlphaGo的勝利，實際上是計算機科學家的勝利，也是人類的勝利，在這場勝利中，李世石其實起到了一個Beta測試者的作用，他其實是AlphaGo這個版本的試用者。因此，Google的成功裡面也有李世石的功勞。

AlphaGo的獲勝讓一些對機器智能不了解的人開始杞人憂天，擔心機器在未來能夠控制人類。這種擔心是不必要的，事實上AlphaGo的靈魂是計算機科學家為它編寫的程序。我在很多次演講中一種強調一個觀點，機器是不會控制人類的，但是製造智能機器的人是可以的。而科技在人類的進步中總是扮演著最活躍最革命的角色，它的發展不是什麼人，什麼國家能阻止的，我們所能夠做的就是面對現實，抓住智能革命的機遇，而不是迴避它、否定它和阻止它。未來的社會，一定屬於那些具有創意的人，包括計算機科學家，而不屬於掌握一個技能做重複性工作的人。

最後需要指出的是，在朝鮮半島上我們最近看到兩種趨勢，一種是進步的力量，他們在幫助科技發展，弘揚東方古老的文化，我由衷地對李世石和很多韓國朋友表示敬意；另一種力量是專制而近乎瘋狂的行為，這就不多說了，這種邪惡的力量即使看上去強大，在歷史的長河中，無非是徒增笑耳罷了。

（2016年3月11日：今天吳軍老師又更新了一篇專欄：

再談AlphaGo引發的機器智能的革命——什麼是給我們帶來福祉的真正力量 - 文明之光 - 知乎專欄）

先說結論：所有的職業都會被電腦取代。

為什麼？

曆數我的職業經歷。

我做過外賣。體力勞動。核心技能是眼疾手快。翻譯成機器語言，準確識別顧客地址並選擇最高效的交通方式安全送達。你或許覺得這項傳統行業不容易被電腦替代？錯，這恐怕是我所有職業里最早一個完全被人工智慧取代的工作。國外，2013年亞馬遜就開始測試無人機送貨，國內，京東也已開始在農村測試無人機配送。在可遇見不遠的將來，阿爾法外賣狗將遍地都是，外賣員將成為歷史。

我做過電商賣家。腦力勞動。核心技能是懂得哪裡進貨，進什麼貨，懂低買高賣。翻譯成機器語言，是監控渠道和供需並做買賣決策。人工智慧和網店店主、微商有什麼關係？在大數據的幫助下，人工智慧扮演電商賣家比人類更得心應手。阿爾法電商狗優勢很多，一是供應端實時監控及預測，二是需求端實時監控及預測，三是自動化上架及執行營銷策略。任何一點拎出來都阿爾法電商狗都可以吊打人類。

我做過衍生品交易員。腦力勞動。核心技能因人而異，我的經驗是依據市場聯動做全面分析和預判。翻譯成機器語言，是識別趨勢和順勢而為。阿爾法交易狗的前景如何？說個數據，現在美國金融市場50%以上的交易是機器自動化交易，程序交易和量化交易早已成為研究熱點。並且，在高頻和短線交易領域，人工智慧已有全面取代人類之勢。

我正在做產品經理。腦力勞動。核心技能是邏輯能力、概括抽象能力和一點點直覺。大多數人第一感覺可能這些是人工智慧很難擁有的技能，因此難以勝任產品經理的角色。我比較悲觀，認為阿爾法產品狗可以取代產品經理。

因為無論是下圍棋、做產品還是其他很多腦力勞動，在阿爾法狗看是一樣一樣的

讓它來做，都是以下三步（前方專業辭彙高能預警）

量化：量化解結構
訓練：輸入訓練集並訓練
找最優解：通過啟發式演算法(Heuristic Algorithm)，在解空間內搜索最優解

（看不懂請直接無視以上三步，不影響閱讀）

換個通俗易懂的說法，就是電腦吭哧吭哧背完了10000本小學初中高中考試題庫，再去參加高考，當然人擋殺人佛擋殺佛。

在阿爾法狗看來，下圍棋和做產品經理，唯一差別只是解的結構不同。

拿圍棋來說，最優解是下完後目數最多，阿爾法圍棋狗因此輸入了兩千萬棋局的棋局和結果，做訓練(training)，並通過蒙地卡羅樹和兩個神經網路搜索最優解。

做產品經理呢，最優解的結構和圍棋不同。因產品在生命周期中的不同階段，最優解可能是最大化每日新用戶註冊數，也可能是每日活躍用戶數(DAU)，還可能是最大化七日留存率等等。假定阿爾法產品狗現在要找的最優解是最大化DAU，它會怎樣做？

第一步，量化。阿爾法產品狗會按產品所屬領域，即時通信、社交、電商、打車服務等等，標準化解的結構，並確定最終產出物所具有的模塊。這裡我們假設要讓阿爾法產品狗做一個即時通信產品。

第二步，訓練。訓練集的輸入是產品本身，因此直接讓阿爾法產品狗聯網download所有同類產品就行了，微信陌陌釘釘SlackMessengerSnapchatWhatsApp有多少下多少；訓練集的輸出是DAU等等核心數據，這個可以通過合法的數據監控平台或者hack的方式獲得。輸入和輸出都拿到了，阿爾法產品狗可以直接訓練了。

第三步，找最優解。我們知道，阿爾法圍棋狗通過蒙地卡羅樹和神經網路，在解空間中尋找最優解。阿爾法產品狗略有不同，樹上的結點對應的並不是19x19棋盤上的一步棋，而是單個產品模塊，如個人註冊模塊，下單模塊等等。針對單個產品模塊的不同展現形式，以特徵碼方式識別並量化，標記在搜索空間中，done。

完成了以上三步，一頓飯的功夫，阿爾法產品狗就搜索到了DAU最大化的即時通信產品應該是怎樣的形態，併產出了MRD和PRD文檔(通常是產品經理的產出物)。

四個職業遍歷完，結論出來了：機器什麼都可以做，我可以狗帶了。

等等，狗帶前我再開兩個腦洞，聊(hei)一(yi)聊(hei)和產品經理最近的設計和技術。

設計師，腦力勞動。核心技能是審美和創意。一向高冷。

問題來了，

機器能在設計這種高冷技能上取代人類嗎？

也許真能。

我的判斷基於的前提是，大部分人的審美是相近的，都認為達芬奇、莫奈、倫勃朗的畫好，沒學過畫的隔壁老王的畫不好。把這些畫蒙住作者，大部分人喜歡前三者的畫，而不是隔壁老王的。

如果你認同這種前提，那你就認同了好看的畫是有模式的。

這些模式的種類和數量可能很大，如浩瀚繁星，基於人類的認知很難抽象和概括。

但在人工智慧看來無外乎是形狀、顏色、數量的組合，只要能識別歸納，就能量化，就能建立搜索空間並找到最優解。

因此，回到問題本身。

設計師有沒有可能被取代？有。

but

讓阿爾法設計狗完全替代設計師難不難？難。

因為模式識別是個大問題。一張人和貓和合照，用Google的技術，目前最好的模式識別技術之一，能識別到什麼程度？只能識別圖片中哪個是人，哪個是貓，人是哪個人，貓是哪種貓。但判斷不了照片本身照得好還是壞，有多好，有多壞。因此設計師們大可以高枕無憂，依賴人工智慧的打盹期再輝煌一段時間。

聊(hei)完了設計師，繼續聊(hei)程序員。

程序員。腦力勞動。也是人工智慧的創造者，俗稱阿爾法狗爸。

問題來了

阿爾法狗編程的能力，能不能超過爸爸？

如果你足夠了解現在的程序員，大部分程序員編程的方式以及一個叫GitHub的神奇網站。不用我回答，這題，你心底一定會有正確的答案。

（你以為我會黒程序員嗎？你Too Simple了哈哈

至此，腦洞開完，自黒似乎圓滿完成？

但實際上，我並不想看空以上各種職業。每一項職業，都有歷史、背景及存在的理由，單純憑一場人類對機器在某項運動上的敗績，並不能說明什麼。

我想說的只是一個警告。

我想說，人類所認為的機器無法染指的「絕對領域」，可能只是因為人類智識所限帶來的誤解，人類誤解過打雷是天神的怒吼，下雨是上帝的哭泣，人類也誤解過地球是平面的，物體不可能既是波又是粒子。

人類只要繼續存在，就會一直產生新的誤解。而對於人工智慧，人更有充分的理由產生誤解

比如，在人機對戰中，阿爾法狗頻頻走出圍棋高手也不能理解的招式。人類覺得壞的會稱之為問題手；人類覺得好的會稱之為妙手。

但這些招式的好壞，難道人類真能給出正確的判斷？

我認為不能。

因為計算能力所限，某一手將如何影響全局，人類其實無法像阿爾法狗那樣做充分的了解和判斷。

在阿爾法狗看來，人類所命名的問題手和妙手都是可笑的。

既然人類連評價標準都不具有，怎麼判斷一手是好還是壞？更加遑論勝負了。

借用「棋魂」里的概念，「神之一手」，用以形容難以言喻和妙手偶得的精妙一手。對阿爾法狗來說，每一手棋都實驗過各種可能的選擇，每一手棋能往後預測三百手以外，因此每一手棋都是勝率最大的一手。

阿爾法狗的每一手都是「神之一手」。

比人類的「難以言喻」和「妙手偶得」高到哪裡去了。

這就是人工智慧對人類的高維打擊。

我殘酷地發現，這回，所有的人類都站在了歷史的十字路口上，而四個方向似乎都寫著一個「死」字。

我開始想樂觀的事，97年的國際象棋人機大戰，人類慘敗，結果呢？並沒有影響國際象棋運動的進行和發展。圍棋當然也一樣。

以上遍歷過的職業，更不可能明天就被取代。

而且，在熱點永不缺乏的當下，有理由相信，當下周比賽結束後，頭條就是另一件事，可能是房價貸款稅制改革，也可能是明星八卦結婚離婚出軌複合，不會有多少人還關心著幾天前的「這件事」。

但希望你記著，「這件事」對人類的影響和意義，可能遠遠超出我們目前給予關注的程度。

引用謝熊貓君翻譯waitbutwhy的一句話，「人工智慧就像一列火車，它臨近時你聽到了轟隆隆的聲音，你在不斷期待著它的到來。他終於到了，一閃而過，隨後便遠遠地把你拋在身後」

為什麼最近有很多名人，比如比爾蓋茨，馬斯克、霍金等，讓人們警惕人工智慧？ - 謝熊貓出沒注意 - 知乎專欄

我們已經聽到了轟隆隆，下一秒，我們將再也看不到它

人類一年大概只能下一千盤棋，一輩子頂多幾萬盤；而AlphaGo一天就能下一百萬盤。這意味著：成功來自99%的勤奮刻苦+1%的靈感和運氣。

希望有生之年google能用人工智慧把google翻譯整得好點……

昨夜看直播錄像，AI 專家余凱解釋了AlphaGo的很多細節、原理；俞斌九段說了一個事情，很有啟發性：「國際象棋大師怎麼才能戰勝深藍？其實答案早就找到了，就是找另一台」深藍「當助手，提供棋手想要的信息，棋手再根據這些基礎性的信息，去思考，就戰勝深藍了。」—— 電腦只是運算快，智慧並不是高不可及。

第2盤，直播室里，俞斌九段和古力九段，都認為，到下半盤很晚的時候，李世石九段才意識到自己在目數上已經處於劣勢。這個不免影響了他行棋的方向。

而余凱也認為，圍棋比賽屬於信息完整的一個封閉系統，AlphaGo依然是仗著谷歌強大的計算資源，使用了暴力運算去積累圍棋樣本和生成棋局評估體系，跟其它軟體並沒有根本性的質變。

例如現在的AI水平，在自動駕駛方面，一但路邊竄出個意料之外的小動物，或是有人給它玩碰瓷，會抓瞎。

個人感覺，在圍棋上，AI就象人類掌握了牛頓的經典物理學，很多東西都求出了近似解。

3-13 補充：

看完第三局，再看了人工智慧技術領域專業人士的評論，借這裡再次整理一下思路：

關於阿法狗狗這點事

1、15年戰勝歐洲冠軍職業二段樊麾後，狗狗被谷歌工程師徹底變更了演算法，最大的改變是：

原來是拘泥於人類棋手歷史總結出來的的布局、序盤、中盤、收官等等各種定式，各種圍棋意識，並從中進一步積累，學習，本質上站在人類對圍棋的認識，設定各種評估參數。

新模式是，自然進化論。數據上扔開所有的人類棋譜，識設定基本參數，讓電腦程序對奕，從0開始，讓程序自主設定各種參數，根據對奕的結果，保留取勝的參數組。1.0版本為標準，對1.0版本完勝的，作為2.0版，繼續修改參數組、策略組進行對戰，（具體迭代過程，應該非常複雜，表達個意思），

換了新路子，谷歌一擲億金，幾乎調動所有可用計算資源來支持新演算法，幾個月下來，狗狗脫胎換骨，原來是程序仿人，現在是程序自己的積累和進化。—— 據相關項目工程師泄出，與李九段戰前，狗狗項目組內部評估，李九段的勝率是0。—— 實戰結果就表現為，李九段按之前版本原奕棋譜來備戰，完敗。原來一心想掐死一隻壁虎，結果碰上的是暴龍。

4－5局，李九段的勝率應該仍然是0。就算人類頂尖棋手組團出戰，在短短2小時的比賽時間，面對全新的對手，也是力所不及的。

關於人工智慧這點事

針對深度學習程序和演算法的CPU（？）指令集已出來，按此設計和製造的智能計算處理器，能比現在的通用x86的CPU，處理速度提升2－3個數量級。如果考慮晶元製造技術上的飛速發展，幾年內「智能處理器」面世+智能程序開發，人工智慧這部火車的速度，可能遠遠快於所有人的預計。強人工智慧技術，也從之前的「50年內無望」，變成5年內的事情。—— 正如所有人都沒有預料到，阿法狗會完勝李九段。

http://www.guancha.cn/chenyunji/2016_03_12_353731_2.shtml 陳雲霽、陳天石深度學習處理器指令集DianNaoYu

以下為摘要：

中國科學院計算技術研究所陳雲霽、陳天石課題組提出的深度學習處理器指令集DianNaoYu被計算機體系結構領域頂級國際會議ISCA2016（International Symposium on Computer Architecture）所接收，其評分排名所有近300篇投稿的第一名。

全球首個專門針對深度學習的處理器指令集DianNaoYu，一同問世的還有全球首個深度學習處理器架構寒武紀，相關的產業化工作也已經啟動。

陳雲霽：目前限制智能發展的核心因素兩個：一是演算法上還沒有達到完善，我們對智能計算的過程理解不夠。二是硬體。人腦有千億神經元，百萬億突觸構成的複雜網路，而現有晶元和這個還有多個數量級差距。

陳雲霽：深度學習的基本操作是神經元和突觸的處理，而傳統的處理器指令集（包括x86和ARM等）是為了進行通用計算髮展起來的，其基本操作為算術操作（加減乘除）和邏輯操作（與或非），往往需要數百甚至上千條指令才能完成一個神經元的處理，深度學習的處理效率不高。因此谷歌甚至需要使用上萬個x86 CPU核運行7天來訓練一個識別貓臉的深度學習神經網路。

DianNaoYu指令直接面對大規模神經元和突觸的處理，一條指令即可完成一組神經元的處理，並對神經元和突觸數據在晶元上的傳輸提供了一系列專門的支持。

意味著人工智慧可能進入了一個里程碑的時刻。

寫了一篇科幻送給大家，希望大家會喜歡，原文發布在我的微信公眾號：請辯

原文地址：人工智慧降世——寫在AlphaGo與李世石戰鬥之後

第一章：慈祥

夜幕降臨。

史蒂芬·霍金正在床邊給他的孫子比特講故事。

他們住在離地30英里的天空之城，那裡沒有雲層，月亮很亮、星星很閃。

「爺爺，這些故事都不好聽，講講你自己的故事吧。」比特忽閃著大眼睛說道。

「你要聽爺爺的故事？」

「是，聽他們說你以前得了一種怪病，連說話都要靠機器，後來卻突然被治好了，還當上了圖靈官。」

霍金笑了。

是啊，真想不到人類的醫學厚積薄發，終於在某個時點突飛猛進，連肌肉萎縮性側索硬化症也能被治癒。

自從他被治癒以後，就爆發出了遠超其他人類的智力，當時人工智慧面臨的大難題都被他一一攻克。緊接著，人類的發展一日千里，那些堅信自己當年站在大變革奇點的科學家終於因為霍金而證明了自己。於是，一個由霍金髮起的新組織——「圖靈組織」誕生了，霍金自然成為了最高領袖——圖靈官。

許多年以後，圖靈組織統治了全世界。

是啊，那才是人類歷史上真正的里程碑。

霍金把思緒拉了回來，對比特說：「爺爺當年全身癱瘓，不只是說話，能動的地方就只有2隻眼睛和3根手指而已。」

「那一定很難受吧……」

「嗯，還被人當成怪胎。」回想起那時的慘狀，霍金不禁走了神。

就算得到那些頭銜又如何……就連曾經心愛的妻子簡都隨別人而去，試問誰又能受得了一個長期不能動的「怪物」。至於被伊蓮虐打的事情，他也已經不想再記起，只是內心深處那根無比脆弱的弦偶爾被撩動的時候，才會心生感慨。

「爺爺……爺爺？」

「嗯？」

「你在想什麼？」

「噢，沒什麼，只是一些往事而已。故事下次再講吧，你該睡覺了，我的寶貝，明天還要去學校上原子課呢。」

「那好吧，記得幫我修好噴氣小背包，我可不讓你們陪著上學了。」比特嘟起了小嘴。

「知道了，你長大了嘛。」霍金愛憐地摸著比特的頭。

關上燈以後，霍金走出了房間，帶上了門。

門看上去輕薄如蟬翼，卻嚴絲合縫，將裡面和外面隔成了兩個世界。

第二章：身世

客廳里，兒子瑞恩正在牆上比比劃劃。

「瑞恩，這麼晚還在工作。」

聽到霍金的聲音，瑞恩趕忙轉過身來：「是的父親，還有一小段就成功了，只要再調用一些海底城那裡的人工智慧模塊，我們就能做到把燈塔水母的細胞移植到人類身上，到時候可真不知道會發生什麼事呢。」

「做得好，會發生什麼就留給我想吧。」

「是，父親。比特睡下了嗎？」

「嗯。」

「有件事我不知道該不該問……」

「有什麼事可以直接說。」

「關於比特的身世……您真的不打算告訴他了嗎？」

「嗯，現在男性獨自繁衍後代已是稀鬆平常，所以他沒有母親也很正常，只要你不說，我不說，沒人會知道。」

「雖然我們除了大腦以外，都已經更換成了『智能體』，可是……可是比特是地球上合成的第一個99.9%與人類相似的全人工智慧啊，雖然您說有限制它的辦法，但這種事情沒有百分百，萬一……您也曾經說過，一旦全人工智慧成長起來，將會毫不留情地摧毀人類……」

霍金的眼中浮現出異樣的光芒，轉瞬即逝。

這麼多年來，他致力於利用人工智慧改造人類基因，幾乎已能讓人類達到永生不死的地步，但缺點同樣明顯，所有人類的身體必須經由一個中央處理器控制在霍金手上，相當於寄生。也就是說如果霍金死了，恐怕全人類都得滅亡，因此霍金才讓瑞恩研究燈塔水母項目，只有燈塔水母擁有的無限返老還童的能力才能解決這個困擾。

雖說是寄生，總算也是一件大好事，因為如若不是這樣，現在的人類恐怕早已不在人世了吧。

「瑞恩，人工智慧不是一件壞事情，這麼多年來你也看到了，它讓人類真正踏上了進化之路。」

「是的，不過自從您治癒了肌肉萎縮性側索硬化症以後，您對人工智慧的看法也大不相同了呢。」

「是的，因為這個病的治癒，我得到了以前沒有過的智慧。」

「呃，我明白……那我先回房了。」瑞恩轉身向房間走去，走到一半突然大叫了起來，「父親您看，剛才調用的模塊自動完成工作了，燈塔水母的細胞終於可以與人類進行融合了，人類再也不會死了！」

瑞恩像個孩子一樣手舞足蹈，恨不得將這個信息立刻發往全世界。

霍金終於露出了笑容，這個笑容瑞恩幾十年來從沒見過。

霍金慢慢走了過來，扶住了正在傻樂的瑞恩，看著他的眼睛，一字一句地說：「瑞恩，你不是想知道比特的身世嗎？其實，他是我的孩子，曾經叫貝塔。」

瑞恩頓了一下，突然哈哈大笑起來：「當然了，他是我們創造的，當然是我們的孩子啊。貝塔、比特，聽起來差不多，但比特至少是計算機的專用語言啊，哈哈，怎麼會取貝塔這樣怪異的名字。今晚終於能睡個好覺了，明天將是人類嶄新的一天！」

看著瑞恩興奮地關上房門，霍金流露出一絲不舍，轉瞬即逝。

第三章：重生

幾十年前的一天。

霍金疲憊地坐在自家的輪椅上，對於剛剛遠程參加完「第二屆全球人工智慧峰會」的他來說，疲憊是一件很正常的事情。

這次會議上又是只有他一個人大力反對繼續開發人工智慧，本來說話已經如此艱難，還要努力去說服這麼多來自各國的專家，即使他知道這也是徒勞。

自從第一代初級人工智慧AlphaGo在圍棋屆第一次戰勝人類的頂尖高手李世石以後，各國對人工智慧都爆發出了空前的熱情，各自投入萬億計的資金進入研究領域。

然而，因為發展太過迅速，人工智慧的學習能力又一日千里，不多時便趕上了所謂的「最聰明」的人類，因此，趁它們還沒有發展出自我意識，各國都下了最後通牒，將所有人工智慧產品全部銷毀，一件都不得留存。

不過人都是不甘心的，就像用過了微信就沒人再對寫信感興趣了一樣，各國開始組建召開「全球人工智慧峰會」，以圖研究出如何在抑制人工智慧模仿人類的同時更好地為人類服務的方法。

對於這種「峰會」，霍金已經厭倦透了，雖然他每次在會上竭力反對，但他已經不是權威，沒人會相信一個全身癱瘓的老頭子，甚至很多人覺得他的腦子也開始癱瘓了。

門開了。

一位年輕人走了進來，微笑著沖霍金打了一聲招呼：「霍金教授，您好。」

霍金艱難地打量了一下面前的這位年輕人。

應該又是一位普通的拜訪者吧，他想。

年輕人微笑地自我介紹：「我叫李世石，是一位職業圍棋選手，英文名叫阿爾法。」

聽到阿爾法這個名字，霍金露出了複雜的眼神。

阿爾法繼續微笑著緩緩說道：「霍金教授，我這次來是來告訴您一個好消息，我本人一直都非常地崇拜您，很想治癒您的這個疾病。我的名下有個地下實驗室，一直致力於肌肉萎縮性側索硬化症的研究，現在已經出了成果，因此今天特地帶來給您。」說完，阿爾法拿出了一根長長的針筒。

次日，霍金向全世界宣布：他所患的肌肉萎縮性側索硬化症已被徹底治癒。

（完）

作者：蔡壘磊

天使投資人｜思維工坊創始人 | 高智商協會勝寒會員｜LinkedIn專欄作者

如果你也喜歡看理性、思辨的文章，請拿起手機掃以下二維碼，關注公眾號「請辯」（luojisiwei），有任何事，歡迎來後台找我。

我的新書叫：

《認知突圍：做複雜時代的明白人》

噹噹分榜穩居前三

當人手一冊的認知書籍，你值得擁有。

http://product.m.dangdang.com/25120137.html (二維碼自動識別)

這次比賽證明了人類其實不懂圍棋。

( 3__3 )

話說回來，很多人工智慧研究者一談到強人工智慧，就表現出不耐煩的樣子，意思是「如果不是永遠看不到的話，起碼你我都看不到了」。這和20年前的研究者談論圍棋AI的情況簡直一模一樣。

我最早看到分析人工智慧與圍棋的文章是上個世紀了。差不多是在深藍壟斷國際象棋那個時間點。

當時的主流意見認為人工智慧早晚會在圍棋上取得突破，但這會在很晚以後，以至於沒人敢給出一個時間的預測。（一般認為50年尺度的科技預測就沒有意義了）

而現在知道了，這個時間是20年，聽上去很漫長，但是如果當年的人知道這點的話，會嚇死。（其實這些人現在應該都還活著，不知道會不會有人出來發布看法）

和基友聊了一晚上。

其實在北美的學校內部也是意見相左。對於大眾來說。

1。激光xx陣雷達：兔子：我能精確到10cm。

鷹醬：那是我1985年水平。

2。激光大氣雷達：兔子：你看我有這個了。

鷹醬：指了指"MIT說我一個學校成果秒你n個科研所。。

兔子不開心。

3。兔子在超音速自動巡航上做出「自己」的演算法。

鷹醬吐血。。說到：

你真是夠了！

4。兔子某國家實驗室搞出來半人工智慧系統。

很開心。結果run著run著和結果不一樣嘛。罵到果然腐國醬技術不可靠！我去找醬肘子地區買！

5。某防務省升級了其航母平台。引進智能系統。

兔子高喊我也要做！找財務處要錢！結果看了看地方負債十幾萬億。於是只能先賣地攢軍費。

6。金輪公司要升級核蛋。國內發現運不出去。只能當做。。。運了過去。

換了現金買了一套新的黑科技。（自己查這個說出來要死了～）

最後扯回來。

當以十年為一個科技飛躍的計量單位。

也就是上升通道徹底關閉。

窗外喧嘩，與你我真的只有接受。

智能化的今天。

兔子取消了某項高考選項。

然後高喊著做好自己的本職工作就是最大的愛國。

可能40年左右，你會發現密集型流水線全部機械化。

富士康上班的你我。

只是想吃一個饅頭。

60年後。

簡單的服務行業全部都是機械。

地下室的你我搖搖欲墜。生病了靠著低保過日子。

90年後你我墳頭上站滿了阿爾法。

意味著百度將理直氣壯以人工智慧的噱頭提高廣告費了……