人不能在圍棋上戰勝AI，但人可以發明圍棋

自媒體一如既往喜歡調動民眾情緒，人工智慧將取代人類甚至統治人類的觀點甚囂塵上。人們眼中的AI更多的是《終結者》和《西部世界》那樣的會思考且能力極其強大的存在。不了解AI的人，要麼極度低估了AI，要麼極度高估了AI，這樣的論調，就是屬於後者。

1. AI會思考嗎

在回答這個問題之前，先分享一個答案。知乎上我回答了一個問題，AlphaGo「理解」圍棋嗎？ - 知乎 答案如下：

一個東西，看起來像鴨子，叫起來像鴨子，那麼這就是鴨子。

我們怎麼判斷人理解圍棋？可以和對手下棋，理解規則。有布局有細節操作，根據對手有針對性下法，懂得怎麼贏下來比賽。所以我們覺得人理解圍棋。機器也可以做到相同的事情，甚至比人做得好。所以機器也理解圍棋。

只是人不理解機器而已。機器學習的演算法，SVM也好，神經網路也好。不是機器不理解所輸入的樣本。而是人不理解怎麼把機器輸出結果的邏輯，用人能理解的邏輯表達出來。

AI會思考圍棋。但是AI會思考么？我傾向於認為目前的AI並不會思考，或者換個角度，目前的AI不會像人類一樣思考。

2. 人和AI的學習機制

人是怎麼學習的呢？作為一個dota資深菜鳥玩家，當我第一次玩王者榮耀的時候，選了英雄，看了技能介紹，第一局就拿到了非常好的數據。在這之前，我沒有看過任何王者榮耀的視頻或者介紹。而整個學習過程只有幾分鐘。

AI是怎麼學習的呢?如果有一個dota碾壓職業玩家的AI，想學習王者榮耀，之前訓練出的模型瞬間失效。這個時候只能拿到職業選手的大量比賽視頻，進行演算法訓練。整個學習過程需要大量的計算資源，並且需要一段較長時間的訓練評估。

這裡面看到了人類為作為自然界46億年進化出的生物演算法，相比較嬰兒期的AI演算法，具有一個絕對優勢：快速遷移學習的能力。目前AI並不具有這種能力，而且在可預期的時間內，不可能具有這種能力。

3. 人和AI信息處理機制

腦科學領域研究目前沒有突破性進展，我們並不知道人類怎麼思考。而在機器學習領域，演算法從規則演算法升級到機器學習之後，我們也不知道機器怎麼思考。

但是如果把人和機器作為一個黑箱，我們發現人和機器作為不同的系統，信息處理能力非常不一樣。

在新場景下，人拿到的信息非常少，也能快速適應，比如魯濱遜漂流荒島，可以迅速適應並生存。而機器學習在缺少數據和規則不明確的情況下，無法發揮作用。

在穩定場景下，有大量反饋數據的情況下，人的決策能力反而不如AI。這也是人類個體單個大腦算力決定。在面對大量數據的時候，人會歸納數據，分析數據，並從數據中提取大量規則。在遇到問題的時候用規則快速決策。

這個歸納數據，分析數據的過程，本身就是信息丟失的過程。換句話說，拿到1000條數據和拿到10000條數據，對於人而言差別可能不大。而計算機基於統計演算法和學習模型，最大規模的保存了信息量，數據量不斷增長，決策效率也會不斷提高。

總結而言：人可以通過複雜的類比、聯想等策略，在無明確目標的新場景下表現良好。AI在明確的場景，並且有足夠數據反饋的情況下，可以超過人類的決策。

4. 人類哪些工作會被取代

人工智慧會替代的領域有哪些？這是一個老生常談的問題。

總結而言：長期固定類型的腦力勞動工作者，決策數據來自線上資料庫或者可以被線上數據大量收集，工作效果可以有線上數據的反饋或者記錄。

在這些行業中，需要根據數據做出判斷。而由於數據過載，大量的數據人在決策是時候無法完全利用，只能挖掘數據中的一些規則，做出應對方案。在這樣的領域，人是很容易被替代的。

在互聯網中，活動排期通常是需要依賴運營手動配置，在個性化推薦引擎面前，千人一面的活動排期本身就是有先天缺陷的。而個性化推薦引擎可以分期所有的歷史用戶行為，給出最優結果。素材設計目前淘寶已經上線，雖然有時候會有明顯的Badcase，但是根據每個人的歷史行為數據給出的banner素材，引流效果在總體上肯定是優於千人一面的banner樣式的。

廣告投放也好，金融分析也好，都是需要分析歷史的結果，以及進行不斷優化過程數據，而高效處理數據則是演算法的強項。

在醫生診斷領域，大量的檢查數據，需要有效的處理，要求醫生有足夠多的背景知識，而無論哪個醫生，有多麼充分的經驗，都不可能了解所有的案例。一方面人工智慧知識儲備和案例儲備遠遠超過人，另一方面，對圖像的處理和識別的能力也慢慢提高。人工智慧通過大量的樣本學習，目前頂尖的人工智慧診療在一些領域已經超過了人類醫生的水平。

當然，隨著信息化程度變高，語義識別圖像識別的發展，計算機信息收集能力的提高。越來越多的固定直接可能被取代：同聲傳譯，金融分析，自動駕駛等等。

5. 在AI普及的未來，人的位置在哪裡

目前的計算機計算能力，和AI演算法的發展情況來看，AI在短期內會快速普及，並滲透進信息化程度比較高，且人力成本比較高的行業。比如：互聯網廣告投放，互聯網運營，金融，醫療等等。但與此同時，這些行業的人並不會完全消失，而是需要更少的人，需要這些人有更多的技能。

機械化時代之前，農民種地，一個人能照看土地也就幾畝，只要會翻地播種除草施肥就夠了。而目前現代化的農場主。一個人可以照看公頃級別的土地。但是需要駕駛收割機，拖拉機，使用機械裝置施肥，播種。

計算機的發明，無數數學家物理學家從繁瑣的計算中掙脫，而探索新的領域。未來人需要不斷通過創造力發現和探索新的場景，而AI則可以通過數據，在定義好的場景下發揮到極致。

人雖然不能在醫療診斷中戰勝AI，但人可以研究新的診斷技術和方法。人雖然不能在Feed流排序的時候戰勝個性化推薦，但人可以探索新的用戶場景，引入新的內容模式。一個特定的醫療診斷，一個確定樣式的Feed流，就是棋盤，人無法在這個棋盤上和AI爭勝負，但並非就此被取代。人類要做的不是戰勝AI，而是用自己獨特的思考能力，不斷開拓AI的使用場景。

人不能在圍棋上戰勝AI，但人可以發明圍棋。