你真心想了解AI么

新年剛過，一位名叫Master的神秘棋士就頻繁出現在中國的網路圍棋室，悄無聲息地收割對手。等人們驚覺有異的時候，它已經獲得了50人連斬。於是，有人族最後的希望之稱的柯傑，棋聖聶衛平等人紛紛上陣，但結果只是讓Master的連斬記錄提升到了60，無一敗績。最後，Google終於承認，Master就是它們的人工智慧系統阿爾法狗（Alpha Go）。

圍棋一度被視為人類智慧最後的堡壘，原因是圍棋的變化極為複雜，即便是算力無雙的計算機，也無法窮盡黑白兩子在棋盤裡361個點位上的所有變化。所以，在計算機擊敗國際象棋大師之後，圍棋就成為了某種象徵。去年，阿爾法狗連續擊敗兩位人族的職業棋士，給人們帶來了很大的震撼。在圍棋領域裡，人族已經失去了自己的優勢。今年阿爾法狗的60人連斬，進一步確定了這種優勢。

對於職業棋士而言，這是一種相當絕望的感受：你既往的所有經驗在阿爾法狗身上無效，你的每一個手段它都能找到應對手段，但是你卻無法理解阿爾法狗是如何「想」的，也不能理解為什麼它下出了各種愚型惡手，最後卻總能贏你。而且，你在棋盤上的各種心理暗示、誘惑威脅干擾，對於它來說毫無用處，它就是那麼一點點取得優勢，最後碾壓而過。這簡直讓人懷疑人生，我覺得中日韓三國的人族棋士在和阿爾法狗對陣之後，都急需心理干預。

人工智慧是如何做到這一點的呢？霍炬（這一次我終於拼寫對名字了吧）推薦了一篇非常詳盡的文章，講述了機器的智慧從何而來：

請點開上面的二維碼，然後長按，選擇「識別圖中二維碼」，就可以訪問這篇《人工智慧核心概念辨析》。

文章很長，而且我相信大部分人看完之後，還是會抱怨說「看不懂」。但是，我個人強烈建議你先把這篇文章收藏起來，然後按照我說的方法閱讀：

首先，你不要想著一次性通讀全文，並且理解。相信我，即便你是受過完備教育的理工科學生，想要一口氣把這篇文章吞下去也是相當困難的一件事情。所以，你應該像小時候得到一塊心愛的餅乾那樣，每次用門牙刮一點點下來，反覆閱讀這篇文章，但是，每次不宜過多，在你能力允許範圍之內，一次讀一小部分。

其次，無論你的專業和教育狀況，看到原文小標題第4部分之前的部分，都不會有多大問題。如果有問題，那就是你讀太快了，應該退轉回去，反覆閱讀小標題第1部分之前的內容。這一部分的內容非常重要，是理解人工智慧工作原理的核心部分---計算機模擬人類的生物神經網路，模仿人類處理信息的過程。為什麼之前計算機無法在圍棋上擊敗人族，而現在卻突然大殺四方？原因就在於這裡，計算機科學家用了不一樣的思路。

再次，如果有餘暇時間，去了解一下視覺感受野的相關原理。原文里非常簡略地提了一句，並且配了一張圖片就飛快過去了。但是，這個理論本身非常有趣，它解釋了人類如何通過視覺細胞識別和認知圖像。人人都「天然」地能看到東西，都「天然」地可以分辨物體的顏色、輪廓、形狀，這在神經學的角度上，有極為精細的分析。想一下都覺得非常有意思：我們因為更深入地了解了我們自己，所以，我們得以換一種思路製造更為強大的機器。

最後，原文的小標題第4部分之後，論述變得更加複雜和艱澀。如果有能力繼續的話，還是建議靜下心來進去跟進一段。實在是無法跟上，我也依然建議你通讀最後這一部分。因為在這一部分的論述里，隱藏了許多針對目前AI流行說法的反擊：

比如說，一種流行的看法認為AI是通過海量數據訓練出來的。把人類所有的圍棋棋譜都給阿爾法狗輸入進去，於是阿爾法狗就學會了下棋。那麼，是不是如果沒有大量計算資源和龐大資料庫的公司或者個人就無法研發AI？文章告訴我們，如果計算模型加以優化的話，完全可以基於很小的數據量就可以完成針對AI的訓練。

再比如說，人們現在傾向於把AI理解為一種自我學習，自我進化的准生物組織。認為阿爾法狗去年戰勝人族職業棋士之後，閉關自我學習，左右互搏，每天自己和自己下一萬盤旗，於是棋力就蹭蹭蹭暴漲，出關後開始一邊倒地屠殺人族九段棋士。如果你仔細看原文的後半部分，那麼你就應該知道，阿爾法狗並不是自行進化，而是依賴於計算機科學家為它設計的多重神經網路，這不是它自己能夠發展出來的。同時，它也依賴於外部演算法調優，計算機科學家根據歷史對戰記錄，對現有的計算模型加以優化，這也不是阿爾法狗自己能夠完成的。

總之，讀完《人工智慧核心概念辨析》之後，你會明白阿爾法狗依然是人類手中的提線木偶，只不過它是一個在某個領域內能力遠超人類的超級提線木偶。此前，人們關於AI的諸多幻想和抒情，其實並不符合事實。AI能力的爆發性增長就在眼前，但那種能力和之前我們以為的那種能力不是一回事。以前我們是根據AI的行為推斷它的潛在可能，看完這篇文章之後，我們是根據對AI的認知重新再來看AI何以能夠做到，這是完全不同的兩種眼界。

我知道，即便讀完原文，看完我寫的介紹，想要理解AI依然不是一件容易的事情。原因其實也很容易理解：增加更多的步驟，降低每一步的理解難度，但是不可能因此而降低事物整體的理解難度。所謂的科普，只是降低了難度的梯度罷了。想要向今天的人解釋AI，意味著需要今天的人自己要朝前走幾步。

這就像是你要向一個古人講解地球是圓形的，那麼他自己應該先有一點點邏輯推理的基礎。這時候，你帶他到海邊，指著遠處先顯露出桅杆的船，那麼他或許能夠用邏輯抵抗自己的「眼見為實」，贊同地球是圓形的這一結論。否則，無論你怎麼說，他大概都會堅持認為大地是平的，而且下面有一隻巨龜在馱著。

我是說，你也得往前走一小步了。

最後，如果覺得那篇文章對你有所幫助，一定要記得去給作者點贊和留言啊！

所有圖片作者：Thomas Skirde