AI打败人类？别自作多情了！
王煜
在围棋这类规则特别明确的事情上，我们人类输给拥有强大计算和记忆能力的计算机程序是早晚的事。人类日常生活中司空见惯的事，只要边界不清晰、定义不精确，目前的AI是完全应付不了的。
4比1。当比分最终定格时，李世石终于可以解脱了。这名33岁的韩国围棋选手在过去的将近一周时间里，成为面对AI（人工智能）的“人类智慧”化身，与谷歌的电脑程序AlphaGo展开了五回合的大战。人机大战不仅成为全球网友津津乐道的话题，也激起了围棋和AI两个领域业内人士的热烈思考与争论。围棋这门数千年的技艺将走向何方？AI又是否从此在赶超人类智能的道路上迈进了一大步？
胜负：谁的意料之外？
本来是生硬冰冷的人工智能科技研究，套上“人机大战”的外壳，抛出“人类智慧最后的堡垒是否即将崩塌”这样的“天问”，瞬间就吸引了全世界的目光。不得不说，谷歌的强大并不仅仅是因为它常常倒腾出黑科技，还有它的公关能力。不过，和人类在棋盘大战这一招并非谷歌的发明，将近20年前，IBM就摆下擂台，用计算机“深蓝”击败了人类的国际象棋冠军卡斯帕罗夫。
当然，那场比试的热度远远比不上这次的人机大战。首先当然是因为国际象棋的规则、变化对电脑的计算能力而言，都是可以用穷举法攻破的，电脑硬件够好，攻破难关只是时间问题;而围棋的变化数量已经超过了宇宙所有原子数量之和，在可以预见的未来里，电脑靠“傻算”，走一步的计算时间将是天文数字，必须运用新的解决手段才能让程序实用。
其次，今天我们有了社交网络。观众是否懂AI、会不会下围棋不重要，关键的是“人机大战”变成了一件有趣的事，所以大家都来围观，连谷歌的AlphaGo，也被迅速被国内网友按发音取了中文昵称“阿法狗”，听上去萌萌哒;尽管那个“Go”其实是日语“碁”（即“围棋”之意）的罗马音标注，发音其实不是这么回事儿。
于是，这场人“狗”大战还没开始就变得充满戏剧化。好赌是人类的天性，人们纷纷预测比赛结果。认为AlphaGo会胜利的主要是IT界人士，而围棋界人士几乎无一例外地觉得李世石将“虐狗”。
例如，开赛前，中国的围棋高手古力接受采访时曾表示：他认为几个月前AlphaGo战胜欧洲冠军樊麾（职业二段）时，展现出来的只是一个职业初段的水平，而李世石可是职业九段顶级高手。几个月内，从初段提升到九段水平，古力认为完全不可能。
包括李世石本人，赛前也信心爆棚地认为自己会5：0完胜，但在当面听了谷歌工程师团队对AlphaGo学习能力的介绍后，他也在言语中开始露出一丝忧虑。BBC记者甚至说看到了李世石颤抖的手指。
3月9日下午，韩国首尔，大战开始。也许是明白自己过去的套路都已经被AlphaGo研究清楚，李世石开场就采取了非常规的下法，主动出击，试图把双方都拉入一个陌生的领域作战。但他恰恰想错了，要论“不按常理玩”，谷歌的这只“狗”才是个中高手。李世石首轮投子落败，有人大惊失色，有人觉得理所当然。
次日的第二轮，李世石没有再出怪招，但AlphaGo反倒拉起李世石进行了“陌生领域”的缠斗。结果，人类再败。李世石在发布会上承认自己“完败”、“输得说不出话来”。
有记者当场就毫不客气地质问：前两场都没有看到李世石和AlphaGo“打劫”，是不是李和谷歌签了不能打劫的保密协议？李世石没有正面回答这个问题，而谷歌研究团队成员之一的黄士杰之后对媒体明确表示：“这次比赛并没有所谓的不能打劫的保密协议。第一、第二盘棋复盘时李世石九段都有摆出打劫的变化，只是实战中他没有下出来。
小李连输两场，韩国业内人士开始不服。据韩国媒体报道，韩国信息通信专业律师田石镇批评称，谷歌需要对李世石和整个围棋界道歉，因为此次人机博弈本身就不公平。早在2016年2月9日，田石镇就在自己的社交网站上发文称，谷歌策划的这场博弈系骗局。他认为，AlphaGo通过网络可随时无限收集和利用相关信息，这意味着它拥有无数的“指教者”。
3月12日，李世石迎来了“背水一战”，而这一天同时是他的结婚十周年纪念日，意义非凡。李世石在输了前两盘后曾表示，希望从妻子和孩子身上获取力量。当然他同样在技术方面做了缜密准备，第二盘结束后的当晚，他请来了洪旻杓九段、朴正祥九段等三四个围棋界的好友通宵复盘研究，最后决定用“打劫”来争胜最有效。
于是，人们看到看到了李世石与AlphaGo之间的“劫杀”。这虽然用实际行动回应了质疑，但并没给他带来胜果。0：3，至此，李世石完败给了电脑。
赛后，李世石向全球媒体坦陈：“我的棋力虽还无法下出完美的围棋，但AlphaGo也还未达到神的水平……虽然AlphaGo打败我李世石，但并不能说明就是打败了整个人类棋手！”他还说：“我从未承受过如此大的压力。”
随着比赛的进行，围棋界人士对AlphaGo棋力的看法也不断改变。当今世界排名第一、18岁的中国小将柯洁看了第一场后评论说：“阿法狗赢不了我。”第二场后他改口：“我对阿法狗有六成胜率。”第三场开始前他说：“如果阿法狗挑战我，我要组团应战”;看完第三场后则表示“同样条件我上我也得输”。
按照赛制，虽然胜负已定，但后两盘比赛还要进行。放下胜负的第四盘，和前几局对决相比，李世石更多次陷入长时间的思考，耗时太多，在比赛进行到2个半小时后，李世石仅剩下17分钟，比AlphaGo剩余时间足足少了1个小时。
就当人们认为小李难获一胜时，他下出了“神之一手”，成为本场比赛的转折点。对手发了大招，AlphaGo却不但没能好好应对，还在这之后下出一步常理上的废棋，“自毁长城”。之后，李世石胜利的大局已定。收官阶段，AlphaGo又出现了“bug”。
最终，李世石斩“狗”成功，赢得荣誉一战。当然，随之而来的还是有“谷歌是不是调低了AlphaGo水平”的“放水论”，以及“AI会隐藏实力了”的“阴谋论”。
有意思的是，虽然AlphaGo输给了李世石，但却有了意外收获，可以参与GoRatings世界职业围棋选手的排名了。因为根据这个网站的规则，如果一名选手从未遭受失败，就不会进入排名统计。第四盘战败后，AlphaGo排名世界第四，领先于排名第五的李世石。排名第一的，是中国的柯洁。
“阿法狗”：
成功，你才刚上路
人机围棋大战，AlphaGo胜出。那么，人类的智力堡垒真的崩塌了吗？我们先看看AlphaGo胜利的秘诀“深度学习”是怎么一回事。
深度学习模拟人类大脑神经网络的工作原理，将输出的信号通过多层处理，将底层特征抽象为高层类别，它的目标是更有效率、更精确地处理信息。深度学习自2006年由Geoffrey Hinton教授和他的两个学生提出后，使得机器学习有了突破性的进展，极大地推动了人工智能水平的提升。2013 年，《麻省理工技术评论》把它列入年度十大技术突破之一。
人脑具有一个深度结构，认知过程是逐步进行，逐层抽象的，能够层次化地组织思想和概念。深度学习之所以有效，正是因为它较好地模拟了人脑这种“分层”和“抽象”的认知和思考方式。它的实质，是通过构建具有多层的机器学习模型和海量的训练数据，来学习更有用的特征，最终提升分类或预测的准确性。
不过，人工智能与认知科学专家、复旦大学计算机科学技术学院教授危辉分析说，AlphaGo采用的“深度学习”方法，在计算机领域并不是什么“高大上”的独门秘笈，它的算法也并不复杂。其创新点在于：用计算机语言判定并表征各种棋局的价值。
危辉说，根据谷歌团队已公开发表的论文，AlphaGo深度学习的“窍门”是记住一类布局与一类策略的映射关系。仰仗于事先的海量“打谱”，它给各种棋谱分类，并给每个分类找到一种对应的策略——而对应策略也都是人类棋手已使出的招式，最后拿出计算机的看家本领——记忆。“AlphaGo其实并没有真正理解围棋的基本原则，它只是记下了海量的‘布局vs布局映射关系。其所谓的类推能力，来自海量样本间的相似性，其实根本没有创新！”
在他看来，AlphaGo对围棋是“知其然，而不知其所以然”，它不用问为什么这么下，记住就好。
与危辉的观点类似，英国《新科学家》周刊认为：“实现先进的人类水平的人工智能要克服三大挑战：它如何计划一系列行动以实现目标;它如何模拟它的环境;它反思它的处境与行为的能力。人类还在建造有能力模拟环境的系统方面取得进展。但实现人类水平的人工智能需要建立自然界的丰富表征，这就是一个大问题了。尽管围棋很复杂，在棋盘上识别有利的落子位置也很难，但同精确表征自然界相比，这些依然过于简单。两者之间的差距还要几十年时间才能跨越。”
显然，从结果而论，在下棋的胜负上，AI已经超越了人类。这是因为目前适合人工智能来解决的任务，要满足规则能被精确定义、且范围受限这两个条件。而被人类认为考验智力的下棋，恰恰属于此列。
如同韩国那位通信专业律师所言，危辉还指出，AlphaGo和李世石的对弈，看似“一对一”，实际上却并不平等。“其实，在这场‘人机大战中值得‘同情的是李世石，李世石是在‘以一当十甚至‘以一敌百。”AlphaGo的背后，还有众多并行计算机设计者、众多人工智能程序设计者和大量非常有经验的棋手、棋谱。这么多人的智慧，综合在一个人工智能程序上，因此，单枪匹马的李世石即使输了，也没什么。“在围棋这类规则特别明确的事情上，我们人类输给拥有强大计算和记忆能力的计算机程序是早晚的事。”
“另一个易被忽略的不公平之处在于，AlphaGo的落子是由人代为完成的;李世石的落子，它也不是直接看明白的，而是由人输入到电脑里。”可见，每方限时2小时的人机对弈中，AlphaGo不会像李世石那样耗费体能，也更容易集中“精力”，还省了两个耗时的环节。危辉表示，对人工智能而言，完成这两个环节，涉及到图像理解能力，涉及到机械臂的精细操作能力，要求“手”“眼”协调，这些一点儿也不比下棋容易！
人类日常生活中司空见惯的事，只要边界不清晰、定义不精确，目前的AI是完全应付不了的。危辉举例说，有两个问题：1.一个土壤样本里，易溶性无机盐含量较低，请问其中三氧化铝、二氧化硅的含量比例是多少？2.我中午在食堂吃饭，排在前面的人指着打菜的师傅说，这碗粥是昨天的，给我两个包子。那么，请问我究竟该如何买午饭？
很显然，对人而言，第一个问题是只有专业领域的科学家才能解答的事情，第二个问题则是寻常百姓都知道的事情，可以收集到各式各样的答案，有人可能会建议我不要管前面人的决定，坚持买一碗粥，有人会建议我也跟风买两个包子，也有人会建议我买别的食物。
可是，对人工智能而言，第一个问题即使是很傻很傻的计算机也能回答，它只需要会搜索就能搞定了;但是对于第二个问题，它却没法给出一个答案。
“人类日常运用智能时，往往察觉不到它的存在。只有当我们这些搞计算机的想要把这些智能编程时，才意识到人类的智能其实有多复杂。”危辉感慨。
“比如，翻译。因为语言无法完全用文法来定义，其灵活性无法用计算机逻辑学来表征，于是，我们看到现在的机器翻译有多糟糕。又比如，机器无法理解笑话。再比如，一个能在智力竞赛中完胜人类的电脑，却无法拥有‘曹冲称象、‘司马光砸缸、‘乌鸦喝水的智慧。”
危辉表示：“人工智能的核心科学难题，从1956年这一学科提出至今，一项都没有解决！”他认为，人工智能发展的现状有点像盲人摸象——每个人都看到了某个局部，又都以为那便是方向。“我们离真正的人工智能，还非常远！”
人类输棋，不少网友引用科幻小说里机器人统治甚至灭绝人类的桥段来表示担忧。著名科幻小说《三体》的作者刘慈欣表示：此次“人机大战”远远不够科幻小说水平，下围棋虽然也算人工智能，但科幻小说里的人工智能都是有自我存在意识的，能够和人类交流;而AlphaGo只是纯粹的学习型数据库。“关于想象AlphaGo的内心世界，我没想过这个事。”
有一点是明确的。IBM“深蓝”研发团队成员默里·坎贝尔称：“棋盘游戏长期以来一直是衡量人工智能发展的标准，但这一时代已经结束。”
大战之后，余波未了
“人机大战”已尘埃落定。围棋作为这次比赛的载体，本来相对小众，也收获得了极大的关注度。据报道，比赛期间，韩国围棋培训班的报名人数激增。
当然，“大战”不光是为围棋赚了眼球，也对业界产生了实质影响。AlphaGo在几盘对弈中下了一些人类选手通常认为的“俗手”、“恶手”，也用了一些人类选手通常不会采用的路数，被认为有自己一套独立的“棋风”。
中国业余围棋第一人胡煜清说：“围棋不仅仅是计算，还有一些厚薄等虚路判断，还有大局观等可意会不可言传的感觉。……AlphaGo除了高超的计算力和直线作战能力，甚至也表现出了形势判断的胜负感。比如形势吃紧时，AlphaGo豁出去拼了，敢于冒险;取得优势时，它又不跟你闹了，棋风保守。”
职业棋手也对AlphaGo的“创新手法”表示赞同。聂卫平称：电脑突破了人类的一般思维，下出了让我感慨要“脱帽致敬”的手段。
江铸久表示，AlphaGo有一手下法，“让我想到了吴清源老师提出过的‘21世纪下法，当时他的理论比较超前，很多职业棋手觉得不实用，现在看到计算机下的这个我很高兴。”
常昊认为，人类输给了机器，就围棋本身而言，会有危机感，但并不全然，竞技胜负只是围棋的一个层面。围棋流传了几千年而不衰，它的背后是中国的传统文化和精神层面的很多东西，包括我们尚觉得深奥的吴清源老师“21世纪下法”、“六合围棋”理论，败给计算机也可以促使职业棋手多往文化的方面去挖掘、去努力。
胡煜清说：其实，即便是顶尖棋手，对围棋的理解可能也只有6%-7%，人工智能或许能帮助人类打开理解围棋的另一扇门。“比如，在第二局中，AlphaGo常常往中间走，而我们都知道围棋有句俗话叫‘金角银边草肚皮。但是，谁能肯定谁的理解才是正确的呢？”
那么，AI又从这次比赛里得到了什么？北京师范大学教授、科幻作家吴岩一语道破：人机大战只是一次炒作，想要人工智能超过人的都不是真正做人工智能的研究人员。这次的背景是研发公司要产业转型、做投资。
不仅是谷歌和IBM，微软、Facebook等大佬也早已专注于AI研发，硅谷已有超过1700家创业公司加入人工智能浪潮。而国内的BAT三巨头也都在布局自己的AI阵营，创业公司纷纷寻找自己的切入机会。
例如：美国劳工统计局的月度就业报告预测、过去十年中国春节期间市场最佳交易行情、中国十年国债回报率快速下跌时最应该避免的证券交易，想知道这些问题的答案？过去的华尔街，要回答这样的问题，需要平均年薪几十万美元的分析师组成十人团队，不眠不休花上好几天甚至好几周时间计算，才可能做出相关的趋势和概率预测，并且他们还要能先找到这些数据。但是，靠已有的人工智能程序，几秒钟内，报告就可以握在决策者手中。
做AI，当然不是为了下围棋。