AI打敗人類？別自作多情了！

王煜

在圍棋這類規則特別明確的事情上，我們人類輸給擁有強大計算和記憶能力的計算機程序是早晚的事。人類日常生活中司空見慣的事，只要邊界不清晰、定義不精確，目前的AI是完全應付不了的。

4比1。當比分最終定格時，李世石終于可以解脫了。這名33歲的韓國圍棋選手在過去的將近一周時間里，成為面對AI（人工智能）的“人類智慧”化身，與谷歌的電腦程序AlphaGo展開了五回合的大戰。人機大戰不僅成為全球網友津津樂道的話題，也激起了圍棋和AI兩個領域業內人士的熱烈思考與爭論。圍棋這門數千年的技藝將走向何方？AI又是否從此在趕超人類智能的道路上邁進了一大步？

勝負：誰的意料之外？

本來是生硬冰冷的人工智能科技研究，套上“人機大戰”的外殼，拋出“人類智慧最后的堡壘是否即將崩塌”這樣的“天問”，瞬間就吸引了全世界的目光。不得不說，谷歌的強大并不僅僅是因為它常常倒騰出黑科技，還有它的公關能力。不過，和人類在棋盤大戰這一招并非谷歌的發明，將近20年前，IBM就擺下擂臺，用計算機“深藍”擊敗了人類的國際象棋冠軍卡斯帕羅夫。

當然，那場比試的熱度遠遠比不上這次的人機大戰。首先當然是因為國際象棋的規則、變化對電腦的計算能力而言，都是可以用窮舉法攻破的，電腦硬件夠好，攻破難關只是時間問題;而圍棋的變化數量已經超過了宇宙所有原子數量之和，在可以預見的未來里，電腦靠“傻算”，走一步的計算時間將是天文數字，必須運用新的解決手段才能讓程序實用。

其次，今天我們有了社交網絡。觀眾是否懂AI、會不會下圍棋不重要，關鍵的是“人機大戰”變成了一件有趣的事，所以大家都來圍觀，連谷歌的AlphaGo，也被迅速被國內網友按發音取了中文昵稱“阿法狗”，聽上去萌萌噠;盡管那個“Go”其實是日語“碁”（即“圍棋”之意）的羅馬音標注，發音其實不是這么回事兒。

于是，這場人“狗”大戰還沒開始就變得充滿戲劇化。好賭是人類的天性，人們紛紛預測比賽結果。認為AlphaGo會勝利的主要是IT界人士，而圍棋界人士幾乎無一例外地覺得李世石將“虐狗”。

例如，開賽前，中國的圍棋高手古力接受采訪時曾表示：他認為幾個月前AlphaGo戰勝歐洲冠軍樊麾（職業二段）時，展現出來的只是一個職業初段的水平，而李世石可是職業九段頂級高手。幾個月內，從初段提升到九段水平，古力認為完全不可能。

包括李世石本人，賽前也信心爆棚地認為自己會5：0完勝，但在當面聽了谷歌工程師團隊對AlphaGo學習能力的介紹后，他也在言語中開始露出一絲憂慮。BBC記者甚至說看到了李世石顫抖的手指。

3月9日下午，韓國首爾，大戰開始。也許是明白自己過去的套路都已經被AlphaGo研究清楚，李世石開場就采取了非常規的下法，主動出擊，試圖把雙方都拉入一個陌生的領域作戰。但他恰恰想錯了，要論“不按常理玩”，谷歌的這只“狗”才是個中高手。李世石首輪投子落敗，有人大驚失色，有人覺得理所當然。

次日的第二輪，李世石沒有再出怪招，但AlphaGo反倒拉起李世石進行了“陌生領域”的纏斗。結果，人類再敗。李世石在發布會上承認自己“完敗”、“輸得說不出話來”。

有記者當場就毫不客氣地質問：前兩場都沒有看到李世石和AlphaGo“打劫”，是不是李和谷歌簽了不能打劫的保密協議？李世石沒有正面回答這個問題，而谷歌研究團隊成員之一的黃士杰之后對媒體明確表示：“這次比賽并沒有所謂的不能打劫的保密協議。第一、第二盤棋復盤時李世石九段都有擺出打劫的變化，只是實戰中他沒有下出來。

小李連輸兩場，韓國業內人士開始不服。據韓國媒體報道，韓國信息通信專業律師田石鎮批評稱，谷歌需要對李世石和整個圍棋界道歉，因為此次人機博弈本身就不公平。早在2016年2月9日，田石鎮就在自己的社交網站上發文稱，谷歌策劃的這場博弈系騙局。他認為，AlphaGo通過網絡可隨時無限收集和利用相關信息，這意味著它擁有無數的“指教者”。

3月12日，李世石迎來了“背水一戰”，而這一天同時是他的結婚十周年紀念日，意義非凡。李世石在輸了前兩盤后曾表示，希望從妻子和孩子身上獲取力量。當然他同樣在技術方面做了縝密準備，第二盤結束后的當晚，他請來了洪旻杓九段、樸正祥九段等三四個圍棋界的好友通宵復盤研究，最后決定用“打劫”來爭勝最有效。

于是，人們看到看到了李世石與AlphaGo之間的“劫殺”。這雖然用實際行動回應了質疑，但并沒給他帶來勝果。0：3，至此，李世石完敗給了電腦。

賽后，李世石向全球媒體坦陳：“我的棋力雖還無法下出完美的圍棋，但AlphaGo也還未達到神的水平……雖然AlphaGo打敗我李世石，但并不能說明就是打敗了整個人類棋手！”他還說：“我從未承受過如此大的壓力?！?/p>

隨著比賽的進行，圍棋界人士對AlphaGo棋力的看法也不斷改變。當今世界排名第一、18歲的中國小將柯潔看了第一場后評論說：“阿法狗贏不了我?！钡诙龊笏目冢骸拔覍Π⒎ü酚辛蓜俾??！钡谌龍鲩_始前他說：“如果阿法狗挑戰我，我要組團應戰”;看完第三場后則表示“同樣條件我上我也得輸”。

按照賽制，雖然勝負已定，但后兩盤比賽還要進行。放下勝負的第四盤，和前幾局對決相比，李世石更多次陷入長時間的思考，耗時太多，在比賽進行到2個半小時后，李世石僅剩下17分鐘，比AlphaGo剩余時間足足少了1個小時。

就當人們認為小李難獲一勝時，他下出了“神之一手”，成為本場比賽的轉折點。對手發了大招，AlphaGo卻不但沒能好好應對，還在這之后下出一步常理上的廢棋，“自毀長城”。之后，李世石勝利的大局已定。收官階段，AlphaGo又出現了“bug”。

最終，李世石斬“狗”成功，贏得榮譽一戰。當然，隨之而來的還是有“谷歌是不是調低了AlphaGo水平”的“放水論”，以及“AI會隱藏實力了”的“陰謀論”。

有意思的是，雖然AlphaGo輸給了李世石，但卻有了意外收獲，可以參與GoRatings世界職業圍棋選手的排名了。因為根據這個網站的規則，如果一名選手從未遭受失敗，就不會進入排名統計。第四盤戰敗后，AlphaGo排名世界第四，領先于排名第五的李世石。排名第一的，是中國的柯潔。

“阿法狗”：

成功，你才剛上路

人機圍棋大戰，AlphaGo勝出。那么，人類的智力堡壘真的崩塌了嗎？我們先看看AlphaGo勝利的秘訣“深度學習”是怎么一回事。

深度學習模擬人類大腦神經網絡的工作原理，將輸出的信號通過多層處理，將底層特征抽象為高層類別，它的目標是更有效率、更精確地處理信息。深度學習自2006年由Geoffrey Hinton教授和他的兩個學生提出后，使得機器學習有了突破性的進展，極大地推動了人工智能水平的提升。2013 年，《麻省理工技術評論》把它列入年度十大技術突破之一。

人腦具有一個深度結構，認知過程是逐步進行，逐層抽象的，能夠層次化地組織思想和概念。深度學習之所以有效，正是因為它較好地模擬了人腦這種“分層”和“抽象”的認知和思考方式。它的實質，是通過構建具有多層的機器學習模型和海量的訓練數據，來學習更有用的特征，最終提升分類或預測的準確性。

不過，人工智能與認知科學專家、復旦大學計算機科學技術學院教授危輝分析說，AlphaGo采用的“深度學習”方法，在計算機領域并不是什么“高大上”的獨門秘笈，它的算法也并不復雜。其創新點在于：用計算機語言判定并表征各種棋局的價值。

危輝說，根據谷歌團隊已公開發表的論文，AlphaGo深度學習的“竅門”是記住一類布局與一類策略的映射關系。仰仗于事先的海量“打譜”，它給各種棋譜分類，并給每個分類找到一種對應的策略——而對應策略也都是人類棋手已使出的招式，最后拿出計算機的看家本領——記憶?！癆lphaGo其實并沒有真正理解圍棋的基本原則，它只是記下了海量的‘布局vs布局映射關系。其所謂的類推能力，來自海量樣本間的相似性，其實根本沒有創新！”

在他看來，AlphaGo對圍棋是“知其然，而不知其所以然”，它不用問為什么這么下，記住就好。

與危輝的觀點類似，英國《新科學家》周刊認為：“實現先進的人類水平的人工智能要克服三大挑戰：它如何計劃一系列行動以實現目標;它如何模擬它的環境;它反思它的處境與行為的能力。人類還在建造有能力模擬環境的系統方面取得進展。但實現人類水平的人工智能需要建立自然界的豐富表征，這就是一個大問題了。盡管圍棋很復雜，在棋盤上識別有利的落子位置也很難，但同精確表征自然界相比，這些依然過于簡單。兩者之間的差距還要幾十年時間才能跨越?！?/p>

顯然，從結果而論，在下棋的勝負上，AI已經超越了人類。這是因為目前適合人工智能來解決的任務，要滿足規則能被精確定義、且范圍受限這兩個條件。而被人類認為考驗智力的下棋，恰恰屬于此列。

如同韓國那位通信專業律師所言，危輝還指出，AlphaGo和李世石的對弈，看似“一對一”，實際上卻并不平等?！捌鋵崳谶@場‘人機大戰中值得‘同情的是李世石，李世石是在‘以一當十甚至‘以一敵百?！盇lphaGo的背后，還有眾多并行計算機設計者、眾多人工智能程序設計者和大量非常有經驗的棋手、棋譜。這么多人的智慧，綜合在一個人工智能程序上，因此，單槍匹馬的李世石即使輸了，也沒什么?！霸趪暹@類規則特別明確的事情上，我們人類輸給擁有強大計算和記憶能力的計算機程序是早晚的事?！?/p>

“另一個易被忽略的不公平之處在于，AlphaGo的落子是由人代為完成的;李世石的落子，它也不是直接看明白的，而是由人輸入到電腦里?！笨梢姡糠较迺r2小時的人機對弈中，AlphaGo不會像李世石那樣耗費體能，也更容易集中“精力”，還省了兩個耗時的環節。危輝表示，對人工智能而言，完成這兩個環節，涉及到圖像理解能力，涉及到機械臂的精細操作能力，要求“手”“眼”協調，這些一點兒也不比下棋容易！

人類日常生活中司空見慣的事，只要邊界不清晰、定義不精確，目前的AI是完全應付不了的。危輝舉例說，有兩個問題：1.一個土壤樣本里，易溶性無機鹽含量較低，請問其中三氧化鋁、二氧化硅的含量比例是多少？2.我中午在食堂吃飯，排在前面的人指著打菜的師傅說，這碗粥是昨天的，給我兩個包子。那么，請問我究竟該如何買午飯？

很顯然，對人而言，第一個問題是只有專業領域的科學家才能解答的事情，第二個問題則是尋常百姓都知道的事情，可以收集到各式各樣的答案，有人可能會建議我不要管前面人的決定，堅持買一碗粥，有人會建議我也跟風買兩個包子，也有人會建議我買別的食物。

可是，對人工智能而言，第一個問題即使是很傻很傻的計算機也能回答，它只需要會搜索就能搞定了;但是對于第二個問題，它卻沒法給出一個答案。

“人類日常運用智能時，往往察覺不到它的存在。只有當我們這些搞計算機的想要把這些智能編程時，才意識到人類的智能其實有多復雜?！蔽］x感慨。

“比如，翻譯。因為語言無法完全用文法來定義，其靈活性無法用計算機邏輯學來表征，于是，我們看到現在的機器翻譯有多糟糕。又比如，機器無法理解笑話。再比如，一個能在智力競賽中完勝人類的電腦，卻無法擁有‘曹沖稱象、‘司馬光砸缸、‘烏鴉喝水的智慧。”

危輝表示：“人工智能的核心科學難題，從1956年這一學科提出至今，一項都沒有解決！”他認為，人工智能發展的現狀有點像盲人摸象——每個人都看到了某個局部，又都以為那便是方向?！拔覀冸x真正的人工智能，還非常遠！”

人類輸棋，不少網友引用科幻小說里機器人統治甚至滅絕人類的橋段來表示擔憂。著名科幻小說《三體》的作者劉慈欣表示：此次“人機大戰”遠遠不夠科幻小說水平，下圍棋雖然也算人工智能，但科幻小說里的人工智能都是有自我存在意識的，能夠和人類交流;而AlphaGo只是純粹的學習型數據庫。“關于想象AlphaGo的內心世界，我沒想過這個事?！?/p>

有一點是明確的。IBM“深藍”研發團隊成員默里·坎貝爾稱：“棋盤游戲長期以來一直是衡量人工智能發展的標準，但這一時代已經結束?！?/p>

大戰之后，余波未了

“人機大戰”已塵埃落定。圍棋作為這次比賽的載體，本來相對小眾，也收獲得了極大的關注度。據報道，比賽期間，韓國圍棋培訓班的報名人數激增。

當然，“大戰”不光是為圍棋賺了眼球，也對業界產生了實質影響。AlphaGo在幾盤對弈中下了一些人類選手通常認為的“俗手”、“惡手”，也用了一些人類選手通常不會采用的路數，被認為有自己一套獨立的“棋風”。

中國業余圍棋第一人胡煜清說：“圍棋不僅僅是計算，還有一些厚薄等虛路判斷，還有大局觀等可意會不可言傳的感覺?！瑼lphaGo除了高超的計算力和直線作戰能力，甚至也表現出了形勢判斷的勝負感。比如形勢吃緊時，AlphaGo豁出去拼了，敢于冒險;取得優勢時，它又不跟你鬧了，棋風保守?！?/p>

職業棋手也對AlphaGo的“創新手法”表示贊同。聶衛平稱：電腦突破了人類的一般思維，下出了讓我感慨要“脫帽致敬”的手段。

江鑄久表示，AlphaGo有一手下法，“讓我想到了吳清源老師提出過的‘21世紀下法，當時他的理論比較超前，很多職業棋手覺得不實用，現在看到計算機下的這個我很高興?！?/p>

常昊認為，人類輸給了機器，就圍棋本身而言，會有危機感，但并不全然，競技勝負只是圍棋的一個層面。圍棋流傳了幾千年而不衰，它的背后是中國的傳統文化和精神層面的很多東西，包括我們尚覺得深奧的吳清源老師“21世紀下法”、“六合圍棋”理論，敗給計算機也可以促使職業棋手多往文化的方面去挖掘、去努力。

胡煜清說：其實，即便是頂尖棋手，對圍棋的理解可能也只有6%-7%，人工智能或許能幫助人類打開理解圍棋的另一扇門。“比如，在第二局中，AlphaGo常常往中間走，而我們都知道圍棋有句俗話叫‘金角銀邊草肚皮。但是，誰能肯定誰的理解才是正確的呢？”

那么，AI又從這次比賽里得到了什么？北京師范大學教授、科幻作家吳巖一語道破：人機大戰只是一次炒作，想要人工智能超過人的都不是真正做人工智能的研究人員。這次的背景是研發公司要產業轉型、做投資。

不僅是谷歌和IBM，微軟、Facebook等大佬也早已專注于AI研發，硅谷已有超過1700家創業公司加入人工智能浪潮。而國內的BAT三巨頭也都在布局自己的AI陣營，創業公司紛紛尋找自己的切入機會。

例如：美國勞工統計局的月度就業報告預測、過去十年中國春節期間市場最佳交易行情、中國十年國債回報率快速下跌時最應該避免的證券交易，想知道這些問題的答案？過去的華爾街，要回答這樣的問題，需要平均年薪幾十萬美元的分析師組成十人團隊，不眠不休花上好幾天甚至好幾周時間計算，才可能做出相關的趨勢和概率預測，并且他們還要能先找到這些數據。但是，靠已有的人工智能程序，幾秒鐘內，報告就可以握在決策者手中。

做AI，當然不是為了下圍棋。