AlphaGo：算法的勝利

趙言昌

2016年3月15日，谷歌阿爾法狗（AlphaGo）與韓國九段棋手李世石進行“人機大戰”第五場對弈，經過五個小時的博弈，最終，谷歌AlphaGo獲勝。

AlphaGo的勝利，是深度學習的勝利，也是算法的勝利。你鼠標的每一次點擊，你在手機上完成的每一次購物，天上飛的衛星，水里游的潛艇，拴著你錢袋子的股票漲跌——我們這個世界，正是建立在算法之上的。

那么，什么是算法，你對它又了解多少？

齊軍煮粥與枚舉法

一直以來，計算機科學都給人一種高深莫測的感覺，人們對其有很多“高大上”的印象，其實，它也有一些你我早已熟識的東西。

例如：電影《戰國》中，孫臏（孫紅雷飾）帶領齊國軍隊打仗，半路上收留了幾百個災民。齊國的情報系統告訴孫臏，災民之中有敵國奸細。那么，倉促之間，如何判斷誰才是敵人？

孫軍師心生一計，囑咐手下人煮粥，并在粥里加了很多辣椒。如此味道，一般人肯定是不肯喝的，但災民就不一樣了。都快餓死了，誰還敢挑食？下屬們紛紛稱贊軍師神算……

那么，有沒有更好的方法呢？

有！狠下心，挨個兒殺，總會把奸細殺死。

電腦有時就是這么處理問題的：五把鑰匙里，有一把是對的，一把一把試過去，總能打開鎖。這就是枚舉法，聽起來有些弱智，但是計算機的運算速度很快，所以至今仍有用武之處。

考場作弊與數據壓縮

隨著網絡的應用越來越普遍，很多人都愛花錢辦會員，在線或下載下來收聽無損歌曲。那么，無損音樂是怎么回事？

這就要從數據壓縮說起。

比如，考試時，你身后坐的一位后進同學小聲跟你要選擇題的答案。假設一共有20道選擇題，每道題的答案都是A，你是挨個給他念一遍呢，還是說一句，“都是A”？正常人肯定會選后者，不僅省時、省事，而且沒有信息損失，和“AAAAAAAAAAAAAAAAAAAA”效果一致。

在此過程中，你通過統計分析，總結出規律，用更少的字段去描述全部信息，這就是無損壓縮。

那么，有損壓縮又是什么樣的？比如，你愛上一個姑娘，她在北京，你在上海。聚少離多，思念日增，你想要知道對方每時每刻的樣子。不過，總不能請個攝影師24小時跟拍吧。于是你們約定，選幾個特定時刻，早上起床什么樣，晚上睡前什么樣，白天工作什么樣，周末休息什么樣。

就這樣，24小時的內容，被壓縮到幾分鐘，數據量大為減少，這是好處一；有些情況你看不到，這是壞處一；照片到了你手里，你就可以根據你對她的了解，近似還原她的狀態，這是好處二。

“兩利相權取其重”，有損壓縮因此風靡。

比如刷微博時，你上傳一張自拍，新浪的服務器會將照片還原成一個個明暗變化的小點，然后用有損壓縮。比如，可以每隔幾行剪掉一部分數據，用臨近小點的明暗數值補齊。新浪節省了存儲空間，你減少了流量費，而圖片質量區別并不是很大，何樂而不為？

外星探索與公鑰加密

公鑰加密是一種很古老的做法——在計算機領域，超過10年就算古董了。

公鑰加密是由對應的一對唯一性密鑰（即公開密鑰和私有密鑰）組成的加密方法，是目前商業密碼的核心。“公鑰”，顧名思義，鑰匙是公開的。

比如，你和你的好朋友小明被聘請為人類外星探索先行官，降落在某個地外星球上。不料，這顆星球上是有原住民的，他們把你倆抓了起來，并監控了你倆的通信頻道。

小明問：“你現在還有多少子彈？”

你要是直接說數字，外星人馬上會知道，你要是說“N+5”，小明又不知道N是多少。

就在這個時候，你發現外星人不懂乘除法。該如何利用這一情況呢？

首先，你還是用加密信息，告訴小明：“我的子彈數是N×9。”

然后，你說：“任選一個數字。”

外星人自然會聽到，不過沒關系，數字是無窮的，撞車的概率很小。你選了3，小明選了2。

接下來，你用3乘以9，得到27；小明也一樣，他用2乘以9，得到18；至于外星人，他們選的數字和你們不一樣，得出的結果自然也不一樣。

隨即，你公布“答案是27”，小明也公布，“答案是18”。

最后是見證奇跡的時刻：你用小明公布的數字18，乘以你的私密數字3，得到54；小明呢，他用27乘以2，結果也一樣——（2×9）×3=（3×9）×2。

我們逛淘寶的時候，正是經歷了這樣的場景。你發出的付款信息，要經過多個服務器轉接。如果不加密，你的支付信息就會暴露在互聯網上；你自定義一套密碼，安全倒是安全，但淘寶也不知道你說的什么，老是“支付失敗”你能樂意嗎？因而，必須用公鑰加密信息。

所以，并不是“敗家娘們”通過“買買買”讓馬云當上了首富，技術進步才是淘寶成功的關鍵之一。

“川菜招牌菜”與匹配排名

谷歌初創時，不過是斯坦福大學的一個學生研究項目。20年來，從十萬美元的初始投資到一千多億美元的資產凈值，從一個小小的搜索框到涵蓋手機、通訊、在線教育等數個領域的互聯網大鱷，谷歌深遠地影響了世界。

為什么谷歌風靡全球？因為谷歌的搜索引擎特別好用。

為什么谷歌的搜索引擎那么好用？因為谷歌的匹配與排名算法極其優秀。

比如，當我們用谷歌搜索“川菜的招牌菜是什么”時，谷歌的服務器首先要進行匹配，找到我們想要的網頁；其次要進行排名，判斷不同網頁的優先度，將我們最想要的，排在最前面。

匹配就像查字典，難的是如何教會計算機查字典。“川菜的招牌菜”是偏正短語，“川菜”用來修飾“招牌菜”，計算機不懂這些。所以，計算機首先要把互聯網上的網頁都看一遍，找到所有含有“川菜”的網頁和所有含有“招牌菜”的網頁，將二者進行對比，找出重復的部分。而這，大概就是用戶需要的。

問題是，這些網頁很多，可能有幾百萬個，怎么對它們進行排序呢？總不能一股腦都擺第一頁吧？否則，50寸的顯示器也不夠用吶。

谷歌的崛起，就是因為排名。1998年，谷歌創始人拉里·佩奇和謝爾蓋·布林發表了《解析大規模超文本網絡搜索引擎》。

當時，由于技術限制，人們還不可能讓計算機直接模擬人腦，分辨哪些重要、哪些不重要。對此，佩奇和布林找到了一個計算機可以辨識的指標：PageRank值。

PageRank值可以簡單理解為網頁的被引用次數。比如有一百個網頁既包含“川菜”又包含“招牌菜”，符合搜索要求。其中，有九十九個網頁通過超鏈接提到了最后一個網頁，那么，最后一個網頁，就是最貼近用戶需要的。

謝耳朵認臉與圖像識別

PageRank值本質上是一種等價思想，用一種計算機可以使用的衡量標準，取代人類的衡量標準，“數值高”就等于人們“最想要”。如此一來，計算機就能出色地完成我們交付的任務。

有時候，問題并不是這么簡單。舉個例子，計算機該如何進行圖像識別呢？更進一步講，計算機能不能辨識人臉以至于認識到人的喜怒哀樂？

喜愛看美劇的人，對于《生活大爆炸》中的謝耳朵肯定不會陌生，他既是一個物理學方面的天才，十幾歲就開始攻讀博士學位，讓人欽佩；也是一個生活中的弱智，連朋友是開心還是生氣都看不出來，令人莞爾。

如果謝耳朵花錢請你教他識別面部表情，你該怎么做呢？

你的第一反應，可能是找一臺攝像機，把他朋友的喜怒哀樂都記錄下來，一個一個地分析給謝耳朵聽，讓他記住重點，開心的時候，眉毛在哪，嘴唇如何，生氣的時候又是怎樣，區別在哪里。

思路沒有什么大錯，只是有兩個缺陷：第一，每一個人每次笑，都有些許不同，還有“激動地流淚”、“長歌當哭”這種場景；第二，就算他學會了，他也只能辨識朋友們的面部表情，陌生人的則不行。

所以，我們改進方案。首先，選取最典型的長相；接著，尋找最典型的表情；最后，設立一個決策樹。計算機進行圖像識別的方式也與此類似，當計算機拿到一張照片時，它沿著決策樹，將測試數據和之前的樣本數據進行對比。

最終，計算機給出結論，“這是一張男人的照片，他在哭”。研究人員再對結果進行判斷，給予獎勵或者修正。這樣，計算機就能逐步地建立一個決策體系，準確地識別人的表情。

奇點與未來

在物理上，有觀點認為宇宙起源于奇點。奇點是指一個體積無限小、密度無限大的點，所有的物理定律都對它不適用；仿照這一概念，有人提出了技術奇點，認為在未來某一時刻，技術會發生近乎無限的進步，使得我們之前的預測和生活方式都失效。

很多名人，如比爾·蓋茨、史蒂芬·霍金，都曾發出警告，認為人工智能可能就是這個奇點，超級計算機也許會導致人類的毀滅。如今，AlphaGo在“人機大戰”中已取得壓倒性勝利。那么，計算機技術的奇點真的已經到了嗎？未來人類又將走向何方？（編輯/余風）