上周，谷歌AI在圍棋上以5比0戰(zhàn)勝了歐洲冠軍樊麾的消息引起極大關(guān)注。而更為大家津津樂道的，是谷歌還向韓國圍棋九段高手李世石公開發(fā)起挑戰(zhàn)，要在下個月進行AI與圍棋高手的較量。作為圍棋界最高水平的代表，如果李世石輸了，代表的是人類輸了。

谷歌使用的人工智能軟件是AlphaGo，由谷歌去年收購的人工智能公司DeepMind研發(fā)。關(guān)于AlphaGo與李世石之間的這場較量，外界有著不同的看法，但總體而言，覺得贏得可能性低的人會更多些，因為樊麾僅為二段棋手，二段棋手與九段棋手之間，差得可不是一星半點。

雖然AlphaGo與李世石的對弈還有差不多兩個月時間，但關(guān)于其輸贏的討論在持續(xù)發(fā)酵中，有專業(yè)棋手從下棋手法上進行分析，有人工智能專業(yè)者從科技角度，也有像搜狗CEO王小川這樣的技術(shù)大咖忍不住參與討論。

作為技術(shù)熱衷者，王小川對于人工智能的發(fā)展一直都比較關(guān)注，不過，前不久還在極客公園論壇上發(fā)表演講表示人工智能在今天與人腦有很大距離，甚至不如一個1歲小孩兒，這次在面對人工智能與專業(yè)棋手對弈的時候，卻直接斷言贏得一方一定會是人工智能。這，又是為什么？

王小川知乎全文：

AlphaGo的發(fā)布，是一個偉大的里程碑，又一次讓我興奮地需要說一說。

先說我的斷言一：AlphaGo在兩個月后，將會完勝李世石。

留個關(guān)子，本文最后再說斷言二。

從中學開始，我就著迷用算法來解決游戲的博弈問題，用搜索方法創(chuàng)新性完成過一些題目。這幾年深度學習出現(xiàn)后，就感覺有機會能夠突破圍棋，和清華的聯(lián)合實驗室做過幾次探討，都認為這個方向可行，可惜限于氣場和能力不足，沒能組織進行這方面的投入。

而此次出手的，是Google旗下的DeepMind團隊，在深度學習方面是最頂尖的，資源、能力、氣場都沒有問題，突破性的技術(shù)是基于深度學習進行估值和走棋。

看知乎里好多討論，是從之前AlphaGo完成的棋局來判斷其下棋風格，倒推這個算法的威力，有點刻舟求劍的感覺。我們核心還是要回到對這次AlphaGo用到的技術(shù)的深刻理解。為了便于討論，我們對比以搜索剪枝為核心的深藍下國際象棋，和以搜索剪枝+深度學習為核心的AlphaGo的三個區(qū)別：

1. 圍棋相對象棋，最大的區(qū)別是棋局的評價函數(shù)極難定義。象棋可以找到各種“特征”來計分，比如丟一個馬扣多少分，兵往前拱到離底線近了加多少分，而圍棋做不到，密密麻麻的黑白子挨著，互相之前又有關(guān)聯(lián)，變化多，規(guī)律難以總結(jié)。這也是傳統(tǒng)算法相對人最弱的幾個問題之一。就像是我們?nèi)俗鋈四樧R別，看一眼就知道是張三李四，而機器算法難以下手。這個問題恰恰是最近幾年深度學習最大的突破之處，深度學習不需要人來設(shè)計算法“找特征”，通過大量原始數(shù)據(jù)和標簽的對于，機器就能夠自動找特征，并且并不比人差。在幾年前還有很多人認為機器在圖像處理方面舉步維艱，怎么定義和抽象鼻子？耳朵？眼睛？可就在這一兩年深度學習突飛猛進，一舉超過了人類。就在2015年，人臉識別方面，機器的識別能力已經(jīng)超過了人了，這可是人進化了數(shù)千萬年的核心能力之一呀。一個圍棋棋局，可以理解為一張19*19的圖片，其他的走棋規(guī)則和非常簡單（很容易翻譯成計算機規(guī)則），正好落入了深度學習擅長的事情。搜索+深度學習，這個算法完全可以覆蓋圍棋的規(guī)則，人下棋的思維過程和模式，只是AlphaGo的一個子集。這就決定了這個算法沒有天花板，有機會在圍棋領(lǐng)域“打通關(guān)”。

2. 深藍相對AlphaGo，AlphaGo最大的優(yōu)勢是“學習能力”。深藍的開局更多依靠數(shù)據(jù)庫棋譜的建立，但沒有泛化能力（不懂得舉一反三），對于沒有見過的走棋方法就可能犯傻。而之后的核心能力是計算力，通過暴力的搜索（當然也有最優(yōu)秀的剪枝，但還是暴力），力圖走出10-20步棋來選擇最優(yōu)的路徑。這個復雜度是指數(shù)級的，變成一個NP問題，受限于計算力。這個系統(tǒng)的算法是寫死的，固定的參數(shù)下，就會有固定的表現(xiàn)。而調(diào)整參數(shù)和改變算法，都是工程師的事情。這個系統(tǒng)的天花板是計算機有多強，以及工程師有多聰明。而AlphaGo更多是數(shù)據(jù)驅(qū)動的，喂給他更多的棋局數(shù)據(jù)，他就能夠優(yōu)化“神經(jīng)元網(wǎng)絡(luò)”，同樣的運算資源下變得更聰明，并且具有舉一反三的能力，這一點非常接近于人（或者說本身就是模擬人的方式來設(shè)計的）。而且我們知道，機器處理數(shù)據(jù)的能力足夠地快，以及沒有情緒不會出錯，這就決定了這個系統(tǒng)如果把今天互聯(lián)網(wǎng)上能收集到的棋局都學一遍，就成為頂尖高手了。

3. 最最最可怕的還不只是前面這兩點，對于下棋博弈問題，AlphaGo還不只是從互聯(lián)網(wǎng)上去收集數(shù)據(jù)進行學習，更可以自己和自己下，實現(xiàn)“自學習”?？催^電影“超驗駭客”沒有？人工智能可以做到隨著時間的推移就能更加聰明。金庸小說中老頑童讓自己左手和右手打架“左右互搏”，成為天下無敵的武功，那個只是故事，在下棋這個領(lǐng)域，而AlphaGo有這樣的設(shè)計，讓這種武功成真了！往下還有兩個月的時間，AlphaGo這樣一臺算法上沒有天花板的機器，很有機會在“左右互搏”下登峰造極，成為不可超越的圍棋高手。

AlphaGo的技術(shù)問題講完了。怎么來看Google背后的完整動作呢？有人覺得是過度解讀了，實際系統(tǒng)挺糙的 -- 選的都是“歐洲冠軍” -- 說明系統(tǒng)并不行，這是一種錯誤的理解。更有可能的原因是Google和Facebook在競爭下圍棋，F(xiàn)acebook的員工缺心眼提前放了好多消息出來泄密了，結(jié)果Google就趕緊把Nature的文章發(fā)了搶了個先，然后賣個期貨兩個月后和人類對決，那會兒系統(tǒng)就足夠好了，這是在競爭環(huán)境下合適的做法。

事實上Google和Facebook兩家都認識到了AI的重要性，以及就在最近幾年會有大的突破。Google 4億美金收購了DeepMind，當時只有20人，現(xiàn)在已經(jīng)突破200人了，并且是不計代價的瘋狂投入。下圍棋只是體現(xiàn)人工智能進步絕佳的宣傳點和切入點，從公開的文獻可以看到，DeepMind做圍棋研發(fā)是基于通用的技術(shù)進行，領(lǐng)域無關(guān)的（Domain independent）。這樣的技術(shù)未來可以用到合適的其他領(lǐng)域里去。深度學習的魅力在于，只要一個領(lǐng)域里能夠建模，能夠有充足的數(shù)據(jù)，就能夠在這個領(lǐng)域里做到超越人、取代人，短時間能從0分做到99分。如果我們依然是老觀念，用漸進的方式來理解機器智能，比如之前某位大佬宣傳他家的XX大腦做到了X歲的智力，這是很誤(che)導(dan)的。我們同樣也會錯誤地估計下圍棋方面機器的能力，按照人類的理解1D-9D來評價它。一句話，不要用評價人的方法來評價機器的人工智能的能力，完全是不同的模式。

老羅曾經(jīng)評價過人工智能的一句話：“人工智能就像一列火車，它臨近時你聽到了轟隆隆的聲音，你在不斷期待著它的到來。他終于到了，一閃而過，隨后便遠遠地把你拋在身后”。

如果給這句話打上一個補丁，把人工智能的應用局限到一個一個的具體的封閉領(lǐng)域，這是一個很貼切的描述。我們不要過度自大，例如我們?nèi)菀自谧晕覂?yōu)越感的驅(qū)使下，說動物不如人，比如人會直立行走、會說話、會實用工具，以區(qū)別于其他動物。事實證明，動物也會。面對機器也一樣，就在幾個月前還有人叫囂機器十年內(nèi)不能夠玩轉(zhuǎn)圍棋，理由也都是人一眼就能看明白，機器只會計算。這些自大會讓我們誤判。也不用過于自卑，覺得圍棋上機器上勝利了人類整個智力就被碾壓了，到今天機器還是有很多領(lǐng)域完全無能，只能在局部領(lǐng)域。

到結(jié)尾，再說斷言二：除了圍棋，人工智能在其他博弈類的封閉游戲里，也會橫掃一切，完勝人類。

雖然王小川的論點過于武斷，不過AlphaGo贏的可能性其實也并不低，它的真實圍棋水平可能遠遠不止現(xiàn)在所呈現(xiàn)的。首先，AlphaGo與樊麾的對弈其實發(fā)生在去年10月，只不過最近才被曝光，在這之后的幾個月中，AlphaGo有多大的提高，我們不得而知。其次，此事被報道后，在高手云集的弈城圍棋網(wǎng)上，出現(xiàn)了疑似AlphaGo的身影，而且從它的對戰(zhàn)數(shù)量和戰(zhàn)績上看，它已經(jīng)和人類進行了大量的交手。甚至，最好的成績達到過9D（段）。由此可見，AlphaGo一直在掩蓋其鋒芒，就像王小川所言，谷歌選擇在這個時候讓AlphaGo挑戰(zhàn)李世石，一定是建立在足夠的自信上的。

當然，AlphaGo是否能在下個月底的比賽中贏得勝利，現(xiàn)在來說都為時過早。不過，這絕對不會是一場壓倒性的比賽，而是高手與高手之間的巔峰對決。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。