编者按：这几天，AlphaGo 与李世石的人机大战吸引了全球关注的目光。各大媒体铺天盖地各种报道层出不穷，我身边有个长期关注咱们映美中国国象甲级联赛微信号，又正好从事人工智能领域相关工作的 IT 从业人员。于是，我这个棋迷与 IT 人士有了下面这场对话：

>>>这几天媒体和朋友圈都在吵吵人工智能（AI），那么，AI 到底是什么？

要解释什么是 AI，必须了解“图灵测试”，这么来解释一下图灵测试：在你对面有一道帘子，帘子后面有一个“人”，你来和 TA 对话或者做游戏或干其他可以互动的事儿，几番较量过后，如果你无法分辨 TA 是人还是机器，帘子掀开，你发现对方的确是台机器（当然它还可以联网），那么就说这台机器拥有了人工智能 (AI)，而不用管机器是怎么做到的。

>>>哦，这么说，人工智能不必非得像电影里那种，跟人一样能思考甚至比人还牛X的那种啊？

是啊，这就是图灵测试重要的地方，也是图灵的伟大之处。从 50 年代初 AI 的兴起，直到 70 年代中期，科学家们可以说基本上在 AI 领域一无所获，就是犯了这个“常识性”错误，想当然地认为 AI 就是要让机器像人一样思考和解决问题。

>>>好像很有趣的样子，那你说说 AI 吧。

从前有个....好吧，咱还是长话短说：从二战后计算机时代的来临到现在，AI 可以说经历了三次“高潮”，每次持续十来年，一次是70年代中期，就是上面说的，人们在信息论上的进步和对 AI 的重新认识，结合当时新硬件的问世带来的计算能力提升，促成了第一次高潮；第二次发生在 80 年代后期至 90 年代中期，诱发因素除了计算能力飞速发展外，新算法的涌现功不可没；最近的一次可以看做从 06-07 年到现在，也持续了十来年。

>>>前两次木有印象，你着重讲讲最近这次？

上面说的前两次，是伴随着计算机计算能力的飞跃和新方法或者说算法应用气势汹涌而来的，最近的一次当然也不例外，但是有一个必须要提的重要因素就是并行计算能力的提高。

并行计算，简单滴说，就是让 N 台计算机联手解决一个问题。这种工程上的解决方案极大地扩张了计算能力，成千上万台甚至是上千万台机器的计算能力合体，让本来受制于计算能力而沉寂多年的算法如“人工神经网络”焕发第二春，让分而治之、逐个击破、逐级提升的思想找到了用武之地。这次人机大战，AlphaGo 背后的“谷歌大脑”就是代表之一。

>>>“谷歌大脑”，听着好高大上，真的长得像大脑？

“谷歌大脑”听起来高级，其实你就可以看成千万台机器组成的一个网络。但是，正是因为本世纪前几年一批工程师比如谷歌的 Jeff Dean 的发明创造，才让数据的读取和处理比之前提升了几个量级，才让“谷歌大脑”这种高效率大规模的并行计算成为现实，从而支撑像 AlphaGo 这样的 AI 应用在某些领域能赶越人类。“谷歌大脑”之所以牛X，还有一个非常非常重要的原因，就是数据，是谷歌十几年来积累的海量数据。

>>>那么，AI 快要统治世界了吗？

先不说人类能不能阻止 AI 统治世界，嘿嘿，现在就是谈 AI 大规模应用都为时尚早。但是不可否认，AI 未来会不断改变大众对一些常识性问题的看法。

>>>AI 时代来临了？

看你怎么看了，就像上面咱们聊的 AI 历史，AI 发展有高潮有低谷，前几次看基本上朝气蓬勃发展十年，然后沉寂十年再往前推进。

>>>嗯？你认为 AI 又要冬眠了？

AI 理论研究的确有点儿这个意思，但 AI 应用却在“大数据”的浪潮中刚刚开始发力。

>>>回到 AlphaGo，它和深蓝是一个东西吗？

看我们之前说的图灵测试，这两个机器应该说都完美滴通过了测试，所以你可以看做是一类东西，会下棋的 AI，只是背后的算法和依赖数据量不一样而已。

我看有国象大师说，只要 AlphaGo 程序不更新，你就以可以找到一种赢法，一直赢下去，因为同样的局面电脑的最佳选择是不会改变的。这样的说法，对于 AlphaGo 是不准确的，对深蓝也是不准确的。程序的搜索算法命中结果不尽相同，棋局在不断更新，就像人一样，而且还能设定策略，选择自己没下过的走。

虽然现阶段 AlphaGo 的计算能力再强大、搜索速度再优化也赶不上人类大脑神经元传导速度，但架不住强大的棋局数据储备和“过目不忘”的本领，而且通过自学习左右互搏丰富对局经验，AlphaGo 还可以施展“分身术”，一个 AlphaGo 在韩国和小李下棋，一个身处米国还在跟另外一个自己较劲保证每分每秒都在进步，这样它的“知识储备”不断膨胀，每次搜索的命中结果也不一样，再加上可能存在的其他优化对局新颖度的算法，别说走棋不重样，甚至能学良辰兄，“一百种方式让你分分钟待不下去（赢棋）”。

>>>那么，围棋是最复杂的智力游戏？

当然不是，甚至不是最复杂的策略游戏，如果说是 2 个人下的棋类策略游戏，现在看是最复杂的。但对于计算能力超强计算机来说，这种能通过计算给走子或者局面估值的游戏都是相对“简单”的策略游戏，其实四个玩家的打麻将、一大堆玩家的炒股（嗯，零和游戏）对机器来说都非常复杂，这真不是开玩笑。

其实啊，有一个很好玩的悖论：越是人类觉得简单和不言而喻的事情，机器越没法企及。比如“我只愿 面朝大海 春暖花开”，很简单的几句诗，现在看机器是绝对写不出来的。

>>>那为什么这么多年来没人能挑战围棋成功？

这么说吧，AlphaGo 编写者 DeepMind 的 CEO 是一个 AI 和神经学专家，同时又是棋手（据说13岁成为Master等级分2300+），然后又能背靠“谷歌大脑”，最重要的是谷歌想拿这事儿宣传自己，四个因素合在一起，就干了呗。“早遇上我早瘸了”，并不是有多难。换句话说，上面四个因素缺一不可。再换句话说，只有进入大数据时代，才有可能诞生 AlphaGo。

>>>嗯？我看有人说“向机器学习”，这是什么鬼东西？

这不是什么新观点了，机器学习中逐个击破、逐层提升、合并收敛等的算法策略，可以用在人的自我知识学习和人才培养中，这在很多 AI 从业者中，早已不是秘密，这可以作为一个单独的话题来聊。

还有一种理解是针对 AlphaGo 的，就是 AlphaGo 通过自我学习或者说增强学习（enforcement learning，就是自己跟自己较劲，给自己下出的着法评分）对围棋局面会有一些创新性的理解，会创造很多人类不敢下的着法，比如“五路肩冲”之类。

所以，当你看到 AlphaGo 下出一些所谓“无理的臭棋”，先不要嗤之以鼻或嘲笑，很可能是它在无数个寂静无人的深夜，自己和自己较劲的过程中，摸索到的。

其实，我有一个怀疑，之所以 AlphaGo 屡屡下出专业棋手不认可的棋局，除了上述原因外，可能是 AlphaGo 的程序员故意调整策略，增加对局“新颖度”，让那些对创新着法嗤之以鼻的人开开眼界。当然也体现出他们对 AlphaGo 无论选择新局面（自学习摸索到的）还是老局面（专业棋手认为合理的）都能赢棋的自信，这才是让很多专业棋手“绝望”的地方。据某 AlphaGo 程序员透露，AlphaGo 的后台评分（值判定）说，两盘棋它从始至终都认为自己有优势，让人细思极恐。

其实棋手们也大可不必“绝望”，就像古力在直播中说的，“人要虚心向机器学习”。对知识表示尊重，对自己未知领域保持敬畏之心，未尝不是人的一种好的修养。

>>>好像明白了，那么人机大战的意义何在？

我觉得最大的意义有三个。第一，你也看到了，媒体和朋友圈跟炸了锅似的，谷歌宣传自己的目的达到了。

第二，其实我觉得谷歌是一家很有情怀的公司，他们也想借助这次“媒体狂欢”，吸引更多拥有超级大脑的年轻人投入进来，让 AI 理论研究和工程应用再飞跃一次。

第三，当然从 AI 本身看，这次人机大战，让大众第一次意识到，一群不是围棋专业的人，借助于 AI，可以达到专家级甚至是领域顶级水平。所以说，AI 是集体智慧的结晶。

>>>AI 的未来的发展会是啥样？

AI 的大规模应用绝对是人类的福利，想想看，如果由一群不是医疗领域的人借助 AI，达到顶级专家级医生的水平，甚至跟专家比，更不易犯错，而且不知疲惫 7X24 小时给人看病，中国医疗资源稀缺的情况会极大改善，不是吗？

>>>中国的 AI 现状和未来咋样？

中国现在无论是理论还是应用都有大批人才投身其中，在图像识别、自动驾驶和无人机等各个 AI 应用领域都有同步或者超前的公司在做，而且，就像前面所说，千万不要忽略数据对 AI 研究的巨大作用，中国的大数据产出量和国家的大力扶持，无形中会起到很强的助推作用。

↓↓↓ 点击下方 识别二维码免费关注

中国国际象棋甲级联赛始于2005年，是中国水平最高的国际象棋职业联赛，同时也是全世界水平最高的国际象棋联赛之一。

“映美杯”中国国际象棋甲级联赛官方微信号，每天更新，推送内容除了国际象棋甲级联赛，还有国际象棋相关资讯、活动和普及知识，欢迎关注！

关注映美资讯、浏览或购买映美产品，请：

1. 登录映美官方网站：www.jolimark.com

2. 关注映美官方微信服务号(微信号：Jolimark-Marketing)

3. 光临映美移动商城：http://mall.jolimark.com