先說結(jié)論：我認(rèn)為李世石贏AlphaGo的幾率要遠(yuǎn)大于輸?shù)膸茁?。王小川的完勝預(yù)測非常奇怪，因?yàn)榧词惯@次李世石輸了，也不意味著人工智能真的就可以在圍棋上戰(zhàn)勝人類。這里的本質(zhì)問題是其實(shí)是三個(gè)：什么是人，什么是深度學(xué)習(xí)下的人工智能，什么是圍棋。完成這三者的界定就可以定性的猜測李世石和人工智能在圍棋上的輸贏概率。

（圖片來自 Wired）

什么是人工智能？

看過人工智能過去60年里發(fā)展上的起起落落，你就會(huì)發(fā)現(xiàn)人工智能其實(shí)并沒有一個(gè)清晰的定義，它的內(nèi)涵也總是在不停的發(fā)生變化。這就是人工智能的奇葩狀態(tài)----每個(gè)人都說人工智能，但從科學(xué)家到正常人其實(shí)沒人能清楚定義人工智究竟是什么。人工智能之所以那么難以清晰界定，主要原因是人類其實(shí)還沒太弄清楚究竟什么是智能，自然也就無法從它的內(nèi)涵來定義究竟什么是人工智能。

所幸如果我們換個(gè)思路和視角，那就可以嘗試從正常人能理解的視角來定義它。到現(xiàn)在為止，我們唯一可見的高智能生物只有人類，因此只要能定義清楚人，那就可以嘗試從人的身上做加減法來定義人工智能。

一般我們認(rèn)為促使人生爆發(fā)出能量的本源動(dòng)力有三項(xiàng)：欲望、理智與激情。這三項(xiàng)東西正好可以從人類的進(jìn)化鏈條中提煉出來。欲望的存在歷史最為悠久，即使很早期的動(dòng)物比如恐龍也會(huì)有饑餓感要尋找食物，需要交配來繁衍后代。理智的出現(xiàn)則比較晚近，一定要到人這種高級動(dòng)物才清晰的體現(xiàn)出來，但確實(shí)在大猩猩能用工具，蜜蜂能筑非常精巧的巢穴上有所萌芽。這種對自然界進(jìn)行感知、抽象、反思、推理的能力構(gòu)成了理智，理智是我們?nèi)祟愔悄艿幕A(chǔ)。只有理智還構(gòu)不成我們現(xiàn)在這種復(fù)雜多變的社會(huì)，所以人還有很不理智比較激情熱血的一面。只有在唯有犧牲多壯志這類激情的推動(dòng)下，人類才會(huì)產(chǎn)生自己的價(jià)值體系?；诶碇茄苌鰜淼臇|西可以是推理和計(jì)算，基于欲望和激情衍生出來的東西則是想象力、理想等。

那什么是人工智能呢？抽掉人的欲望和激情，再抽掉人的肉體限制并把剩下的理智力量無限放大那基本上就可以認(rèn)為是人工智能會(huì)有的樣子了。無限放大是說它可以同時(shí)記憶五千年的歷史，同時(shí)操控五千臺(tái)機(jī)器，而不在像人類只有有限的記憶和計(jì)算能力，并且很難心分二用。

人工智能歷經(jīng)三起兩落，最近這次浪潮則是互聯(lián)網(wǎng)和云計(jì)算帶起來的。如果要從2010年，時(shí)任斯坦福大學(xué)教授的吳恩達(dá)加入谷歌開發(fā)團(tuán)隊(duì)XLab開始計(jì)算，那這次的熱潮興起也不過只有5~6年?；ヂ?lián)網(wǎng)和云計(jì)算之所以讓深度學(xué)習(xí)得以復(fù)興，其關(guān)鍵點(diǎn)有兩個(gè)：一個(gè)是互聯(lián)網(wǎng)提供了海量的數(shù)據(jù)；一個(gè)是云提供了遠(yuǎn)超以往的計(jì)算能力。這兩點(diǎn)很像燃料與引擎，它們疊加到一起就可以讓車跑的飛快。

深度學(xué)習(xí)在圖像識別和語音識別上效果顯著，但并不能突破上面說的人工智能的定義。它可以通過大量的人臉的數(shù)據(jù)進(jìn)行訓(xùn)練，接下來精確的識別你的臉是不是你的，但它不能想象一個(gè)從來沒有過的場景。所以說基于數(shù)據(jù)和深度學(xué)習(xí)的人工智能更像是已知領(lǐng)域的專家，但并沒能力像馬克思那樣去憑空創(chuàng)造出一個(gè)體系。

什么是圍棋？

雖然我圍棋水平很差，但我相信圍棋雖然依賴于人類的計(jì)算能力，但絕對不是只依賴于人的計(jì)算能力。計(jì)算機(jī)都沒能力算清楚圍棋，何況是人！所以圍棋本身同時(shí)依賴于人的計(jì)算能力和想象能力。兩者在權(quán)重上那個(gè)更關(guān)鍵，估計(jì)在不同人身上會(huì)不同，但大局觀的比重一定是比較大的。

同時(shí)有兩類東西都挑戰(zhàn)人的智商，但其復(fù)雜的來源就絕不相同。一種是復(fù)雜的計(jì)算問題，比如解復(fù)雜的方程，這種問題的難度來源于知識本身；一種則是社會(huì)性問題，比如政治、意識形態(tài)、經(jīng)濟(jì)、外交等這些問題會(huì)彼此聯(lián)通，在每一個(gè)領(lǐng)域上可能最終需要的判斷都是加減法，從數(shù)學(xué)上看是非常簡單的，但其實(shí)處理起來復(fù)雜，處理過程中更關(guān)鍵的是問題本身的界定。擅長處理前者的是數(shù)學(xué)家，擅長處理后者的是政治家，兩者完全沒有互換的可能。

圍棋這東西我認(rèn)為兩種復(fù)雜度兼而有之，既有局部的得失計(jì)算，也有大局上的利弊權(quán)衡取舍。

為什么是李世石贏的概率大？

我們再把上面說的事情重復(fù)一下：

人由欲望、理智、激情三項(xiàng)支撐，其中理智衍生推理和計(jì)算，欲望激情則支撐想象力。

人工智能主要發(fā)展理智這一維度，當(dāng)前的人工智能主要是深度學(xué)習(xí)驅(qū)動(dòng)的，主要依賴于計(jì)算能力和大量數(shù)據(jù)。

圍棋不是算術(shù)，骨子里是計(jì)算上的感覺。

如果我們的基本問題界定沒有錯(cuò)，那就一定是李世石贏的概率大，并且在人工智能沒有新的實(shí)現(xiàn)思路出來之前，這狀態(tài)會(huì)持續(xù)下去。原因很簡單，圍棋不只是計(jì)算，還需要想象這類能力來判斷大局。人工智能按照當(dāng)前的思路則擅長處理已知問題，很像全知全能的消息靈通人士。由于圍棋中牽涉天量的計(jì)算，所以可以認(rèn)為每局棋都是從頭開始的新問題。處理這類問題正需要計(jì)算與想象的綜合，人工智能只可能在計(jì)算上遠(yuǎn)超人類。類比下就是小孩拿著鋒利的砍刀和大人拿著木棍，你說打架的時(shí)候那個(gè)贏的概率大。

對當(dāng)前深度學(xué)習(xí)究竟有那些限制這點(diǎn)上，可能有些人還心存疑慮，我們可以看下這領(lǐng)域的大牛Yann LeCun在發(fā)表演講的時(shí)候?qū)ｉT提到的深度學(xué)習(xí)的幾個(gè)關(guān)鍵限制，具體來講這包括：

①　缺乏理論基礎(chǔ)。沒這個(gè)深度學(xué)習(xí)方法只能常常被視為黑盒，大多數(shù)的結(jié)論確認(rèn)都由經(jīng)驗(yàn)而非理論來確定。

②　缺乏推理能力。深度學(xué)習(xí)技術(shù)缺乏表達(dá)因果關(guān)系的手段，缺乏進(jìn)行邏輯推理的方法。

③　缺乏短時(shí)記憶能力。與深度學(xué)習(xí)相比人類的大腦有著驚人的記憶功能。

④　缺乏執(zhí)行無監(jiān)督學(xué)習(xí)的能力。無監(jiān)督學(xué)習(xí)在人類和動(dòng)物的學(xué)習(xí)中占據(jù)主導(dǎo)地位，我們通過觀察能夠發(fā)現(xiàn)世界的內(nèi)在結(jié)構(gòu)，而不是被告知每一個(gè)客觀事物的名稱。

我個(gè)人覺得這里面的第二、第三點(diǎn)在對陣圍棋的時(shí)候會(huì)形成劣勢。AlphaGo專門在這點(diǎn)上做了彌補(bǔ)，所以弄了一個(gè)落子選擇器 （Move Picker)來負(fù)責(zé)評估下一步應(yīng)該往那兒走，弄了一個(gè)棋局評估器 （Position Evaluator）來評估整體策略?，F(xiàn)在的關(guān)鍵問題是第二點(diǎn)，我不認(rèn)為上佳策略是算出來的(我不相信萬物皆數(shù))，而是一種模糊判斷，所以我認(rèn)為AlphaGo在這點(diǎn)上完全處于弱勢。

小結(jié)

有些復(fù)雜問題的判斷上最難的是對問題的界定，如果上面的判斷錯(cuò)了，那更可能出在對圍棋、對人工智能的本質(zhì)認(rèn)知上。雖然我圍棋水平極差，但我相信自己的理解是對的。王小川其實(shí)代表了純粹的技術(shù)樂觀主義者的觀點(diǎn)，但有的時(shí)候技術(shù)專家真的不理解世界，因?yàn)榧夹g(shù)的深入似乎無助于生成一種整體意識。

按：公號琢磨事(zuomoshi)，作者已將本文獨(dú)家授權(quán)給新浪科技創(chuàng)事記，轉(zhuǎn)載請注明。

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。