赢了再赢还是不懂围棋

　　对本期对话嘉宾、曾获3次世界业余围棋锦标赛冠军和30余次全国业余围棋大赛冠军的胡煜清而言，此次“人机大战”的进程令他颇感意外。“围棋是400多种智力游戏中唯一未被机器攻克的堡垒。围棋不仅是计算，还有一些厚薄等虚路判断，还有大局观等可意会不可言传的感觉。此前已开发过很多围棋软件，但对弈时还都需要人类高手让子。”然而，AlphaGo前昨两天的赢棋，“除了高超的计算力，甚至表现出了形势判断的胜负感”。胡煜清举例说，形势吃紧时，AlphaGo“豁出去拼了”，敢于冒险；取得优势时，它又“不跟你闹了”，棋风保守。

　　危辉教授分析说，AlphaGo采用的“深度学习”方法，在计算机领域并不是什么“高大上”的独门秘笈，它的算法也不复杂，其创新点在于用计算机语言判定并表征各种棋局的价值。根据谷歌团队已公开发表的论文，AlphaGo的“深度学习窍门”是记住一类布局与一类策略的映射关系。仰仗于事先的海量“打谱”，它给各种棋谱分类，并给每个分类找到一种对应的策略——而对应策略也都是人类棋手已使出的招式。“AlphaGo其实并没有真正理解围棋的基本原则，它只是记下了海量的‘布局VS布局’映射关系。其所谓的类推能力，来自于海量样本间的相似性，其实根本没有创新！知其然，而不知其所以然（不要问为什么这么下，记住就好）。”

　　“人机大战”其实并不平等

　　“在这场看似一对一的交锋中，李世石其实是在‘以一当十’甚至‘以一敌百’。”AlphaGo的背后，还有众多并行计算机设计者、众多人工智能程序设计者和大量非常有经验棋手的棋谱。“这么多人的智慧，综合在一个人工智能程序上，因此，单枪匹马的李世石即使输了也没什么。”

　　“另一个易被忽略的不公平之处在于，AlphaGo其实不是自己在下棋。它的落子是由人代为完成的，李世石的落子，它也不是直接看明白的，而是由人输入到电脑里。”要知道，对人工智能而言，完成这两个环节，涉及图像理解能力，涉及机械臂的精细操作能力，要求手眼协调，这些一点儿也不比下棋容易！而这一次，AlphaGo并没有做到。

　　人工智能未见核心突破

　　人工智能最近有点热！不仅仅是AlphaGo，还有在智力竞赛中遥遥领先于人类的沃森（Watson）系统，在全球消费电子展上赚足眼球的自动驾驶技术，甚至还有“速记员、导游、客服、秘书、司机等700多种职业将不再需要人来担任”的预言。危辉表示：“不得不说，这仅仅是一种假象。人工智能的核心科学难题，从1956年这一学科提出至今，一项也没有解决！我们离真正的人工智能，还非常远！”

　　据危辉介绍，目前只有那些能被精确定义、且范围受限的任务，才适合人工智能来解决。反倒是人类日常生活中司空见惯的事，但是边界不清晰、定义不精确，机器完全做不来！“人类日常运用智能时，往往察觉不到它的存在。只有当我们这些搞计算机的想要把这些智能编程时，才意识到它其实有多复杂。”

　　比如，翻译。语言无法完全用文法来定义，其灵活性无法用计算机逻辑学来表征。于是，我们看到现在的机器翻译有多糟糕。

　　再比如，一个能在智力竞赛中完胜人类的电脑，却不能回答“一碗你很想吃、却已经凉了的粥与两个你不怎么想吃却热腾腾的包子，该如何选择？”，更无法拥有曹冲称象、司马光砸缸、乌鸦喝水的智慧。

　　本报记者 董纯蕾 马丹