放心吧，人工智慧還沒那麼可怕

最近幾年，似乎人工智慧在媒體上越來越火，其原因在於google的兩個專案得到了很好的進展和宣傳，由於汽車駕駛以及圍棋在過去被很多人想當然地認為這是人類的專屬領域，因此接連被突破，讓一些人得了【機器恐懼症】，比如紐約時報上那篇文章就是典型的代表。

最近圍棋比較熱，所以我就拿阿爾法狗來說明一下這件事吧。人們為什麼覺得機器變得可怕了呢？用他們的話說，就是因為機器有了【學習】的能力。過去IBM的深藍在贏國際象棋的時候，使用的是硬性的決策樹，憑藉的是機器的硬體效能，而硬體效能是有限的，因此沒那麼可怕。現在機器自己會學習了。太可怕了。這實在是個天大的誤會。

確實，人們一想到棋類，就首先會想到決策樹，然後計算機利用其效能進行窮盡搜尋之類的，這在象棋，乃至於五子棋裡是很普遍的。但大家忽略了一個本質問題，圍棋是一種重點不在於棋，而在於棋盤的遊戲，與其說他是對棋的決策，不如是對於棋盤的決策。所以我們的思考角度應該在於若干個點如何排斥其它若干個點。。這時候的演算法思路其實更傾向於畫素處理，比如筆跡辨認之類的，想到這層，人工神經網路與表徵學習演算法（即深度學習演算法）的作用就好理解了。

打個比方，這就好像你用造大炮方法去思考如何將東西送到月球軌道上去，這當然很難了，大炮只能在發射之前設定發射引數，發射之後無法修改，自然距離越遠，不確定性越大，難度越大。但是事實上用這種方式最多隻能造出德國的V2火箭而已，沒法造出土星五號火箭的。後者會在飛行過程中自我修正軌道，自然就能應對不確定性，這本質上就是所謂的機器【學習】。圍棋也一樣，它一開始就不能用象棋的思路想問題，這並不意味著機器的能力有了很大的進步，而是人類找到了實現他的方法。

說穿了，前者是基於固定公式的決策，後者是基於統計學概率的決策，都是數學領域的問題，本來就是計算機的強項。用前者來推匯出後者如何如何進步，其實是很沒有邏輯的事情。而且，事實上這兩種人工智慧方法在理論上被推出的時間相差無幾，談不上誰更先進。要知道，鑑定人工智慧的圖靈測試關注的是人機對話的能力，不是下棋的能力，換句話說，什麼時候機器能通過對話騙你一百塊錢，也比它下棋下贏世界冠軍更智慧點。

所以，放心吧，人工智慧還很弱。