石翔

5天時間，開了54個小時，將近2300公里，其中有超過一半是山路之后，終于從黃石國家公園的大山里走了出來，躺在鹽湖城的酒店里看勒布朗·詹姆斯用一記45度角的三分，完成對喬丹季后賽得分紀錄的超越。在黃石的五天，除了開車和睡覺之外，有限的信號和時間都一直在關注柯潔和AlphaGo的對決。

第一場，柯潔以中國圍棋中最小的劣勢四分之一子落敗，但是了解過之前AlphaGo表現(xiàn)的同學都知道，它的可怕之處就是能100%贏你1目，絕不會選擇99%贏你2目的行棋方式，所以那最后的四分之一子是柯潔和AphlaGo之間一道可不逾越的鴻溝。

在這場比賽之前，了解一些人工智能常識的人都知道以百分之百狀態(tài)的柯潔根本沒有勝算，一絲一毫的勝算都沒有，經歷了14個月之后，AlphaGo自我學習的盤數(shù)可能已經超過人類圍棋歷史上所有的棋局總數(shù)，有人估計它和九段選手之前的差距已經超過兩目，甚至到了三目。這樣看，校長對柯潔的嘲諷也在情理之中，作為實用主義者的代表，校長絕對不會做這種不可能嘗試，但是柯潔不是校長，他只是一位棋士。

之前，很多傳統(tǒng)體育業(yè)者，不認可電子競技，很多程度上就是因為在電競由于有了設備的輔助、程序的設計和過于復雜的規(guī)則，通過練習很多屬于人的不確定性是可以被消除的。

像史蒂芬·庫里這樣的投手在對抗之下也無法在一個賽季里達到50%的命中率，剩下的一般是人的不確定性，并非規(guī)則的不確定性。而電競中像“末日戰(zhàn)車”這樣的操作失誤，只會被當做笑談，電競比賽很多變數(shù)來自于系統(tǒng)設置的概率。電競的智力博弈也更多源于雙方對于規(guī)則細節(jié)的熟悉程度，而不是像圍棋一樣在一條時間線上不斷地尋求人的不確定性。

我們喜歡電競比賽，更多的時候是源于在游走和對線、選位和布防、Timing和資源轉化過程中屬于人的想象力，喜歡這些人的不確定性，而不是系統(tǒng)強加上的不確定性。那是賭博，不是體育。

從這一點上來看，CS：GO這樣的游戲應該是其中的佼佼者，人的不確定性被很好的得以體現(xiàn)。隨著電競的發(fā)展，觀眾也會逐漸認識到這樣的問題，系統(tǒng)強加的隨機性其實是在傷害游戲本身，而如何讓玩家可以在游戲中更多的發(fā)揮出人的不確定性將會成為開發(fā)者需要投入更多精力的部分。

人的可能性會讓事情變得有趣、精彩、感動，甚至是驚嘆，就像柯潔和AphlaGo的第二局棋，柯潔一度展現(xiàn)出了超越自我的強大實力，是AphlaGo幾千萬次的自我學習過程中都沒有遇到過的情況，我們沒有必要懷疑DeepMind的創(chuàng)始人兼CEO哈薩比斯對于柯潔的溢美之詞，柯潔一度超越了自己，像他自己在賽后說的一樣，“我以為自己已經和勝利非常接近了”。這正是圍棋規(guī)則之下，人的不確定性，就像一年前的Ti6決賽上，Shadow撤退中的敵法師回頭跳上敵方高地的選擇一樣是一種人本身的超越。

可是這樣的場面在電子競技的比賽中并不算常見，即使靈光乍現(xiàn)在復雜的規(guī)則所帶來容錯性面前也無力改變局面。用一個不太恰當?shù)谋扔?，看SKT和KT的比賽就像是兩臺AphlaGo在下棋，過程固然精彩，但是失去了人的可能性，比賽也就失去了靈魂，失去了讓人驚嘆和熱血沸騰的感覺。

我們說人工智能固然強大，但是它始終滿足不了人類類似的“游戲”需求，人的存在就代表了可能性，而人工智能則代表了不斷提高的閾值。

還在看喬丹打球的勒布朗·詹姆斯肯定沒有想過自己可以超越喬丹的季后賽總得分。今天之前，我自己也從沒有想過，連續(xù)五天超過11小時的駕駛之后，我還可以坐下心平靜氣的寫文章，每一個人都渴望創(chuàng)造自己的不可能，讓我們一起期待第三盤中柯潔還會帶給我們什么樣的驚喜吧。