曹俊

阿爾法狗（AlaphaGo）3∶0戰(zhàn)勝了李世石。也許柯潔上陣結(jié)果會不一樣，但也不會太不一樣，畢竟以阿爾法狗的進步速度，擊敗所有人類高手不是今天就是明天。那么，人工智能（AI）將會勝過人類的智慧嗎？顯然不會！幾十年來，AI躍上了第一個臺階，但至少還要躍升兩個臺階，才有跟人類智慧較量的資本。

每個學(xué)習(xí)圍棋的人，必然背過圍棋十訣、棋經(jīng)十三篇，知道“單關(guān)無惡手”、“棋拐一頭，力大如牛”等諺語，也必然知道“棋形”等美學(xué)概念。這些“虛”的指導(dǎo)思想，極大地簡化了具體的計算。

阿爾法狗除了暴力搜索算法外，通過價值網(wǎng)絡(luò)和策略網(wǎng)絡(luò)形成“棋感”，使它的能力躍上了一個臺階。經(jīng)過大量訓(xùn)練形成的這兩個神經(jīng)網(wǎng)絡(luò)，就相當(dāng)于這些虛的指導(dǎo)思想。在神經(jīng)網(wǎng)絡(luò)中，這些指導(dǎo)思想以各個神經(jīng)元的系數(shù)的方式存在?？梢哉f，通過深度學(xué)習(xí)，阿爾法狗獲得的知識以一系列的數(shù)字表達出來，而不是棋理。

粒子物理學(xué)家20多年前就開始使用神經(jīng)網(wǎng)絡(luò)（以及其他人工智能方法， 如Boost Decision Tree）來進行數(shù)據(jù)分析，比如尋找希格斯粒子，但一般盡量不用，因為訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)不透明，就是一堆神經(jīng)元的系數(shù)。我們說這里“沒有物理”，因為難以判斷其可靠程度（誤差分析不好做）。此外，神經(jīng)網(wǎng)絡(luò)的一個突出問題是過度訓(xùn)練。對一個有限的樣本，經(jīng)過一定次數(shù)的訓(xùn)練，有用的信息基本使用殆盡；如果繼續(xù)訓(xùn)練，在人類對它的績效考核壓力下，它就開始鉆空子，報告說性能更好了，但實際上使用了垃圾信息，其表現(xiàn)為神經(jīng)網(wǎng)絡(luò)“發(fā)神經(jīng)”。據(jù)說，阿爾法狗的第四局失誤就來自過度訓(xùn)練。

“沒有物理”有什么問題呢？首先，其他人難以判斷它是否正確，沒有同行評議，也許是過度訓(xùn)練得到的假知識呢？其次，就算無條件相信它正確，獲得的知識也無法傳承。在科學(xué)研究中，自己知道了什么不是最重要的，更重要的是讓其他人知道你知道了什么。創(chuàng)造知識與傳承知識是同等重要的。否則，獲得的知識無法融入科學(xué)發(fā)展的長河中，未來還需要重新發(fā)現(xiàn)，那其對科學(xué)的貢獻實際上就為零。受過專業(yè)訓(xùn)練的科學(xué)家與民間科學(xué)家的區(qū)別，就在于專業(yè)科學(xué)家看似普通的每一句話、每一個論據(jù)，都是建立在前人已檢驗過的知識基礎(chǔ)之上的，需要推敲的新論據(jù)每次只有一小點。

同樣，阿爾法狗獲得的知識是一堆莫名其妙的數(shù)字，只能它自己用，不能轉(zhuǎn)化為棋理，因而不能傳播和傳承。如果不解決表達與傳承的問題，AI只能依附于人類的智慧。人類知識由一個個的個體形成網(wǎng)絡(luò)和體系，而一個個AI都只能單獨地與人類接口，不能連成網(wǎng)絡(luò)。人類永遠(yuǎn)是它的老師。

假如阿爾法狗想與人類智慧較量，首先它要形成抽象的表達能力：可以學(xué)習(xí)人類的語言與思維方式，從而與人類網(wǎng)絡(luò)接口；也可以獨立發(fā)展出自己的機器表達，比如說，天下的AI都用同一套神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。這時候，AI就上了另一個臺階：每一個AI能夠抽象出易于表達的物理和棋理。

下一個臺階，就是將這些知識授予其他機器，從而構(gòu)成網(wǎng)絡(luò)，甚至形成社會。為什么說形成社會呢？AI張三獲得的知識與AI李四的知識也許相反，怎么解決沖突？怎么形成妥協(xié)？是不是還要有人類社會的等級結(jié)構(gòu)？

有了這些，阿爾法狗們就可以不依附于人類，獨立發(fā)展出知識體系。不過，還得要有文采哦！言之無文，行而不遠(yuǎn)，阿爾法狗愿意教，但貝塔狗、伽馬狗愛不愛聽呢？