请不要将Alpha Go胜出联系到机械生命，谢谢！

Alpha Go人工智能系统与世界围棋冠军李世石的“世纪对决”第一幕结束，李世石输了第一局。在这场比赛开始之前，我就在朋友圈说，机器胜出，毫无悬念。我坚信，Alpha Go将会胜出余下四局。

为什么我对Alpha Go如此乐观？

一个简单却错误的逻辑是，如果Google对于这场比赛没有胜算，就不会煞费苦心来运作这个事情。如果机器输了，这个“世纪大战”就没有什么标志性意义。相反，如果机器赢了，不禁会奠定Google在人工智能领域老大的地位，还有望掀起新一轮人工智能投资研发热潮——用AI来赢得棋局并不是目的，用AI来改变人类生活和提高生产效率才是其价值所在。

不过，“Google希望Alpha Go赢，它就会赢”，显然是错误的逻辑。我坚信Alpha Go会胜出在于，这本质是一场关于计算能力的较量，在这一点上计算机早已胜出人类，而Alpha Go则是通过算法实现并且通过赢得世界冠军来证明了这一点：机器计算能力比人类更强大，并且它有了一定程度的自动学习算法。但是，在Alpha Go之前，这一点就已经发生了。

不论是深度学习实验室的“识别猫”实验，还是Siri对五花八门方言的识别和响应，以及无人驾驶汽车能够快速识别环境并随机应变，其背后均指向了同一个技术：人工智能技术。以深度学习为核心的算法，以云计算为基础的计算能力，让人工智能在这些年飞速发展。上个世纪的1997年IBM深蓝战胜国际象棋冠军具有0-1的意义：机器会计算了；今天Alpha Go战胜围棋冠军的意义在于，机器计算能力强大了不少，大概是从1-100了。

（1997年IBM深蓝与国际象棋冠军大战）

事实就是这样：对于计算机来说，与人类下围棋和象棋并无本质不同。人类的落子是输入，机器的落子就是输出，这个中间经过机器的算法和计算，这就是计算机的本质。Alpha Go与深蓝最大区别就在于算法的不同和计算能力的巨大进步。在算法方面，Alpha Go用“价值网络”去计算局面，用“策略网络”去选择下子；在计算能力上，围棋的要求更高，普林斯顿大学算出围棋的计算规模是361阶乘，大概171位数。

对于我的这一观点，有人说“你错了，围棋更加玄妙，充满了巨大不确定性，象棋有精确答案，而围棋没有标准答案”，还有人说“涉及到拓扑学的意思是已经不能仅仅使用一维的算力和权重来计算了，需要引入二维的形状和网络作为计算策略。”，更有人说，“下围棋需要揣摩对方心里，要敢赌”…

so what？对于机器而言，对于它来说，这些其实都指向一点：围棋的算法和计算能力有所变化，更准且地说是，算法对计算能力要求更高了。计算机负责计算，在人类的算法（围棋算法）指导下计算，本质就是这样。

正是因为此，我非常反感将Alpha Go的胜利上升到“机器拥有生命”“机器统治世界”这类危言耸听的说法。如果对此大惊小怪，只能说过去对人工智能、深度学习和大数据的关注太少了。

当然，我并没有否定Alpha Go战胜人类的意义，计算本身就是一门科学，如果计算能够取得1-100的进展，自然具有重要的里程碑意义。计算早已取得这样的进展，计算机可以快速计算海量数据去做预测，计算机拥有比人类更强大的图像识别能力…计算机的计算能力究竟有多强大？Alpha Go通过战胜围棋冠军来回答了这个问题。

从计算器到计算机，看上去计算的本质没变，但却是量变引发质变。Alpha Go的胜利，同样有这样的效应。除了证明了计算机已壮大数倍的计算能力之外，它还证明了机器学习这些算法科学的进步。

那么，我们一直期待有所突破的人工智能是什么？它具备自我学习的能力之外，还必须具备“先天习得”的能力。Alpha Go通过不断练习去优化器算法，并将这些练习记录存储下来用于比赛时的决策，这可算作是一种“学习能力”，但这需要人类监督。反观一个动物，在没有任何外因帮助下都会有先天习得能力，现在计算机并没有这样的能力，需要外部监督、人类指导。这就是有无生命的本质区别。除此之外，如何分辨善恶，如何拥有情绪，如何拥有理想，如何自我实现，都是计算机眼下尚未涉足的领域。

因此，Alpha Go胜出世界冠军，并不代表机器从此就有生命了，更不能说明机器要统治世界了，它们距离这个还很遥远——纵使有机器人伤害人类的新闻，但那不过是人类的错误所导致的。至少短期内，Alpha Go是不大适合去陪领导人打桥牌，但聂卫平可以，这就是差距所在。

对于Google而言，这是一次华丽的市场活动：它将奠定其在人工智能工业化、计算科学中的地位，IBM为代表的单机PC计算时代正式落幕，以人工智能算法和云端计算为核心的新计算时代已然来临——不过，这一切与机械生命之类的，还没啥关系。