资料图

　　下棋虽有胜负，但在面对整个世界时，人类和人工智能，其实站在棋盘的同一边

　　AlphaGo与李世石的一场“人机大战”最终以4∶1落下帷幕。单从战绩上看，人工智能完胜，5局战罢，AlphaGo的世界排名已升至第二位，甚至被韩国棋院赠与了名誉九段的称号。但人类真的输了吗？

　　其实并不尽然。你会因为法拉利比刘翔快，起重机比奥运冠军举得更重，就有“机器比人强”的危机感吗？AlphaGo也是如此，说到底，它依然是人类 创造出来的工具，本身并没有意识，和人类并不构成竞争关系。能够创造工具、利用工具来解决问题，本来就是人类在智能上的巨大优势。

　　人们觉得“不可思议”，只是因为围棋在计算的复杂性上远远超过其他棋类项目，也就是说，AlphaGo与李世石下棋，采取的计算方法和19年前“深 蓝”取胜卡斯帕罗夫完全不同。电脑下国际象棋，可以在某种程度上算是“暴力”穷举未来走势，但在围棋上这种方法并不适用，AlphaGo用“神经网络系 统”“蒙特卡洛树搜索”和“深度学习”来下棋，实际上就是人工智能掌握了一种从大局上判断形势优劣，并在有限的时间内尽可能找到最优解的方法，也就是说， 谷歌的工程师们正在试图让AlphaGo学习人类的思维方式，“多快好省”地作出判断。这也是为什么职业棋手对AlphaGo在局部的运算能力毫不吃惊， 但对它的“大局观”和“棋感”极其诧异的原因。

　　AlphaGo和李世石的对弈，也让人们看到了人工智能未来的“用武之地”。在这五盘棋里，AlphaGo经常会下出一些人类棋手一时搞不明白有何 意义的棋，要过很多手之后，才能意识到它的目的，AlphaGo对胜率的判断和行棋的思路，和人类棋手都有所不同。人类所掌握的围棋理论，包括种种定式的 形成，都来自于千百年无数棋局的总结和传承。但AlphaGo让人们意识到，这些基于有限计算力提炼出的规律，未必都是准确的。当计算力有了巨大提升，再 加上适当的思考方法，人工智能有可能找到新的规律，甚至打破人类现有的规律体系。这是最令人震撼的部分，我们对世界的理解，对种种问题的认识和判断，有可 能依然只是盲人摸象，借助人工智能，人们有机会提升哪怕0.01的视力，离迷宫的出口更近一些。

　　这正是以AlphaGo为代表的认知智能存在的重大意义。如果说已经商用化的，包括图像识别、语音识别、数据挖掘、精准推荐的这些输入感知智能，是 让我们的双手更灵活，可以将过去能完成的事做得更好，或者将过去能想象的事实现出来。那么认知智能就像是我们的“外脑”，能够帮助我们改善决策的方式，甚 至能以前所未有的途径解决问题。

　　不过，从AlphaGo的实战表现来看，人工智能也并不完美。比如它在逻辑上并不严密，在一些应对上的选择显然出现了错误，李世石也抓 住了这些机会，获得了一盘棋的胜利，甚至将AlphaGo逼出了“小学生耍赖”的下法。这就说明，目前的人工智能算法还远称不上完美，还有相当多需要修正 的地方。这也同样给人们提了个醒：在决策层面，我们现阶段可以向人工智能“取经”，但同时并不能完全依赖人工智能，人类的思考与人工智能的运算，应该寻求 “1+1>2”的合力。

　　AlphaGo与李世石的4∶1，是人类的胜利。这让我们看到了人类创造出的人工智能和人类本身双方在思考与判断上各自的优势，下棋虽有胜负，但在面对整个世界时，人类和人工智能，其实站在棋盘的同一边。（原文来源：经济日报 作者：陈 静）