本周，韩国九段顶尖围棋高手李世石将会在首尔四季酒店与谷歌AlphaGo人工智能（AI）系统展开五场人机对决，赛程安排将分别在：3月9日、3月10日、3月12日、3月13日和3月15日。

从目前的舆论看，大多数围棋高手都相信人类会在这场对决中战胜AI，因为AlphaGo此前的对弈表现并未达到所谓的九段水准。然而，谷歌方面则一再强调AI是具备自我学习能力的，是可以通过不断地模拟对弈，累积并成长为顶尖高手的。考虑到计算机每天至少能完成数十万局的棋局模拟，AlphaGo的成长速度绝非人类能够追赶和想象。

于是，一些人索性将李世石与AlphaGo的对决上升到了人类与AI谁将主导世界的哲学高度，认为一旦AlphaGo胜出，或暗示着AI已进入“天网”模式，将逐步接近实现对人类的控制……小编当然理解媒体喜欢制造新闻爆点的需求，但现在就谈AI的自我进化（与自我学习不同），还是太早了。至少在人类弄清楚“意识”究竟是如何在人脑中形成之前，“有思想”的AI是实现不了的。

一个没有思想的AI，在当前0和1的数字世界里仍脱离不了对已知事物的模式识别（pattern recognition，看不懂没关系，稍后解释），对于未知的理论和无法量化的东西（稍后具体说明），AI无能为力，技术上（目前）也无法做到。

（注：与过去一样，为避免用到太多枯燥难懂的术语，小编将用尽量通俗易懂的比喻来说明，不合适之处还望见谅与指出。）

当前AI的基础原理

抛开计算机的代码、算法等概念不谈，用所有人都能理解的话来解释AI的工作机理——其实就像是医生在给病人进行诊断。

具体举例来说，当一个病人出现呕吐症状，是感冒？是食物中毒？还是其他某种疾病？在没有获得更多信息之前，医生通常是无法给出结论的。医生会要求进一步得到病患者的体温、瞳孔变化，甚至是粪便化验结果等信息，才能最终根据医学资料的记载，或者以往类似病例的经验，判断造成呕吐的原因，从而对症下药。

整个根据记载和经验进行评估判断的过程，其实在AI领域里就是建立模型并进行模式识别的过程。呕吐是一个症状，即是一个模式（pattern），掌握越多越详细的模式，对比得到的结果也就会越精准。

然而，没有哪个模型敢说是涵盖了所有可能性pattern，譬如当年让国人高度紧张的SARS，就与普通流行性感冒在诸多症状上表现一致。根据一般判断，误诊为普通感冒的可能性颇高。不过当出现第一个SARS病患进入重症看护，甚至死亡后，医生便开始意识到先前的诊断并不正确，于是就要进行更深入检查，以获得更多数据——映射到AI领域，这就要求AI的算法模型能够对输出结果进行一个反馈校正，即：如果输出与预期不符，要能够根据反馈信息调整模式识别过程，重新输出结果——正所谓AI自我学习的过程。

思想、情感的不可量化

从上面的例子我们可以看到，对比模式（是否符合某种症状）的过程，其实是一种0或1的逻辑判断过程，即：符合就输出1，不符合就输出0。人类可以轻而易举将各种症状罗列，并交由AI进行学习；然而在面对“是不是吃得苦中苦，就方为人上人”这一类的哲学理论时，人类并不能简单地通过量化某些元素，而得到一个必然的结论。

同样的，过去我们一直在争论机器人能否具备人类情感。人类可以通过测量心跳、血压，甚至不同脑区的细胞活跃反应，来判断某个人在看到或听到某个事物时的情感变化，基于此，AI确实有可能模拟出人类的喜怒哀乐。

然而，两个人相处久了会产生友谊或爱情。至于为什么，至少在现阶段人类还无法科学地、系统地给出解释。既然解释不了，AI就没有任何理论基础去实现。所以小编几乎可以断言，一个模拟出来的、号称具有感情的机器人，将必然会被人类察觉到“缺了些什么”。

人类文明的进步在很大程度上也伴随着哲学思想的进步。譬如，在过去的人类社会，私刑、死刑甚至极刑在各国各地均有出现，随着文明进步，思想的觉悟，现今废除死刑成为了一个趋势。AI很难有这样的道德标准判断，至少现阶段人类没法用计算机代码去表达这些东西。仅从这个角度看，AI想要独立于人类（摆脱人类控制而发起机器人独立战争），这样的哲学理念在今天的技术水平下仍不可能实现。

科技大佬对AI看法并不统一

有人会提出，像霍金和特斯拉创始人马斯克的大牛都在反对AI，为AI未来会控制人类而表示担忧，小编提出不同看法难道想证明自己比这些人还聪明？并不是。即使都是科技界的大牛，对AI的看法也不尽统一。

譬如Facebook创始人扎克伯格就认为AI不可怕，并强调AI只是在“模式识别领域做得很好，但在常识问题（common sense）的处理上仍无法胜任”。这里的常识问题就是指人类依靠感觉做决定的事情。

即便是“反对AI”的马斯克，其掌管的特斯拉汽车如今不是正在研发自动驾驶技术吗？这难道就不是一种AI？显然，马斯克所谓的“人工智能将是人类生存最大威胁”的言论也是一定程度自相矛盾的。

AI是一个很宽泛的议题，仅分类就有弱AI、强AI和超级AI三个级别。而通常情况下，我们当前看到的AI都是弱AI，谷歌AlphaGo也只是能力特别强悍的弱AI。强AI需要具备思想，在现今技术水平下人类还做不到。即使根据对行业专家的调查看，也并不是所有AI研究者都认为强AI会于这个世纪内出现，所以看到谷歌AlphaGo就联想到机器颠覆人类，为时过早了。

谷歌AlphaGo的独到之处

正如前面提到的，谷歌AlphaGo也是一个弱AI，因此在整体架构设计上与其他AI系统（如IBM的深蓝系列）并无大的不同。当然，从细节上看，算法就是其独到之处。

根据谷歌描述，AlphaGo的“智能”主要体现在两套“神经网络”（即算法）的相互作用下。与象棋不同，围棋的可能性走法大约为10的768次方（尽管很多是不合常理的走法），因此用穷举法来推演全部可能，然后再选择最佳……显然是不现实的。于是，AlphaGo的第一个“神经”就是对常见的、合理的走法进行初步筛选，以大幅降低选择范围。之后，另一个“神经”就会对筛选后的可能进行树状搜索，但是搜索过程中会对黑棋和白旗的优劣势影响进行价值判断，以减少搜索的深度。

谷歌表示，根据两个神经网络的相互配合，AlphaGo只需要在实战中推演未来10万步就可以得到“最佳答案”，而相比之下，IBM的深蓝则需要推演未来200万步。至于人类嘛，顶级高手也无非是在一千步。

所以，考虑到下棋不需要融入感情，并且人会感到累，会因疲惫而分心，AlphaGo几乎没有输的理由——但如果不幸真的输了，不知道谷歌是否会解释为程序的Bug？（本文转自网易科技，作者卢鑫）