人机大战第二季，伴随着各种报导和专家解读，使得普通民众也可以了解人工智能领域的最新进展。
与这次舆论几乎一边倒地看好机器胜出不同，在第一季开战之前，对胜负预测分为两大阵营——专业棋手认为人工智能专家低估了围棋的复杂程度，人工智能专家则认为专业棋手低估了技术进步的速度。作为一个实力还算不错的业余棋手和人工智能的门外汉，我当然是站在专业棋手这一边，现在的结果么，大家都知道了。

阿尔法狗与过去的人工智能有何不同？打个比方，要在一个盆地中找到海拔最低的那个点，一种方法是把这个盆地里所有的点都扫描一遍，标出每个点的海拔，然后把最低的那个点找出来。这就是穷举法，很机械、很暴力，当遇到围棋这种变化繁复难以穷举的游戏时，暴力穷举法就傻眼了。
另外一种方法是，把一个小球随机扔到这个盆地中的某个位置，看它往哪条路径滚，滚到某个位置停下不动了，那个点就是相对海拔最低的。当地形复杂时，小球当然有可能卡在半山腰，不过我们可以多扔几个小球出去，不可能每次都那么倒霉扔在山顶，并且被卡在半山腰。从理论上来说，扔的小球越多，找到最低点的概率就越大。这个方法的计算量就比暴力穷举法小多了。
那么，这就是“智能”吗？这个问题关系到人脑是怎样工作的，意识是什么等等一大堆问题。然而还有一个问题：机器找到的这条通往最低点的路径只适用于一个盆地，换一个新的环境，机器又要重新计算一遍。
比如说把围棋棋盘从19*19扩大到21*21，其他规则不变，阿尔法狗就需要从头计算，进行大量的自我对局，重新寻找获胜途径。对于人类选手来说则没有太大影响，把过去的经验稍微变通一下就能适应。这在人工智能领域叫做“迁移学习”。
人工智能的飞速发展已经远超我们的想象，如果能在迁移学习领域再度取得突破，那将意味着机器也会触类旁通，举一反三。从游戏中总结出来的经验也可以用于探索宇宙奥秘，独立地创立类似万有引力、相对论这样的物理理论。那会是一个激动人心的时刻，就像霍金在《时间简史》结尾中说的：“如果我们对此找到了答案，那将是人类理性的终极胜利——因为那时候我们知道了上帝的精神。”

包不同
2017.5.23

附旧文：电脑与人脑的区别

今年日本棋院、日本电气通信大学联合举办了首届电圣战，进行人类棋士与电脑软件的正式对局。有电子计算机之称的石田芳夫九段在对电脑软件crazystone和zen的让4子局中，一胜一负。赛后，石田芳夫评价道：“现在围棋软件大约跟业余六段水平相当。软件胜在冷静，相当天才啊。”但是，从业余高段的水平到职业高段，软件开发还有很长的路要走。
众所周知，国际象棋、中国象棋的电脑软件已经可以与最强人脑相抗衡，相比之下，围棋软件的战绩是相当的不堪。究其原因，并不是围棋棋手的大脑有多发达或围棋软件的芯片有多孱弱，而在于这几种棋类的复杂程度不同。
我们来做一个简单的计算，下完一盘国际象棋或中国象棋大约要几十步，而下一盘围棋通常要几百步棋。我们把每一步棋变化的范围缩小到3种可能性，那么象棋的变化就有3的几十次方那么多，而围棋的变化是3的几百次方……
所以，与围棋比起来，象棋的变化还是太少，不能把人脑的能力全部发挥出来，而越是简单、变化越少的游戏，电脑的处理效率越是比人脑有优势。即便有朝一日，电脑的计算能力更加强大，能够穷尽围棋中所有的变化，如果我们能发明一种新的游戏，变化是3的几千次方那么多的话，我相信电脑依然不是人脑的对手。
那么，面对天文数字一般的繁杂变化，人脑是如何处理的呢？我举一个简单的例子：围棋术语中有“厚”“薄”之说，指棋的形状。厚了会如何，薄了会怎样，这里面所包含的人类知觉信息，可以说几乎也是无穷的。而这样的感觉和理解方式，电脑永远不可能通过逻辑运算的方式掌握。
正如20世纪最著名的哲学家维特根斯坦所说：“归纳过程的实质在于，我们承认能够同我们的经验协调的最简单的规律为真。但是这种过程只有心理的依据而没有逻辑的依据。”（《逻辑哲学论》6.363~6.3631）奇妙的是，人类这种理解世界的方式居然是相当有效的，难怪爱因斯坦要感叹：“我最不能理解的是，这个世界竟然是可以理解的。”

包不同
2013.8.9