class="topic_img" alt=""/>
文/李开复
昨天 AlphaGo Zero 横空出世，碾压围棋界。AlphaGo Zero 完全不用人类过去的棋谱和知识，就再次打破人类认知。很多媒体问我对 AlphaGo Zero 的看法，我的观点是：一是 AI 前进的速度比想象中更快，即便是行业内的人士都被 AlphaGo Zero 跌破眼镜；二是要正视中国在人工智能学术方面和英美的差距。
一方面，AlphaGo Zero 的自主学习带来的技术革新并非适用于所有人工智能领域。围棋是一种对弈游戏，是信息透明，有明确结构，而且可用规则穷举的。对弈之外，AlphaGo Zero 的技术可能在其他领域应用，比如新材料开发，新药的化学结构探索等，但这也需要时间验证。而且语音识别、图像识别、自然语音理解、无人驾驶等领域，数据是无法穷举，也很难完全无中生有。AlphaGo Zero 的技术可以降低数据需求（比如说 WayMo 的数据模拟），但是依然需要大量的数据。
另一方面，AlphaGo Zero 里面并没有新的巨大的理论突破。它使用的 Tabula Rosa learning（白板学习，不用人类知识），是以前的围棋系统 Crazy Stone 最先使用的。AlphaGo Zero 里面最核心使用的技术 ResNet，是微软亚洲研究院的孙剑发明的。孙剑现任旷视科技 Face++ 首席科学家。
虽然如此，这篇论文的影响力也是巨大的。AlphaGo Zero 能够完美集成这些技术，本身就具有里程碑意义。DeepMind 的这一成果具有指向标意义，证明这个方向的可行性。在科研工程领域，探索前所未知的方向是困难重重的，一旦有了可行性证明，跟随者的风险就会巨幅下降。我相信从昨天开始，所有做围棋对弈的研究人员都在开始学习或复制 AlphaGo Zero。材料、医疗领域的很多研究员也开始探索。
AlphaGo Zero 的工程和算法确实非常厉害。但千万不要对此产生误解，认为人工智能是万能的，所有人工智能都可以无需人类经验从零学习，得出人工智能威胁论。AlphaGo Zero 证明了 AI 在快速发展，也验证了英美的科研能力，让我们看到在有些领域可以不用人类知识、人类数据、人类引导就做出顶级的突破。但是，AlphaGo Zero 只能在单一简单领域应用，更不具有自主思考、设定目标、创意、自我意识。即便聪明如 AlphaGo Zero，也是在人类给下目标，做好数字优化而已。这项结果并没有推进所谓“奇点”理论。
End~
相关文章
