一、AlphaGo其實只是弱人工智能

AlphaGo的技術細節在今年《自然》雜志上詳細公布過，我們細細研究一下，就會發現AlphaGo的原理其實非常簡單。

AlphaGo利用深度學習學習人類棋譜，模擬人類來選擇幾個優勢點，然后通過蒙特卡羅樹搜索，窮舉計算這幾個點勝率，從中優選。本質上來說，它還是搜索求解，而且是在非常固定的規則與模式下進行。

它所用到的GPU通用計算，分布式計算人工智能，深度學習，神經網絡，蒙特卡羅樹搜索都不是新技術。只是把這些技術用到圍棋上并投入大量資源是首次。

按照人工智能的分類，AlphaGo還屬于弱人工智能Artificial Narrow Intelligence (ANI)。

弱人工智能是只能擅長于單個方面的人工智能，規則是封閉的。AlphaGo的判斷可以用于圍棋，達到很高的水平，它要下象棋也能達到很高的水平，但是就要從頭再搞一套象棋的軟硬件，它在圍棋的深度學習無法通用于其他領域。

按照人工智能的分類，還有強人工智能Artificial General Intelligence (AGI)

強人工智能是指在各方面都能和人類比肩的人工智能，人類能做的腦力活動它都能做。它沒有既定規則和領域，是開放式的。

我們現在看到的各種幻想其實是強人工智能超越人類的高級階段，AlphaGo作為弱人工智能，層次還相去甚遠。

二、強人工智能是什么樣子?

AlphaGo在圍棋很強大，但是圍棋是一個固定規則，有明確輸贏判斷的游戲，圍棋棋盤不會扔進一個象棋棋子。而強人工智能要面對的是真實的世界，它所面對的規則是開放式的。

我們看一下李彥宏演示百度強人工智能的例子。

在百度大會上，李彥宏展示了度秘的多輪對話的人工智能。李彥宏詢問度秘度身份，問它來自哪，能做什么，最后還讓度秘訂了兩杯咖啡。

在這一組多輪對話中，李彥宏的問話是隨機的，可能說各種問題，沒有既定的規則。而度秘的人工智能首先要采集李彥宏的語音，然后把李彥宏的語音拆分成詞，識別詞意，然后識別李彥宏的語意，通過人工智能作出回答，最后把回答組織成句子，用語音說出來。

李彥宏的話是開放式的，而且有前言后語，針對這種環境的就是強人工智能。看起來這組對話只是小朋友的智力水平，而實際難度遠遠高于AlphaGo結合深度學習與蒙特卡羅樹搜索的弱人工智能。

百度很熱衷于展示自己在強人工智能上的成績，在2015年聯想大會上，李彥宏還演示過一次識圖對話。

李彥宏打開一張費德勒穿藍色T恤打網球的圖，問AI。

“他在做什么?”“他的衣服是什么顏色的?”“他手里拿著什么?”而AI像人類一樣應答無誤。

這組對話除了前面例子中開放語言的強人工智能，還有一組圖片識別的強人工智能，強人工智能不知道自己看的是什么圖片，但是它經過深度學習看過千億張圖片學習后，可以認出顏色，物體，動作。

這個看似小孩能完成的舉動，難度也遠超AlphaGo。圖片沒有既定規則，開放中學習尋找規律人工智能，遠不是深度學習與樹搜索能解決的問題。

其實，谷歌也在研發強人工智能，它和百度一樣去參加國際評測FDDB與LFW(成績還輸給了百度)。谷歌知道AlphaGo看似酷炫，但是只是可以作作大廣告，而人類真正的未在在強人工智能這個方向。

三、AlphaGo距離顛覆人類非常遙遠

科學與常識往往是違背的，AlphaGo贏了圍棋看似開啟了新時代，但是其真實意義類更似于計算器贏了人類口算，是單一領域的智能超越人類。只是圍棋的難度遠高于象棋，從1997年的深藍到2016年到AlphaGo，人類因為更大的棋盤等了接近20年。

而AlphaGo放到人工智能科學到角度看，只是計算能力很強的弱雞，其高度遠不如百度達到3、4歲小孩智力的強人工智能。

弱人工智能只能在一些領域幫助人類，而當強人工智能未來發展到成人水平，人類當所有勞動就有可能被完全替代。那個時候人類就可以享受而不用辛勞了。

而當強人工智能完全超過人類以后，人類才需要擔心機器會不會背叛人類的問題，那還是非常非常遙遠的事情。

所以，AlphaGo只是強大的弱雞，我們無須過于擔心。