人机大战第二局复盘：一个成功的AI，无需模仿人类思维下棋

北京时间3月10日16时30分，苦战四个半小时后，人工智能应用AlphaGo执黑211手中盘击败李世石，取得2-0领先。

如果说AlphaGo昨天还略显“紧张”，有点被动地去应对李世石，那么今天午后的AlphaGo就显得有些灵活飘逸，或许昨晚复盘了十万次（当然是玩笑），抑或是连夜得到名师指点（当然也是玩笑），总之在今天的这盘棋里，AlphaGo积极主动，与之相对应，李世石明显增加了思考落子的时间，在布局阶段就比AlphaGo多用了将近20分钟时间。

比如在布局进行到53分钟左右的时候，AlphaGo下出一手令人意想不到的棋，现场的两个美国解说员也说这是“unexpecting move”——完全没想到AlphaGo会这样下，而李世石看到这手棋，起身出去一趟，回来又喝了口咖啡。

AlphaGo黑37尖冲

类似这样的落子方式还很多，可以说AlphaGo今天的几招棋令人类围棋大师吃惊不已，这也引出一个颇为有趣但又值得再次去思考的命题：机器与人类的思维方式到底有哪些不同呢？AlphaGo真的在模仿人脑下围棋吗？

机器模仿大脑是条不归路

阿兰·图灵1936年发表的《论数字计算在决断难题中的应用》奠定了人工智能和计算科学的基石，在这篇文章里面，图灵将人作为计算模型的模拟对象和灵感来源。通过将人用铅笔进行数字演算的过程进行进一步抽象和符号化，图灵研发出了世界上第一台利用穿孔纸带完成自动计算的机器。

在图灵的传记电影《模仿游戏》的最后，导演借助探长的审讯，让图灵回答一个直到现在无解的难题：人与机器之间的区别到底是什么？图灵这样答道：“二者最本质的区别是，人是有不同想法的，机器则不是。你爱草莓，我讨厌滑冰，你喜欢看书，我对花粉过敏……”

电影《模仿游戏》剧照

真实历史到底如何我们无从知晓，但图灵之后50多年，人类开始探寻到底构建一台怎样的机器以及如何构建它。2016年1月去世的马文·明斯基在1985年出版的一本开创性哲学著作《心智社会》（The Society of Mind）中，提出了一项基本假设：人类与机器之间并没有真正的区别。人类实际上是一种机器，他们的大脑由许多半自治但很愚蠢的“代理”组成，而“不同的任务需要完全不同的机制”。

明斯基的这一观点同样也是一大批人工智能从业者努力的方向：既然人类就是个机器，那么同样可以制造出与人类类似的机器。曾与明斯基并肩作战、“人工智能之父”约翰·麦卡锡在整个职业生涯中都在希望通过正规的数学逻辑方法来模拟人的头脑。

为了能够复制类人的思维，这些人提出了各种各样的项目和研究，其中大部分都是通过硬件和软件对新技术揭示出的人脑结构和功能进行模拟。其中瑞士洛桑联邦理工学院（EPFL）大脑与心智研究所的“蓝脑”（Blue Brain）计划拥有较高的知名度；该计划起始于2005年，并计划在2023年之前搭建出一个基本等同于人脑模式的工作模型。

任何大脑模拟器都面临着两个主要问题。首先人脑其实是非常复杂的，拥有大约1000亿个神经元和1000万亿突触连接。这些连接都不是数字连接，它们依赖于具有互相关联的时序的电化学信号和模拟组件；其中的分子和生物学机制我们才刚刚开始懂点皮毛。

即使简单一点的大脑都依然神秘难解。蓝脑计划最近取得的具有里程牌意义的进展是2015年初时，研究人员成功在一只小鼠大脑中的一个包含了30000个神经元的区域复制了活的啮齿动物大脑中的信号。对哺乳动物来说，30000个神经元只是大脑的一点皮毛。而随着神经元数量和突触连接的增加，模拟的复杂程度也将指数式增加——以至于没法使用现有的技术手段进行处理。

这又引出了大脑模拟需要面临的另一个问题：目前还没有任何一个完备的理论能解释“思维”到底是什么。

而另一个值得思考的问题便是：“难道做一个成功的飞行器，一定要模拟鸟的飞行方式吗？”（周志华语）

某种意义上说，定义“思维”可算是人工智能技术最底层的问题，同时也是最难的问题之一。而接下来，留给人类的一个命题是：制造越来越强大的计算机、软件和机器人的目的是以人类用户为核心进行设计，还是替代人类。

让机器的事情归机器

很多人都知道所谓“人工智能寒冬”，随着研究资金的减少，一大批人工智能从业者逐步远离这个行业。其中便有一个名叫特里·威诺格拉德，他也曾作为MIT人工智能实验室的一员，一门心思要制造与人类思维匹配的智能。然而威诺格拉德看到所谓人工智能在各个领域的溃败，同时又受到加州大学伯克利分校教授塞尔斯“中文房间”理念的启发，最终退出这个领域。

中文房间示意

如果你对威诺格拉德不熟悉，那么他的一个学生你一定不会陌生。1998年，威诺格拉德和他的学生（拉里·佩奇，对，就是谷歌的创始人之一）以及谢尔盖·布林（谷歌另一位创始人）及其导师拉杰夫·莫特瓦尼一起发布了一篇论文《你能用自己口袋里的论文做什么？》，从而提出了谷歌搜索的产品原型。同年，佩奇和布林从斯坦福大学毕业，创立谷歌，通过改善人类信息组织和发现的方式，创造一种可以为人类服务的智能方式。

在其另一部著作《情感机器》中，明斯基则有力地论证了：情感、直觉和情绪并不是与众不同的东西，而只是一种人类特有的思维方式。也同时揭示了为什么人类思维有时需要理性推理，而有时又会转向情感的奥秘。他列举了人类的19种思维方式，以下列举其中的几项：

知道解决方式：解决问题的最好方式就是已知问题的一个解决方法。然而，我们可能检索不到这些知识，通常情况下，我们甚至不知道自己是否已经掌握了它。

类比推理。当某个问题使你想起曾经解决的其他问题时，如果你有好的方法来说明过去和现在的问题最大的相似性是什么，那么你就可能将过去成功的案例应用到现在的情况上。

简化法。通常来说，对于复杂问题，好的解决方法应该首先解决忽略问题某些特性的简化版问题。然后，任何一个此类解决方案都可以作为解决原问题的一系列垫脚石。

理想化思维法。幻想你拥有无限的时间以及想要得到的所有资源。如果你仍想象不到这个问题的解决之法，那么就该重新描述这个问题。

如果说明斯基的《心智社会》是人工智能前期研究的映射，那么《情感机器》则展现出下一轮人工智能发展的蓝图，这其中最本质的区别就是：让机器的事儿归机器负责，人类的事儿则由人类完成。

IBM Watson超级计算机可以说是目前最引人瞩目的人工智能成功应用的典范，其在美国电视游戏节目Jeopardy上的优异表现让人叹为观止。它通过自然语言处理和大量专家处理过程的结合，尝试不同的策略将内部知识数据库和潜在的答案进行匹配；然后再对其内部专家过程的置信度进行检测，如果置信度足够高，那么Watson就会选择回答这一问题。

Watson的第一个真正严肃的应用是作为癌症医学辅助诊断手段。从2011年开始，Watson就一直在协助肿瘤科医生，它能够对病人的病历进行深入的分析，并且还能将该病历和存储的其它来源的相关病历、临床专业知识和学术研究进行比对和筛选；这使得Watson甚至能够自行推导出连医生自己也未曾考虑过的治疗方案，这些工作长期以来都是人类无法完全掌握的工作，而在机器面前，却非常简单。

再来看看谷歌，6亿美元卖下DeepMind之后，谷歌正计划将不同的技术结合起来，比如将神经网络和增强学习技术结合起来：让机器生成随机输入，直到其满足预设的条件。也是在这样的背景下，DeepMind的人工智能才能玩转游戏，并且打败欧洲围棋冠军，并最终站在世界冠军李世石面前，挑战所谓人类最后的“优越感”。

佩奇“恩师”威诺格拉德曾坦言：“人类智能没什么高深莫测的。从理论上讲，如果你发现了大脑工作的方式，就可以人为建造出一个具备一定功能的智能机器，但你建造不出具备符号逻辑和计算能力的机器。”这一理念不仅塑造了谷歌，也影响了一大批人工智能新一代研究者。两个颇具对比性的事实：上世纪50年代，致力于开发机器智能的麦卡锡曾直言发明鼠标的恩格尔巴特在浪费经费，而到了2014年，当欧盟决定赞助瑞士研究者亨利·马克拉姆（Henry Markram）超过10亿美元，以超级计算机模拟人脑时，新一代人工智能研究大脑、深度学习三巨头之一的Geoffrey Hinton断定这一项目必定失败。

当我们了解到AlphaGo如此“坎坷”的前世之后，或许会对这个无形的AlphaGo少了些许的恐惧。也正如DeepMind祖国——英国前首相丘吉尔所言：“我们塑造了建筑，后来，这些建筑又塑造了我们。”人类创造了AlphaGo，而AlphaGo又适应了李世石快速应变的棋风，又有谁知道李世石不是在被AlphaGo所塑造呢？

本文由澎湃新闻经授权转载自“机器之心”（微信订阅号：almosthuman2014）。“机器之心”是Comet Labs旗下的前沿科技媒体。