【干货】王小川：AlphaGo的幕后与思考

我今天的题目是《AlphaGo的幕后与思考》。大家可以看道这张图显示的是人机大战中4：1的比分。我的理解是一个学术与市场营销的完美的结合。全中国人，估计95%都知道这样一场比赛，而且这场比赛也彻底颠覆了我们对技术、对人工智能的理解。

为什么这么说呢？

我先用一个词，Google背后的心机。Google在今年1月份在《自然》杂志上发表了一篇文章，讲的是跟樊麾打一场比赛，比赛前跟樊麾签了一个协议，不管结果是输是赢，不能对外透露任何细节，要严格保密的。假设谷歌没有发论文，先跟樊麾比赛，能有多大学术的高度？

对于大多数人来讲，光看论文是没有感觉的。但是谷歌的团队心思之缜密，不仅是在做研究的这群人，还把事情推到特别大的高度。另外他们为什么选樊麾？如果谷歌选一个职业选手，但是没有世界冠军头衔，我们觉得挺LOW。找一个世界冠军，挺高的头衔，但对专业选手而言，仅有二段，不算高手。

所以，在这件事上，我觉得谷歌既把眼球吸引到了，又留给大家想象和争论的空间。

比赛之前大家是什么心态呢？

比如聂卫平觉得计算机一点机会都没有，这是不可克服的问题，认为机器能够下棋是没有判断力的表现。甚至还有中国队的围棋总教练俞斌，他是在围棋界里面计算机学得最好的，在80年代自己写下围棋的计算机程序，得到很多认可。他认为机器是一点机会没有的，因为我认为计算机有它不可克服的问题，人和电脑相比，根本没有胜负，100%是人赢。

我想在这里面能够看到人性当中脆弱的一面，每个人都有，每个人生病的时候都有自己的压迫，别人说你特蠢，东西做得烂，大家都不开心。每个人都有自尊心。这件事一定会把一部分人放在历史舞台的对立面。围棋选手今天很不幸，在下棋上有这样的问题。

计算机的问题怎么讲？

比如李开复讲认为AlphaGo比较悬，但是未来能赢，IT界的人不会说机器干不过人，否则存在感就没有了。但是通常都认为机器没有这么快，以后会赢得。在这个比赛中，大多数搞技术的人都没有感觉到这个事情发生的速度。

2月份的样子，我在知乎上发帖，说这次AlphaGo会完胜。因为它满足了张钹院士讲的三个条件：

第一、提出了问题。人工智能在下棋上是一个重大的事，好多人没有想这个方向。

第二、我看到它会赢。

第三、我知道为什么会赢。

我认真地读了论文，找了下围棋的人请教，斗胆发了这样一篇文章，是有勇气的，最后也被验证成功了。理想跟现实之间差别是很大的，对于这样一个技术趋势里面，我觉得我是有判断的，但是市场股价没办法思考。

比赛前到比赛后就是七八天时间，给AlphaGo取了一个新的名字，叫“阿老师”，我们特别希望中国有人做出这样的阿老师，把它当老师看。

在比赛前、比赛后，我们对机器的理解里面产生了巨大的变化，我们开始接受它，把它拟人化，而且比分很巧妙，4：1，如果赢五局可能就不好了，不是围棋选手被灭了，是人类被灭的感觉。

印刷术建立之后，我们开始探讨人和人之间的关系。就像文艺复兴是从封建社会到资本主义社的分水岭。咱们中国现在还没经历这个运动，所以有一点点问题。

AlphaGo之后，带来我们重新的思考，就是机器和人的关系。有专家会讲机器还不行，有人讲机器以后会颠覆人类。

我们以前认为机器就是机器，拔电源就行了。诊断报告是机器给做的，说你这个人有什么问题，看片子还得找专家。但是在今天，照完片子之后，机器的诊断效果可能比人更准。我有一个医学朋友，做CT看片子的，他说大多数医生看片子的准确率是40%，他现在到70%，已经高很多了。

我们今天接受机器的很多判断。这是我们的心理上一个巨大的变化，我把它称为“第二次人类自己的运动”。

关于人工智能，打击都有很多想法。做产品的时候，就是想机器怎么能在里面做决策、识别。决策就分了三个层次。

第一层，将传统方法交给机器。

第二层，将答案交给机器记忆学习。

第三层，将目标给机器自我学习。

这是我自己的理解，也跟AlphaGo脉络一致。最早的专家系统是第一个，我们把规则交给机器，把计算机世界变成一个逻辑，告诉机器，这是原来的阶段。

这个阶段里的重大的问题就是我们没法去教机器，不知道怎么描述的时候，机器就不灵了，而且教出来的徒弟永远是比人弱的，这是不够的地方。甚至在做一些学习系统中，我们也要尝试告诉机器怎么去描绘一个实物，比如说做人脸模型。王小川长成这样，大家都认识，但是要描述出来，比如说脸很圆，这个事情也比较不靠谱。因此我们发现我们没法告诉机器。

有了深度学习的方法，我们解决了一个问题，就是只告诉机器答案，给的数据越原始越好，这会使得程序员、工程师更容易应对专业的问题。因为它可以减少自己的专业背景，不用讲说我要去懂人，或者像医生一样懂得片子怎么看，是拿数据训练的。

在这样一个深度学习或者是人工智能发展过程中，深度学习本身带来了好处，技术人员更容易进入到专业领域破解题目，这是技术本身。

对公司而言，公司的领头人一定是对行业理解比较深刻，很懂行业应用，这是我们讲的第二个侧面。不用给机器方法，只给答案，机器自己找方法。

AlphaGo代表一个趋势，既不给规则，也不给答案，把自己变成一个判断者，就像下围棋一样。围棋之前训练的时候，前三盘棋是把人之前的走棋方法告诉机器，机器跟人处于类似的状态。之后机器人自己下，不知道哪个棋好不好，下完之后，人告诉机器这个结果好不好。人工智能又得到一个新的法门，答案都不需要知道，变得更加省事。

 最近有一个消息应该是比较靠谱的，AlphaGo在今年内会跟柯洁打一场比赛，我跑去看了很多评论，以前是一边倒觉得人会赢，今天一边倒觉得机器会赢。

我有一个猜想，我认为这一次跟柯洁比赛的AlphaGo是没有经过那三千万盘棋学习的，因为之前是从KGS里面拿了人六段到九段的走棋，让机器学习，这是跟李世石打比赛用到的。

但是跟柯洁的比赛我认为是新的，两个从来没有学习过的机器，然后告诉你赢了、你输了，什么都不会的机器训练一个下棋的规则来。以前的机器是仿人的，我们判断机器走棋走得好不好都是经验去判断。

下棋的时候，头两局机器赢了，人输了，媒体的报道是中盘逆转。为什么叫中盘逆转？因为前一半里专家的态度是机器走得特别臭，走到一半的时候，机器越到中局的时候越好了。这个时候就觉得机器是翻转局面了。

后来数据统计说，在他们的视野里面，机器一直是领先的，只是以人的眼光觉得机器走得很差，以机器的眼光，它走得挺好的。所以我们对机器的理解是有限的。比如慕容复中原的武功学会，然后再去修炼，突然来一个西域的，或者没有跟中国比赛过的，没有学过围棋打法的，我们会遇到这样的问题。是否用这个程序参加比赛是我的猜想但是Google尝试不用人训练机器，我蛮佩服的。

哪些职业会被取代，倒过来讲就是哪些行业是创业的机会？

在下围棋的程序中，如果把程序突然间跟AlphGo说，对不起，我们改点规则，把棋盘放成21×21，放大两个，机器肯定就不会下棋了，但是李世石一定会下。所以机器能做的事情是非常有限的。

如果说题目非常清晰，就像下围棋一样，输入的信息就局限在有限的输入，有规则清晰的输出，在这种情况里，机器会把人取代。

任务的确定性高，输入的信息封闭有边界，输出答案是标准可评价的。像医生、司机、股票的高频交易，输入的信息有限的行业里，机器学习是有很大机会的。一些创造性的行业，像画家、作家、科研等等，思考的问题没有边界，对机器而言，完全找不到机会努力。

技术人员让机器更加聪明，提高机器效率，能够看到更广阔的前景。做搜索的公司，做人工智能好像更有优势，为什么？因为有很多的数据，像芮勇讲的要做数据的时候，搜索摩托车，找图片，没找到就不会点击了，用户的点击都会反过来给图片做标签。更多的是搜索引擎本身就在做初步的人工智能。输入一个关键词，随后给出十条答案。所以，人工智能就是底层的基本理念。

 今天我们看到Google往前走的时候，开始提更多的理念，从移动时代走向人工智能的时代。乔布斯也曾说机器能够在未来学会回答问题，或者接受指令去做事。当然，包括Google、亚马逊，都开始让人跟机器以自然语言做沟通，机器服从于人，回答问题，或者帮你做一些控制命令。这是整个大的背景。今天我们提互联网，一方面是文化创意产业，一方面是机器学习。有了数据以后，怎么选择这个连接，做判断就变得更关键。

我的演讲就到这里，谢谢。

原文发布时间为：2017-03-04

本文来自云栖社区合作伙伴“数据派THU”，了解相关信息可以关注“数据派THU”微信公众号