□本报记者 郭宏

　谷歌超级人工智能系统AlphaGo在与顶尖围棋高手李世石的较量中取得胜利，是人工智能发展史上重要的里程碑，显示出人工智能在复杂的博弈游戏中开始挑战最高级别的人类选手。“深度学习”将为人工智能打开一扇新的大门。

　围棋是一种古老的游戏，行棋规则简单，千变万化中却蕴涵无尽玄机。以最基本的“定式”为例，定式的选择只有在合适的场合配合下才能发挥功效，绝非机械记忆即可，必须了解其内涵，掌握各种变化下的应对，否则，可能非但无利，反而有害。

　围棋的特殊性并不在于变量的数量级变化，而在于选择的“不确定”性。与其他游戏不同，围棋博弈时，最优选择很难用数学语言“定量”精确表达，顶尖高手之间对“下一手”的看法不能达成一致基本是常态。这并不是因为棋手之间的能力差异所导致。事实上，选择不同的“下一手”很多时候的确没有好坏之分，只是形成不同的路线，胜负取决于棋手后续的综合功力。因此，对于高手来说，计算能力很重要，但博弈时更讲究的是“棋感”。所谓实与势要均衡，“高者谋势，低者谋实”。

　电脑游戏更新换代非常快，一个重要的原因就是玩这些游戏的“解决方案”通常都是确定的。一个游戏被玩熟之后，对于后续进程通常都在预期之中，其魅力当然很快就会消失。

　由于围棋博弈缺乏“定量”解决方案，因此仅依靠海量存储数据棋谱，进行搜索比对加以分析判断，难以找到最佳的“下一手”，要让机器取得胜利的唯一办法只能是掌握“学习”能力。为此，AlphaGo通过神经网络引入了“直觉”。直觉让棋手成为高手，但却不是传统数字世界所使用的规则。此次AlphaGo连续击败李世石，表明人工智能通过“学习”，在“势”和“实”这些“虚”的领域达到了令人震惊的高度。

　人工智能主要可分为类人的人工智能和非类人的人工智能。类人人工智能的思考和推理就像人的思维，可以通过实践和学习获得知识和能力；非类人人工智能主要通过感知、知觉等专业技能执行特定任务，解决问题的重要途径是将所有可能构建成搜索树，通过比对、决策寻找最优方案，对于这类人工智能来说，背后的数据库越强大，它的“水”就越深，但能力也基本在预期范围之内。

　谷歌AlphaGo将高级搜索树与深度神经网络结合在一起，背后的数据库理论上只是用来学习的素材，不再单纯比拼记忆和计算，而是通过实践和学习获得知识和能力。就像AlphaGo开发者戴维所称：“AlphaGo是我们创造的，但并不知道‘他’是怎么想的。”九段棋手古力则感叹，AlphaGo团队并没有围棋高手，却打造出棋力水平如此高的系统。“深度学习”能力获得重大突破，意味着人工智能将不断进化，向更远更高的境界迈进。这就是“深度学习”的魅力。

　专业围棋选手的反应值得关注。本次“人机大赛”前，专业棋手大多看好李世石，国内等级目前排名第一的柯洁甚至预测李世石5：0取胜。棋圣聂卫平则认为，电脑击败专业棋手是“忽悠”，欧洲冠军樊麾被AlphaGo击败是耻辱。李世石两度失败后，还有九段棋手质疑比赛过程有猫腻，不愿意接受这个事实。这个群体对围棋有着更深刻的理解，只是没有认识到人工智能所达到的高度。

　人工智能在经济决策、控制系统和仿真系统等领域目前已得到越来越广泛的应用，但主要还是集中在非类人人工智能领域。AlphaGo此次选择围棋只是测试其能力，未来谷歌希望打造一个通用智能系统，用于灾害预测、风险控制、医疗健康和机器人等复杂领域。

　目前来看，AlphaGo还有不少需要完善的地方，是否能跨越围棋领域尚未得知。从盘面上看，其局部战斗表现出色，但招式过于强硬，在最讲究“棋感”的布局阶段还存有一定缺陷。在对弈前半盘，李世石前两局棋都有不少机会。欧洲冠军樊麾曾采用复杂的大雪崩定式开局，也一度占到不少便宜。

　此外，AlphaGo也许能够促使我们对围棋的重新理解。AlphaGo的很多“非人类招式”一度受到专业人士揶揄，但事后却发现取得了很好的效果。事实上，人们对围棋的认识一直在改变。李世石崭露头角时，其韩式力战型棋风并不被认可，很多“无理手”甚至“恶手”在讲究“棋理”的人士眼中是不可接受的。但这种风格现在成为了主流。