继去年AlphaGo以4:1的成绩战胜李世石之后，最近一周在线上横扫围棋棋坛、四处挑战围棋高手并取得60连胜的神秘棋手Master终于揭开面纱，正式新版的AlphaGo，对人工智能的恐慌又弥漫社交网络。
 

       虽然AlphaGo的算法设计非常精妙，它仍然基于对大数据的暴力统计运算，这和人类智能的运作过程完全是两回事。

       “思维是人类不朽灵魂的一种机能，因此任何动物和机器都不能思维。”

       “机器思维的后果太可怕了，我们希望并且相信机器做不到这一点。”

       “哥德尔定理表明，任何形式系统都是不完备的，它总会面临自身不能判定的问题，因此机器难以超越人心。”

       “机器没有现象意识体验，它没有思想也没有感情。”

       “机器没有像人一样丰富多彩的能力。”

       “机器无法创造出什么新的东西。它所能做的都是那些我们知道怎样命令它去执行的事情。”

       “神经系统不是离散状态的机器，机器不能模拟它。”

       “要将所有指导行为的常识形式化是不可能的。”

       “人有心灵感应的能力，而机器没有。”

       这些对人工智能（artificial intelligence，以下简称AI）的反对意见，是AI先驱阿兰•图灵在他的著名论文《计算机器与智能》（1950年）中最早罗列的。从AI诞生之日起，对它的各种质疑和批判，就一刻也没有停止过。

       然而，继Alphago去年三月战胜李世石，最近又化身Master扫荡中日韩顶尖高手之后，这些观点似乎已经销声匿迹了。如果我们了解Alphago是如何运作的，将会发现它仍然共享了所有AI所面临的哲学难题。

       一、人工智能为何不智能？

       图灵所列举的那些批判，有很多在后来都发展成了更为精细的论证。

       1、框架问题是困扰AI最严重的问题之一，至今仍然未得到有效的解决。

       AI最初的范式是符号主义，基于符号逻辑来对世界进行表征。框架问题就是内在于AI的表征过程的一个难题。

       当一个机器人作用于外部世界的时候，世界中的某些事物就可能会发生变化，机器人就需要对内部的表征做出更新。但什么事物会变化，什么事物不会变化，机器人本身却并不知道，这就需要设定一个框架来规定变化的相关项。

       但这个框架一方面本身就过于繁冗，另一方面又依赖于具体情境从而更加繁冗，最终会远远超出计算机的负荷。这就是所谓的框架问题。

       2、AI的另一个难题就是中文屋论证以及由此衍生出来的符号奠基问题。

       数字计算机只是根据物理和句法规则来进行符号串的加工处理，却完全不理解这些符号的意义。即便计算机表现出了和人类相似的智能行为，但计算机的工作归根结底是对符号的处理，但这些符号的意义也并不是计算机所能理解或自主生成的，而是依赖于它们在人类头脑中的意义。
 

图片来源：《视读人工智能》，第50页

       3、现象意识问题也是人工智能的难题。

       前面所述的框架问题和符号奠基问题，实际上涉及的都是如何在一个形式系统中模拟人类的表征活动。但即便这些表征活动都可以被人工智能所模拟，人类意识是否可以还原为表征过程，也是一个颇富争议的问题。

       比如，即便我们掌握了关于蝙蝠的所有神经生物学知识，仍然无法确切地知道蝙蝠的内在意识体验。又如，存在这样一个僵尸，它的一切活动都表现得像人类一样，然而，它却缺乏人类最本质的现象意识体验。

       意识体验是无法用表征过程来模拟的。如果这个理论成立的话，表征与意识就是两个不同的概念，即便强人工智能是可能的，那么它也并不必然就具有意识。

       二、Alphago真的智能了吗？

       那么，Alphago是否就真的那么具有革命性，成为AI发展的一个里程碑呢？实际上，Alphago并没有采用任何新的算法，从而也就共享了这些传统算法的局限。

       Alphago的基本设计思路是：

       基于监督式学习与强化学习两种模式，通过构造两个神经网络即决策网络和价值网络来评估棋盘位置和决定走子动作。Deepmind的工程师首先采用监督式学习，根据大量的人类棋局数据训练了一个策略网络，它可以从这些棋局中学习人类棋手的走子定式之后。

       但学会这些定式并不能成为高手，还需要对走子之后的棋局作出评估，从而选择最佳的走法。

       为此，Deepmind采用了强化学习的办法，根据之前训练出来的策略网络不断地自我对弈（人类棋局的数据远远不够了），训练了一个强化学习的策略网络，它的学习目标不再是模拟人类棋手的走法，而是学习如何赢棋。

       Alphago最具创新性的地方在于，它根据这些自我对弈的数据，训练了一个估值网络，可以对整个盘面的优劣作出评估。

       但总体来看，虽然Alphago的算法设计非常精妙，它仍然基于对大数据的暴力统计运算，这和人类智能的运作过程完全是两回事。Alphago进行了几千万局的对弈，并对这些局面进行统计分析，然后才得到了与人类同样的棋力。

       但一个天才棋手达到同等程度的棋力，只需要下几千盘棋，不到Alphago的万分之一。因此，Alphago的学习效率仍然是十分低下的，这说明，它仍然没有触及到人类智能中最本质的部分。

       AlphaGo并不可怕，可怕的是它有了自己的身体、意识、欲望和情感。一个专用的弱AI才是好AI。

       营销推广并不可怕，可怕的是，你居然不知道运用短信营销。一个专业的通讯平台才是好的营销助手，比如，短信网。