昨天AlphaGo对李世石的人机大战第三局几无悬念的以AlphaGo的压倒性优势获胜，创造了人工智能机器挑战人类围棋的历史性时刻。纵观第三局整个棋局，机器狗在一开始由李世石故意导入的左上局部复杂战斗中以完美精确的落点让李世石每步棋决策都非常难办，机器狗的每步下法似乎看来对令人类无法击破，大概到四十七八手时当下围棋第一人柯洁认为李世石已经不可能赢了，这也是几乎所有观战职业高手的内心感觉。相比前两局人们还在棋局中后盘一度有一些希望AlphaGo会可能犯错而让李世石赢一盘的心情，在这一局的第五十手很多人大概已经绝望。后面李世石坚韧不屈向机器狗下出不同寻常的挑战手法，无论是局部还是全局的谋算，机器狗全部成竹在胸无懈可击，甚至在最后李世石造出的复杂打劫过程中脱先一手也令李世石没有任何的机会。整个棋局上的搏杀仿佛令人看到了非洲平原上愤怒野鹿对狮子的反击，鸦片战场上僧格林沁马队向英法联军发起的冲锋，以及二战中勇敢的波兰骑兵向德军坦克阵型发起的冲击...。对弈的黑白双方根本不在一个量级之上。从统计概率的角度看，其实也很容易理解。围棋盘上三百六十一点，黑白一人一手下满盘大概每方一百八十手。从开始落子的第一步算，每步棋的正确概率机器永远不会比人低，这些概率全部乘在一起，机器获胜的总概率应该是几何级数倍数的人类获胜的总概率。从AlphaGo背后设计者的理解看，机器狗的深度学习，与网络大数据结合，理论上让机器狗的超级大脑能够学习囊括人类有史以来的全部知识。在最近几个月三千万棋局的模拟训练之后机器狗赢棋的概率应该是大于99.9999%，所以这也是他们一开始认为是机器狗5比0一边倒的结果，虽然很多不理解人工智能的人从人类感情上难以想象难以相信。三比零已经意味着两岁半的AlphaGo超越了人类围棋有史以来的全部水平，是最接近围棋之神的绝顶高手。
二十年前的大学期间有幸跟导师屈梁生教授接触了人工智能的一些基础知识，当时的博士论文题目是“基于多传感器能信息融合方法的机器智能诊断技术研究”，就是研究根据机器收集到的各种传感器信号做信息处理并借助人工智能推理的一些方法进行信息融合和决策诊断，以求得出比人类凭经验判断更可靠的机械设备故障诊断结果。九十年代国内的大学界正值人工智能神经网络，专家系统，数据挖掘，基因遗传算法，模糊集/粗燥集合，分形，混沌，证据推理，小波分析等国际热门方向的研究热潮。许多大学不同学科的研究生博士生都在利用这些人工智能的数学方法特别是人工神经网络作为工具搞自己领域的应用研究。总体来讲，国内大多数的研究其实是把国外人家真正研究出来的东西山寨山寨添枝加叶看能不能用于自己的学术领域产出一些意想不到的结果。传统僵化体制的问题导致当时几乎很难有创新的思考和发展。不管怎样，记得是当时交大的第一个人工神经网络课程，由信控系的殷勤业教授讲解，吸引了一大批的研究生听课。上课在一个大教室，每次感觉都是人满满的，我每次都坐在最后几排，因为总有人会提前去占座位。文革中自学成才七八年考上交大的殷教授在学校非常有名，他为人严谨学术认真，教的课程有些是用国外的教材或者英文的文献，由他自己一点一点翻译领悟之后教给我们，这些在互联网刚刚兴起传到国内的大量外国先进知识大大开拓了我们的视野，深受同学们喜爱。殷教授的另一门课时频信号分析也很受欢迎，记得他用了一个德州农机大学毕业的在美国虚拟仪器公司高工钱石谔发表的专著，内容通俗易懂，让人一下子就理解了高级信号处理的一些基本理论。诞生于四十年代并在五六十年代兴起的的人工神经网络是一个了不起的成就，它从信息处理角度对人脑神经元网络进行简单抽象，建立起某种简单数学模型，按不同的连接方式组成不同的网络。这种运算模型由大量的节点神经元之间相互联接构，而每个节点代表一种特定的称为激励函数输出函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。一旦神经网络数学模型被建立起来，就可以按照给定目标通过输入大量样本进行人工训练，让网络神经记住类似样本的特征数值，这些数值被存储到每个神经元链接权重里，而用于未来目标的分类和识别。另外权重还可以根据经验进行调整，使人工神经网络能够带有自动适应和自动学习的能力。人工神经网络从最初的感知器模型，到后来的误差反向传播BP模型，遗传基因算法，以及最近几年兴起的大型卷积网络模型，大大使得人工智能在机器学习，目标分类，数据挖掘，决策分析等等领域取得了巨大的突破。这次Google所拥有的蒙特卡罗搜索深度学习卷积神经网络等一起的人工智能AlphaGo三局完胜李世石已经证明人类在人工智能领域的巨大突破，机器狗的这种自学习自进化自适应模拟高级人类抽象思维能力的超级本领，未来将会在许多领域得到广泛应用。就在AlphaGo赢了李世石的第一盘那天早上上班途中就听到美国国家广播电台NPR访谈Google在AlphaGo胜利之后的商业应用。
然而，任何事物有好的一面就会有不好的一面，就像硬币有两面性，世界千变万化最终化为0和1一样，宇宙万物似乎逃脱不出老子的阴阳学说。人工智能即将带来的巨大效益可能是深刻而革命性的，但同时所带来的人类挑战也同样可能出乎意料。比如智能机器人的迅速发展可能会大大减少就业岗位，造成大量失业。去年在美国上市的LendingClub宏伟目标就是打算用人工智能机器代替所有银行的人工服务，让未来所有的银行柜台可能消失，而全部转向机器背后的智能高效服务。另外人工智能机器人带来的服务可能让未来人们的生活变得无趣无意义，传统人们是通过劳动收获得到自我满足自我幸福的感觉可能消失，这也是令人深思的问题。令人担心的未来人工智能的发展会不会让机器的智慧超过人类而奴役指挥人类，像某些科幻电影或者小说里描述的黑暗生命什么的，也不是没有可能。
Google总裁施密特在人机大战赛前表示，这次对抗无论谁胜谁负，实际上都是人类的胜利。然而，AlphaGo的取胜到底是人类的胜利，还是人类的失败，我想许多人都有疑问，且忧心忡忡。在集古老人类智慧与其人性之美的围棋棋盘上AlphaGo就是赢得再多，也无法为胜利开心一笑，人类的喜怒哀乐柔情与梦想是智能机器人永远无法感受的。
（PS：这几天随阿尔法狗学了几招，昨天立即用在网上一个三段身上并取得意想不到的胜利。今天听说罗洗河九段也同样用阿尔法狗的下法爆冷击败了周睿羊九段。阿尔法狗，有史以来最强大的围棋高手，将是未来人类围棋的老师，并改变棋手对围棋技艺的重新认识。）
