李世石：我想让女儿拜师阿尔法狗

一身休闲的黑色西服，黑色皮鞋，加上韩式特有的前刘海，李世石带着职业围棋手腼腆的笑容，在天津夏季达沃斯的关于VR的分论坛，分享了他被人工智能阿尔法狗（AlphaGo）打败的心路历程。

谷歌公司开发的以深度学习技术为基础的电脑程序 AlphaGo， 在 2015年10月，连续5局击败欧洲冠军、职业二段樊辉。此后，今年三月份落下帷幕的世纪围棋人机大战中，李世石最终以1:4的成绩不敌AlphaGo。

这个结果，距离1997年IBM 电脑击败国际象棋世界冠军，已有二十年。

在会场外，是来自中国、美国、瑞士、日、韩、澳大利亚科研院所或者公司带来的未投产的虚拟现实(VR)或是人工智能(AI)体验区。

一位衣着得体灰色西装的日系机器人，可以反复用三种语言演说，分辨听众表情，并对应做出相应动作。如果从远处看，人类认为受之父母的发肤也已经几乎以假乱真。

“最难的部分是表情与眼神的交流，需要用到的技术最多。现在只是初阶，如果要与人互动、倾听，甚至谈话，我们还需要进一步研发。”一位梳着流云造型的日本工程师对《第一财经日报》记者说。

而由澳洲动用六十台摄像机的VR电影《大爆炸》(Collision)完全模拟了核试验现场的全息实景，让本报记者如身临其境，但主创人员称，未来研发最难的部分，也在于影片中人与观众的互动交流。

李世石则反复说，“虽然如果能够重新对弈的话，胜算的比例会非常大，但是我不愿意再次对弈。”

李世石在赛后接受采访时曾表示，当时谷歌团队强烈要求合同里加进AlphaGo若输，择日必须重战的条款。当时0.1秒都没有考虑李世石会输的可能性，就爽快答应了。没有提出李世石若输，也要重赛的要求。这也成了一个悬念。

他认为，核心原因在于对于深度学习的技术，预计和准备不足。AlphaGo如此强大的根本，在于它的深度学习能力。

中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃曾在接受媒体采访时指出，围棋之所以难被攻克，难就难在它的变化非常多。AlphaGo利用他的网络，把这种复杂的空间收缩到一个可计算的范围内，这其实就是深度学习的实现。AlphaGo再根据概率和评估方法做进一步优化，最终选择出最佳应手，这是它最大的突破所在。

李世石描述说，比赛之前，看了和樊晖的比赛，感觉不是自己的对手，判断失误，认为达不到顶级棋手水平。让他惊讶的是，这个深度学习技术让机器在六个月期间，有如此大进步。

此外，AlphaGo经常有一些出其不意的招数，也让李世石重新考虑了创造力的定义。他感到自己以前对人工智能的设想被挑战了。

“我甚至开始想，创意究竟是什么。人和机器所定义的创意是不一样的，我们认为的创意也是学习，我们认知范围之内的，才能产生所谓的创意性。”

除了强大的计算，还有近乎无情的存在，也让机器拥有了某种优势。

李世石说，人毕竟会有心理上的动摇，哪怕他知道准确的答案，也可能会选择另一条路。但是AlphaGo不会有任何动摇。比如，第三局结束，机器心情也不会有任何变化，因为它根本不会认识到下到第几局了。

见识了如此精准稳定的对手，甚至让李世石考虑让自己女儿未来拜AlphaGo为师，学习围棋。因为从教育角度，老师水平相差较大，这样的不可预知性很可怕，每个人都有一些偏差，不可能一样出色。而AlphaGo非常精确，在规定范围内，可以很好执行任务。

而且，他甚至预测，未来10~15年，围棋也可能会动摇，甚至会被机器征服。但从体验来说，他微笑说：“人和人的比赛才是最重要的。”

从实用的角度来说，这让人联想到，究竟会有多少工作机会会被机器代替？如何教育孩子？如果人类与机器的能力可以融合起来，会不会形成超级智力？

在场的学者似乎很难只考虑实用。因为当我们谈到围棋，就会联想到围棋衍生出来的一些哲学思想，但面对强大的数据库和计算，这些思想似乎都不重要了。

传统观念认为，围棋充分体现了中国道家文化的特色。棋盘中央是太极，周围分为八个区，代表八卦，黑白两色棋子则表示阴阳。围棋的圆形棋子和方形棋盘，象征着“天圆地方”。棋盘上的361个交叉点，象征华夏农历361天，棋盘分为4部分，代表四季，每一部分的90个交叉点，又代表每一个季度3个月的90天，唐代高道司马承祯所编《天地宫府图》，将传说中的神仙对弈之所烂柯山，列为道教“洞天福地”中的第三十福地。

正如一位来自北京大学的教授提问中提及的，这个比赛中，有两个模型，一个是直觉，理性分析。围棋是东方直觉艺术，AlphaGo体现更多的，是西方理性的想法。封闭环境，理性有更多的影响；而在开放环境中，直觉则有更多作用。

在心理学中，直觉代表了人类意识的深处——潜意识，这个包含了人类情感和潜力的巨大密码库。

比如，来自耶鲁大学研究生物伦理的学者温戴尔·沃拉奇(Wendell Wallach)就提到，人工智能无法习得常识。当人类被要求去墙上钉个钉子，常识会告诉他，钉子必须是横向的，这是通过多次的体验学到的，但机器却无法有同样的体验。

如此衍生出来的问题包括：作为家长，你会愿意让孩子注册去上一个虚拟现实的学校吗？你会愿意接受一个远程操控的机器手帮你做脑部手术吗？最后，如果你的伴侣由于某种原因离开，你愿意接受和一个仿造伴侣的机器人作为约会对象吗？

在场选择“愿意”的人，寥寥无几。