在與圍棋世界冠軍、韓國名將李世石的對弈中，谷歌機器人AlphaGo連勝兩盤。

人機對戰并不是第一次，這次的人機對戰意義何在呢？

3月11日，浙江大學的兩名專家告訴澎湃新聞（www.6773257.com）記者，資本市場迫不及待地推“人工智能”概念，最典型的就是谷歌的深度學習與IBM的認知計算之間的技術競賽。人工智能在更多領域的成功應用，依賴于對大腦的徹底解讀，目前人類對于大腦的了解還相當初步。繼基因研究之后，各國已紛紛將重點集中于腦的研究。

“這不是AlphaGo第一次和人類棋手對戰。早在2015年10月，它就和歐洲圍棋賽的冠軍樊麾交戰過。”浙江大學管理學院教授汪蕾說，AlphaGo基于機器學習和人工智能，有強大的自我學習和進化功能，所以它的棋藝進步神速，短短幾個月的學習訓練就有可能跨越一個天才棋手幾十年走過的路。

汪蕾稱，這種自我深度學習機制使得AlphaGo每次與頂級棋手的交戰，都會成為一次自我提升的過程。打個不恰當的比方，這就好比武俠小說中的人物練成了一種吸功大法，每次與高手的過招就會成為他力量的來源，讓人驚嘆之余，也會覺得有點可怕。

AlphaGo使用的究竟是什么技術？

浙江大學管理學院副教授王小毅表示，AlphaGo采用的是目前人工智能最普遍采用的人工神經網絡中的深度學習技術。深度學習于2006年被提出，是機器學習研究中的一個前沿領域，其原理是用多層訓練的方法來達到深度學習的目的。

據王小毅介紹，認知科學發現，人們認識事物并不是通過直接分析，而是依靠一種逐層抽象的認知機制：首先學習簡單的概念，然后用他們去表示更抽象的。在算法上，對已有的海量數據信息，可以用神經網絡來模擬人腦的這種分析學習過程，不需要了解這些數據內在的確切關系，而是通過逐層學習，來建立它們之間的關系，從而對一個新的信息進行判斷。這種方法特別適用于對圖像、聲音和文本的理解。

王小毅稱，AlphaGo所使用的正是用于視覺處理的算法。算法中采用的分析層次越多，對計算的要求就越高。得益于近年來快速發展的云計算，AlphaGo能夠使用超過當年深藍約3萬倍的計算能力，從海量的圍棋對弈數據中得到學習，而在實際對弈中，并不需要這么大的計算能力，僅用單機版計算機即可。

根據2016年1月由Google旗下DeepMind公司的David Silver為第一作者發表于《自然》雜志上的題為“Mastering the game of Go with deep neural networks and tree search（用深度神經網絡和搜索樹方法來掌握圍棋）”的文章，AlphaGo的算法使用了多個神經網絡：價值網絡（Value Network），根據當前局面，尋找落地的大致方向，估計是白勝還是黑勝；策略網絡（Policy Network），給定當前局面，預測/采樣下一步的走棋的獲勝概率；快速走子（Fast rollout），在適當犧牲走棋質量的條件下，速度要快1000倍；蒙特卡羅樹搜索（Monte Carlo Tree Search)，把以上這三個部分連起來，形成一個完整的系統。

AlphaGo不是一個簡單的軟件，而是一項系統性工作，充分考慮了CPU運算的負荷和實際，其成功背后，是作者們在博士階段就開始的超過5年的積累。

“另一方面，基于人工智能的AlphaGo機器棋手，和人類棋手最大的差別在于，它不具備情感，沒有情緒波動。”汪蕾認為，情緒是一種非常重要的東西，會影響我們的判斷和決策，而圍棋是一種需要大局觀，需要根據對手情況來不斷研判，并做出決策的活動。在這樣一種比較復雜的高強度的腦力活動當中，情緒當然也會參與其中。

汪蕾認為，人類再怎么心如止水，也不可能比機器更冷靜，在處于劣勢的時候，可能因為著急而激進；在處于優勢的時候，可能因為沾沾自喜而出錯；而在犯錯的時候，可能因為懊惱而失去心態平衡。但這一點，機器是完全可以避免的。

“現在大家比較關注的是這一場較量的勝負以及它帶來的象征意義。但在我看來，其實輸贏并不重要。無論結果如何，對人工智能而言，這肯定不是結束，它不過是人工智能技術發展與應用中的一個過程。而對于人類來講，它其實是一個自我認識和自我發現的又一個途徑。”汪蕾說。

王小毅表示，人工智能的發展得益于三個方面的技術突破：首先是機器學習算法上的突破，但這還不是最主要原因；關鍵還有大數據為人工智能的機器學習積累了海量的學習數據，以及云計算為深度學習提供了彈性計算能力的支持。

在他看來，人工智能是信息技術的重要發展方向，也正因為如此，資本市場迫不及待地開始推“人工智能”概念。在國際上，各種人工智能概念出現的背后是未來市場的爭奪，最典型的就是谷歌的深度學習與IBM的認知計算之間的技術競賽。

王小毅認為，重大和關鍵技術儲備與產業化是兩個不同的概念。人工智能距離成熟的產業化尚有距離，而要想達到推動整個信息產業上一個臺階的目標則更遙遠。目前最有價值的人工智能領域，可以分為狹義和廣義。狹義上，側重的是機器學習技術的深度應用，重點在視覺圖像、語音和文本三個方面，其目的就是讓機器可以理解周圍環境、識別人的指令、理解人的意圖；廣義上，人工智能是融合機器人、大數據、傳感網等新一代信息技術的關鍵共性技術，將有助于它們在工業、醫療、家庭等重要市場的快速發展，一旦實現，將會促使目前的信息產業快速走出互聯網“泡沫”。

對于人工智能的未來，汪蕾認為，隨著技術發展、科技進步，人工智能的應用領域會更寬、更廣。在那些需要依賴于大量信息、數據以及環境是動態變化的領域，需要人腦來處理各種信息來研判、決策、博弈、以及競爭的地方，人工智能都有可能得到應用，比如服務行業、金融、商務、醫療、軍事等。

汪蕾認為，人工智能在更多領域的成功應用，依賴于對大腦的徹底解讀，而這還有相當漫長的路要走。

“人工智能是一個用算法來模擬人腦的探索過程，它的發展取決于人們對于人腦的認識深度。”王小毅說，目前對于人腦的了解還相當初步。19世紀對人腦的研究還屬于哲學范疇，現在借助腦感知技術，既可以在分子層面理解神經元的活動，也可以在采集海量人群的腦電波數據。

據王小毅介紹，各國在繼基因研究之后，紛紛將重點集中于腦的研究，美國早在2013年就發布“腦計劃”，歐盟和日本也在2013年、2014年相繼發布各自的“腦計劃”，近年來更是逐漸從腦的病理研究，轉為腦機制與人工智能的結合研究上。在2016年兩會期間，全國人大代表劉慶峰就建議，加快推動人工智能和中國腦計劃。中國的“腦計劃”于2013年開始醞釀，“十三五”規劃綱要草案已經把腦科學和類腦研究列入國家重大科技項目。