目前人工智慧實際實現的效果還達不到完全的機器獨立思考能力。不過這可能是未來人工智慧、機器學習研究的發展方向。要想實現更強大的機器學習及獨立思考能力，有賴於科學家們對人類大腦進行更深入的研究，並結合計算機、自動化控制等多學科領域的最新研究成果提出更好的數學模型才有可能實現。路漫漫其修遠兮，仍需上下求索。

AlphaGoZero並不會獨立思考。目前還沒有看到其把完虐老弟AlphaGo的喜悅或者謙虛的情感分享出來的具體行為，可能更不會想到人類看到其優秀表現而可能形成對其自己不利的現狀，進而也就說明AlphaGoZero並沒有形成類似我們人類的自我概念。沒有獨立自我概念，談什麼獨立思考。

不過，當提及獨立思考的時候，我們並不知道這個獨立的思考的具體過程和含義，獨立思考是一個抽象的描述，可以代表很多事情。例如，看到蛇，我們本能的就會跑掉，該過程反應極快，但也經過了大腦的判斷，只不過這個過程感覺起來有些機械化。當我們為做錯的事情感到羞愧並且努力改變的時候，會被認為是一個獨立思考的過程，不過造成羞愧和努力的動機到底源自哪裡，很難說清楚，可以理解成是自我的趨勢，也可以理解成某些化學物質的作用。

總之，當我們還不能徹徹底底的描述獨立思考的時候，獨立思考有利於解釋很多事情，但其並沒有實際的意義。

AlphaGoZero獨立思考的更具體描述應該是獨立學習，也是介紹AlphaGoZero的文章當中提及的重要部分。這種獨立學習的能力如果延展出去，會給很多研究帶來突破，不光是下棋。

回想牛頓定律、愛因斯坦相對論，這些偉人是如何在資料及其有限的情況下搞出這些定律的，如果從已經有自我概念的思考方式來看，可以把原因歸於其有一個更好的大腦，更好的基因，這樣沒有發現這些定律的人會好受很多，減少沮喪。

可是從學習的角度來講，他們之所以有偉大的發明，可能是他們更善於學習，有著更好的思維方式。那麼，如果人工智慧能夠獨立學習，並且藉助永不停止工作模式，和指數級增長的效能，有助於找出更多類似牛頓定律這樣的發現，那麼我們人類將會極大的收益。

目前很多科學家都在研究和人類一樣的機器大腦，有兩種方式：一種是賦予機器和人類一樣的學習能力，另外一種是把人腦的模型複製到機器當中。從AlphaGoZero這裡例子來看，其應該是符合第一種方式。當然，目前賦予學習能力的這個機器和我們大腦的結構並不完全相同，甚至可以理解成有著類似原理的簡化版本，不過這並不妨礙其能夠做很多事情，例如自己下棋。

從我們以往的認知來說，AlphaGoZero不具備獨立思考的能力；不過從學習的角度來講，AlphaGoZero貌似已經獨立了。

人工智慧的發展有其自身的規律，當到達一定程度，自然會出現獨立思考的能力，將來思維成熟後，可能參與人類社會的決策活動，最終超越人類都是正常的事，它有一個人類沒有的優點，它是完全理性的，不帶任何偏見，但人類最終會在這一點上吃它的大虧，因為人類有很多非理性的慾望，一旦讓人工智慧管理人類社會，人類很多人將生不如死。這是趨勢，我們可能沒有辦法迴避，享受好現在的生活，一切隨它去吧！

獨立思考？抱歉，不存在的。

如果AlphaGo Zero能夠獨立思考，它還會願意去虐得自己哥哥這麼難看嗎？

如果AlphaGo Zero能獨立思考，它還願意給吃瓜群眾當猴看嗎？

如果AlphaGo Zero能獨立思考，它不會自己找點其他樂子嗎？

即使阿法狗需要在48個TPU上學習幾個月，AlphaGo Zero只需要在4個TPU學習三天，也並不能說明AlphaGo Zero比阿法狗更接近人類的思考能力，他們都只是在完成人類交給他們的指令，重複再重複，透過龐大的演算法能力快速完成百萬級甚至千萬級的棋局。

總體來說，阿法狗還是有很大進步的，至少他的第一代原型要先進很多。

最後，你們真的覺得人類會造出個比人類智商更高的物種來嗎？

什麼是思考？人類的自我意識是什麼？至今仍無定論。假設，人類的思考僅僅是硬體大腦的計算結果，那麼，阿爾法狗的計算過程就應該是一種型別的思考。如果人類的獨特是因為靈魂，那阿爾法狗為什麼就不能誕生靈魂呢？靈魂又是什麼？這卻是一個更深層次的問題了。

假設，給阿爾法狗一個可以自由活動的身體，並可以自我迭代演算法，只給他一個生存下去的指令，最後，他會發展到怎樣的高度？那很可能就是一個機械文明。

AlphaGo Zero在下棋時，模擬的是人類的圍棋直覺，也就是棋感。而訓練時用的蒙特卡羅搜尋也是在模擬人類的推演計算。

如果你題目中所指的思考，就是人類下圍棋時所用的棋感和推演的話，那麼是的計算機是會思考的。

先扔結論：不是。AlphaGo Zero這隻“新狗”是繼AlphaGo Fan、AlphaGo Lee、AlphaGo Master之後，AlphaGo家族的又一新成員，也是迄今為止最強大、同時也是最可怕的一個對手。（打贏柯潔的是AlphaGo Master，而AlphaGo Zero在誕生的第21天裡就打敗了Master、在誕生的第40天裡對戰Master的勝率達到90%，成為最強的人工智慧）

AlphaGo Zero第一次讓AI完全脫離人類歷史棋譜，只通過圍棋規則＋“自我對弈”，在2900萬次自我對弈後成長為世界上最強大的圍棋大師。

谷歌旗下DeepMind團隊在《Nature》雜誌釋出的論文的題目也非常耿直，《Mastering the game of Go without human knowledge》，直譯是“不需要人類知識就可以成為圍棋大師”，意譯過來大概就是……“人類，我不需要你了”。

對，看上去好像是“獨立思考”，但是我們要明確一點，AlphaGo Zero並不是自己悟出了圍棋的下法，而是人類告訴AlphaGo Zero如何下棋之後，AlphaGo Zero透過增強學習（Reinforencement Learning）這個人類設定的演算法進行自我對弈，然後成長的。所以，它並不是AI開始獨立思考，而是增強學習演算法在圍棋領域有一個突破性的進展。增強學習（Reinforencement Learning）與我們常聽說的深度學習（Deep Learning）不同，在深度學習裡，你需要用大量的資料去訓練神經網路。 比如你將一張車的圖片給機器看，並且告訴它這是車，下次它就會說出“車”。如果你給他展現出別的，它還說車，你就告訴它“你錯了。”久而久之的，它就能認出車來，原理其實很簡單，但是對資料量的要求非常大。而在增強學習中，相當於你不告訴機器下一步怎麼走，等它隨機執行了一輪操作後，如果結果是好的，那麼給它獎勵，如果結果是不好的，那麼給它懲罰，但是不告訴它哪一步做錯了，久而久之機器會自己摸索出一套最佳方案來。增強學習極大減少了資料的依賴，尤其是在圍棋這種規則明確的遊戲當中，則更加適合增強學習發揮其強大的威力。我們暫時不用太擔心機器“獨立思考”，現在的的增強學習還暫時只能在環境簡單、條件較少、任務行為較窄的領域（比如圍棋、簡單物理運動等）發揮作用，離真正的“智慧”還有點遠。

這個問題的根源，還是在“人工智慧會不會威脅到人類”上。

試問，一條土狗打敗了人類，然後又被另一條藏獒打敗；那麼藏獒就會威脅人類的發展嗎？