在李世石對弈阿法狗中，我看到的只有勝負，沒有看到別的東西。網上對李世石對弈阿法狗這樣一臺機器的評論有極大分歧，人們各有各的看法，但唯一的一致好像是結局誰勝誰負至關重要。科技讓人文退步，讓我們的價值發生了變化，拋棄了一些東西，習得了一些新的東西，“得失升沉是與非，紛紛世上局如棋。白雲谷口橫遮斷，萬石山中總不知。”李世石，你大概在學圍棋時，沒有想到有一天會成為世界冠軍吧?在成了世界冠軍後，可曾料想到有一天會輸給機器?而經歷了這樣的敗局後，你還能像古人那樣“不如兩忘機，石上跏趺坐”嗎?

人工智慧的概念與歷程

瞭解人工智慧向何處去，首先要知道人工智慧從何處來。1956年夏，麥卡錫、明斯基等科學家在美國達特茅斯學院開會研討“如何用機器模擬人的智慧”，首次提出“人工智慧（Artificial Intelligence，簡稱AI）”這一概念，標誌著人工智慧學科的誕生。

人工智慧是研究開發能夠模擬、延伸和擴充套件人類智慧的理論、方法、技術及應用系統的一門新的技術科學，研究目的是促使智慧機器會聽（語音識別、機器翻譯等）、會看（影象識別、文字識別等）、會說（語音合成、人機對話等）、會思考（人機對弈、定理證明等）、會學習（機器學習、知識表示等）、會行動（機器人、自動駕駛汽車等）。

人工智慧充滿未知的探索道路曲折起伏。如何描述人工智慧自1956年以來60餘年的發展歷程，學術界可謂仁者見仁、智者見智。我們將人工智慧的發展歷程劃分為以下6個階段：

一是起步發展期：1956年—20世紀60年代初。人工智慧概念提出後，相繼取得了一批令人矚目的研究成果，如機器定理證明、跳棋程式等，掀起人工智慧發展的第一個高潮。

二是反思發展期：20世紀60年代—70年代初。人工智慧發展初期的突破性進展大大提升了人們對人工智慧的期望，人們開始嘗試更具挑戰性的任務，並提出了一些不切實際的研發目標。然而，接二連三的失敗和預期目標的落空（例如，無法用機器證明兩個連續函式之和還是連續函式、機器翻譯鬧出笑話等），使人工智慧的發展走入低谷。

三是應用發展期：20世紀70年代初—80年代中。20世紀70年代出現的專家系統模擬人類專家的知識和經驗解決特定領域的問題，實現了人工智慧從理論研究走向實際應用、從一般推理策略探討轉向運用專門知識的重大突破。專家系統在醫療、化學、地質等領域取得成功，推動人工智慧走入應用發展的新高潮。

四是低迷發展期：20世紀80年代中—90年代中。隨著人工智慧的應用規模不斷擴大，專家系統存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分散式功能、難以與現有資料庫相容等問題逐漸暴露出來。

五是穩步發展期：20世紀90年代中—2010年。由於網路技術特別是網際網路技術的發展，加速了人工智慧的創新研究，促使人工智慧技術進一步走向實用化。1997年國際商業機器公司（簡稱IBM）深藍超級計算機戰勝了國際象棋世界冠軍卡斯帕羅夫，2008年IBM提出“智慧地球”的概念。以上都是這一時期的標誌性事件。

六是蓬勃發展期：2011年至今。隨著大資料、雲計算、網際網路、物聯網等資訊科技的發展，泛在感知資料和圖形處理器等計算平臺推動以深度神經網路為代表的人工智慧技術飛速發展，大幅跨越了科學與應用之間的“技術鴻溝”，諸如影象分類、語音識別、知識問答、人機對弈、無人駕駛等人工智慧技術實現了從“不能用、不好用”到“可以用”的技術突破，迎來爆發式增長的新高潮。

對於人工智慧的發展現狀，社會上存在一些“炒作”。比如說，認為人工智慧系統的智慧水平即將全面超越人類水平、30年內機器人將統治世界、人類將成為人工智慧的奴隸，等等。這些有意無意的“炒作”和錯誤認識會給人工智慧的發展帶來不利影響。因此，制定人工智慧發展的戰略、方針和政策，首先要準確把握人工智慧技術和產業發展的現狀。

專用人工智慧取得重要突破。從可應用性看，人工智慧大體可分為專用人工智慧和通用人工智慧。面向特定任務（比如下圍棋）的專用人工智慧系統由於任務單一、需求明確、應用邊界清晰、領域知識豐富、建模相對簡單，形成了人工智慧領域的單點突破，在區域性智慧水平的單項測試中可以超越人類智慧。人工智慧的近期進展主要集中在專用智慧領域。例如，阿爾法狗（AlphaGo）在圍棋比賽中戰勝人類冠軍，人工智慧程式在大規模影象識別和人臉識別中達到了超越人類的水平，人工智慧系統診斷面板癌達到專業醫生水平。

通用人工智慧尚處於起步階段。人的大腦是一個通用的智慧系統，能舉一反三、融會貫通，可處理視覺、聽覺、判斷、推理、學習、思考、規劃、設計等各類問題，可謂“一腦萬用”。真正意義上完備的人工智慧系統應該是一個通用的智慧系統。目前，雖然專用人工智慧領域已取得突破性進展，但是通用人工智慧領域的研究與應用仍然任重而道遠，人工智慧總體發展水平仍處於起步階段。當前的人工智慧系統在資訊感知、機器學習等“淺層智慧”方面進步顯著，但是在概念抽象和推理決策等“深層智慧”方面的能力還很薄弱。總體上看，目前的人工智慧系統可謂有智慧沒智慧、有智商沒情商、會計算不會“算計”、有專才而無通才。因此，人工智慧依舊存在明顯的侷限性，依然還有很多“不能”，與人類智慧還相差甚遠。

人工智慧創新創業如火如荼。全球產業界充分認識到人工智慧技術引領新一輪產業變革的重大意義，紛紛調整發展戰略。比如，谷歌在其2017年年度開發者大會上明確提出發展戰略從“移動優先”轉向“人工智慧優先”，微軟2017財年年報首次將人工智慧作為公司發展願景。人工智慧領域處於創新創業的前沿。麥肯錫公司報告指出，2016年全球人工智慧研發投入超300億美元並處於高速增長階段；全球知名風投調研機構CB Insights報告顯示，2017年全球新成立人工智慧創業公司1100家，人工智慧領域共獲得投資152億美元，同比增長141%。

創新生態佈局成為人工智慧產業發展的戰略高地。資訊科技和產業的發展史，就是新老資訊產業巨頭搶灘佈局資訊產業創新生態的更替史。例如，傳統資訊產業代表企業有微軟、英特爾、IBM、甲骨文等，網際網路和移動網際網路時代資訊產業代表企業有谷歌、蘋果、臉書、亞馬遜、阿里巴巴、騰訊、百度等。人工智慧創新生態包括縱向的資料平臺、開源演算法、計算晶片、基礎軟體、圖形處理器等技術生態系統和橫向的智慧製造、智慧醫療、智慧安防、智慧零售、智慧家居等商業和應用生態系統。目前智慧科技時代的資訊產業格局還沒有形成壟斷，因此全球科技產業巨頭都在積極推動人工智慧技術生態的研發佈局，全力搶佔人工智慧相關產業的制高點。

人工智慧的社會影響日益凸顯。一方面，人工智慧作為新一輪科技革命和產業變革的核心力量，正在推動傳統產業升級換代，驅動“無人經濟”快速發展，在智慧交通、智慧家居、智慧醫療等民生領域產生積極正面影響。另一方面，個人資訊和隱私保護、人工智慧創作內容的智慧財產權、人工智慧系統可能存在的歧視和偏見、無人駕駛系統的交通法規、腦機介面和人機共生的科技倫理等問題已經顯現出來，需要抓緊提供解決方案。

經過60多年的發展，人工智慧在演算法、算力（計算能力）和算料（資料）等“三算”方面取得了重要突破，正處於從“不能用”到“可以用”的技術拐點，但是距離“很好用”還有諸多瓶頸。那麼在可以預見的未來，人工智慧發展將會出現怎樣的趨勢與特徵呢？

從專用智慧向通用智慧發展。如何實現從專用人工智慧向通用人工智慧的跨越式發展，既是下一代人工智慧發展的必然趨勢，也是研究與應用領域的重大挑戰。2016年10月，美國國家科學技術委員會發布《國家人工智慧研究與發展戰略計劃》，提出在美國的人工智慧中長期發展策略中要著重研究通用人工智慧。阿爾法狗系統開發團隊創始人戴密斯·哈薩比斯提出朝著“創造解決世界上一切問題的通用人工智慧”這一目標前進。微軟在2017年成立了通用人工智慧實驗室，眾多感知、學習、推理、自然語言理解等方面的科學家參與其中。

從人工智慧向人機混合智慧發展。借鑑腦科學和認知科學的研究成果是人工智慧的一個重要研究方向。人機混合智慧旨在將人的作用或認知模型引入到人工智慧系統中，提升人工智慧系統的效能，使人工智慧成為人類智慧的自然延伸和拓展，透過人機協同更加高效地解決複雜問題。在中國新一代人工智慧規劃和美國腦計劃中，人機混合智慧都是重要的研發方向。

從“人工+智慧”向自主智慧系統發展。當前人工智慧領域的大量研究集中在深度學習，但是深度學習的侷限是需要大量人工干預，比如人工設計深度神經網路模型、人工設定應用場景、人工採集和標註大量訓練資料、使用者需要人工適配智慧系統等，非常費時費力。因此，科研人員開始關注減少人工干預的自主智慧方法，提高機器智慧對環境的自主學習能力。例如阿爾法狗系統的後續版本阿爾法元從零開始，透過自我對弈強化學習實現圍棋、國際象棋、日本將棋的“通用棋類人工智慧”。在人工智慧系統的自動化設計方面，2017年穀歌提出的自動化學習系統（AutoML）試圖透過自動建立機器學習系統降低人員成本。

人工智慧將加速與其他學科領域交叉滲透。人工智慧本身是一門綜合性的前沿學科和高度交叉的複合型學科，研究範疇廣泛而又異常複雜，其發展需要與計算機科學、數學、認知科學、神經科學和社會科學等學科深度融合。隨著超解析度光學成像、光遺傳學調控、透明腦、體細胞克隆等技術的突破，腦與認知科學的發展開啟了新時代，能夠大規模、更精細解析智力的神經環路基礎和機制，人工智慧將進入生物啟發的智慧階段，依賴於生物學、腦科學、生命科學和心理學等學科的發現，將機理變為可計算的模型，同時人工智慧也會促進腦科學、認知科學、生命科學甚至化學、物理、天文學等傳統科學的發展。

人工智慧產業將蓬勃發展。隨著人工智慧技術的進一步成熟以及政府和產業界投入的日益增長，人工智慧應用的雲端化將不斷加速，全球人工智慧產業規模在未來10年將進入高速增長期。例如，2016年9月，諮詢公司埃森哲釋出報告指出，人工智慧技術的應用將為經濟發展注入新動力，可在現有基礎上將勞動生產率提高40%；到2035年，美、日、英、德、法等12個發達國家的年均經濟增長率可以翻一番。2018年麥肯錫公司的研究報告預測，到2030年，約70%的公司將採用至少一種形式的人工智慧，人工智慧新增經濟規模將達到13萬億美元。

人工智慧將推動人類進入普惠型智慧社會。“人工智慧+X”的創新模式將隨著技術和產業的發展日趨成熟，對生產力和產業結構產生革命性影響，並推動人類進入普惠型智慧社會。2017年國際資料公司IDC在《資訊流引領人工智慧新時代》白皮書中指出，未來5年人工智慧將提升各行業運轉效率。中國經濟社會轉型升級對人工智慧有重大需求，在消費場景和行業應用的需求牽引下，需要打破人工智慧的感知瓶頸、互動瓶頸和決策瓶頸，促進人工智慧技術與社會各行各業的融合提升，建設若干標杆性的應用場景創新，實現低成本、高效益、廣範圍的普惠型智慧社會。

人工智慧領域的國際競爭將日益激烈。當前，人工智慧領域的國際競賽已經拉開帷幕，並且將日趨白熱化。2018年4月，歐盟委員會計劃2018—2020年在人工智慧領域投資240億美元；法國總統在2018年5月宣佈《法華人工智慧戰略》，目的是迎接人工智慧發展的新時代，使法國成為人工智慧強國；2018年6月，日本《未來投資戰略2018》重點推動物聯網建設和人工智慧的應用。世界軍事強國也已逐步形成以加速發展智慧化武器裝備為核心的競爭態勢，例如美國特朗普政府釋出的首份《國防戰略》報告即謀求透過人工智慧等技術創新保持軍事優勢，確保美國打贏未來戰爭；俄羅斯2017年提出軍工擁抱“智慧化”，讓導彈和無人機這樣的“傳統”兵器威力倍增。

人工智慧的社會學將提上議程。為了確保人工智慧的健康可持續發展，使其發展成果造福於民，需要從社會學的角度系統全面地研究人工智慧對人類社會的影響，制定完善人工智慧法律法規，規避可能的風險。2017年9月，聯合國犯罪和司法研究所（UNICRI）決定在海牙成立第一個聯合華人工智慧和機器人中心，規範人工智慧的發展。美國白宮多次組織人工智慧領域法律法規問題的研討會、諮詢會。特斯拉等產業巨頭牽頭成立OpenAI等機構，旨在“以有利於整個人類的方式促進和發展友好的人工智慧”。

阿爾法狗戰勝李世石，並不是人類歷史上第一次人機對戰，也並不是人類第一次輸給人工智慧。

1. 人工智慧為什麼會贏？它經歷了怎樣的涅槃？

人工智慧為什麼會贏，一言以蔽之，就是因為計算機擁有強大的計算機能力和儲存能力。

計算機經過一段時間的訓練，其可以掌握世界上幾乎所有的棋譜，每一步怎麼走，如何應對，當前情況下的分支遍歷計算機都清清楚楚，所以它既能掌握全部的棋譜，知道對手怎麼走以及如何應對，又擁有強大的計算能力（每秒計算幾億次），而且從來不犯錯，想不贏都難吶！

人工智慧也並非一開始就如此厲害，很早以前由於技術的限制，計算機cpu計算速度慢，能力較弱，儲存系統低下等等原因，導致人工智慧沒有長足的進步，但是由於後期科技的發展，尤其是計算機科技的突飛猛進，為人工智慧奠定了上面所描述的基礎，於是我們才能看到人機大戰並且人類輸給了人工智慧，全在於計算機系統技術的突飛猛進！

2. 其實阿爾法狗戰勝李世石，並不是人類第一次輸給人工智慧。早在1996年2月10日，超級電腦深藍首次挑戰西洋棋世界冠軍卡斯帕羅夫，但以2-4落敗。比賽在2月17日結束。其後研究小組把深藍加以改良，1997 年 5 月 11 日，在人與計算機之間挑戰賽的歷史上可以說是歷史性的一天。計算機在正常時限的比賽中首次擊敗了等級分排名世界第一的棋手。加里·卡斯帕羅夫以 2.5:3.5 （1勝2負3平）輸給 IBM 的計算機程式 “深藍”，可以說在那時人工智慧就已經閃亮登場。