人工智慧能取代圍棋老師教圍棋嗎？
這是一個所有圍棋愛好者，尤其是圍棋老師非常關注的問題。表面看似乎非常簡單，AlphaGo都戰勝世界冠軍了，還不能教圍棋嗎？總不能說做個圍棋老師比戰勝世界冠軍還難吧？
這個回答似乎非常犀利，然而犯了概念混淆的邏輯錯誤，把完全不同的兩個東西在做類比。就像郭德綱說的，不想做司機的裁縫就不是好廚師。
現在無論正方反方，都收起情緒化的表達，冷靜的以邏輯推導。具體看一看這個問題的答案。
先說一段20年前的軼事
1996年IBM的深藍電腦利用演算法戰勝了國際象棋世界冠軍卡斯帕羅夫，在全世界引起了轟動。雖然那個時候沒有微信，但謠言的傳播從來都不用藉助技術的手段，很快就出了一個小段子。
大意就是說機器人與人類進行對弈，輸棋之後惱羞成怒，當場放電把對手電暈。船長看了一笑置之，不過許多人信以為真，憂心仲仲地開始杞人憂天，擔心發生機器人接管人類的世界末日，甚至驚呼——終結者來了
船長耐心地解釋：電腦能在國際象棋上戰勝人類，利用的是演算法，簡單的說就是“軌跡法”。因為國際象棋每一步走法位置都是相對固定的，棋盤又不是很大，只要算清了變化，利用窮舉法就能找出那條取勝之路。
然而輸棋之後放電殺人那就另一回事了。這裡面牽扯到一個極大的突破就是——電腦要有一個輸棋之後惱羞成怒生氣的程式
這個玩意兒可怎麼解決呀，情緒應該是自發的，沒有生命沒有靈魂之物，他可以生氣嗎？這個要是有了才是創舉
生氣之後還要有一個放電殺人的程式
。設計這麼一個程式技術上沒難度，但是不違法嗎？而且下棋這個事情大家都知道，AlphaGo下棋的時候有開發團隊的黃博士做人工臂。假如輸了棋可以放電殺人的話，難道還要外接一隻高壓電棍嗎？什麼樣的比賽允許這樣進行
總之，船長從邏輯上進行了耐心地推導，做出了自以為專業的回答。然而不出所料，換來的是周圍的一臉懵逼。好在船長習慣了也不太介意。
其實這個小例子就是說明很多事情看上去很簡單，然而卻沒法做類比，因為不是一回事。
那麼，回到圍棋程式AlphaGo上來，我們先研究一下現在的人工智慧跟以前有什麼不同，它是利用什麼方法擊敗世界冠軍的。下一步我們再來研究一下，如果是教圍棋尤其是教小孩下棋，跟著上面有什麼相同之處，不同之處，是否能利用擊敗世界冠軍的能力去教孩子下棋呢？
首先，把AlphaGo下圍棋並不是單純利用計算，也沒有采用窮舉法。簡單地說AlphaGo下棋需要三步。
第一步、圖形識別
人工智慧運算的路徑是模仿人腦，並非是在後臺計算一大堆座標，而也要像利用人類視覺似的，先對著棋盤進行圖形識別。
第二步、卷積層
這個術語比較專業，這裡面還有一個神經網路的概念，船長也不大懂。只能儘量簡單的說，就是對於一種下法的結果要進行多層次的綜合的邏輯判斷，是得是失，是好是壞，等等有很多指標。進行判斷的層數越多就是考慮問題越全面越周密越深刻。
第三步、深度學習
這一步最容易引起大家的誤解。機器的所謂深度學習，其實重點不是深度而是廣度，主要利用的就是大資料。這點電腦的優勢發揮的淋漓盡致，比如說AlphaGo可以一天自我對局100萬盤，一個月就是3000萬盤。試想一下，一個頂尖棋手一生能下多少盤棋呢？
假如我們也來個穿越，回到棋魂上所描寫的秀策時代。那個時候沒有網路，正式對局記錄的幾百盤加上各種練習對局，上萬盤不得了了。而AlphaGo的一個月的對局量就相當於秀策3000世！俗話說，三個臭皮匠，賽過一個諸葛亮。僅從數量上比，電腦一個月的對局就等於一個頂尖棋手一生對局量的3000倍，能不厲害嗎？所以說人工智慧2016年的突破所依賴的深度學習，其實核心就是現代的大資料收集與處理。
2017人工智慧元年：圍棋創世紀
那麼，現在從技術控理工男的路子中跳出來，以一個人類圍棋愛好者的角度來簡單總結一下要點。
1圖形識別——就是人類的打譜，學習棋形找棋感
2卷積層——就是邏輯判斷，或者說學習棋理，建立棋盤上的三觀。
3深度學習——對於人類來講是不可能，只能儘量提高學習效率。從自己下過的幾百盤幾千盤對局中自行積累經驗，這個就看每個人的天賦了。
多年前日本的林海峰九段寫過一本圍棋書《九段的感覺》重點剖析了許多職業棋手下棋計算的思路。其中就明確的提出，圍棋有三個層次：最基本的計算，再高一步是判斷，最頂級的是感覺。我們不妨把這幾個思路逆推過來，跟AlphaGo下圍棋學圍棋的原理基本是一致的。
現在回到主題：AlphaGo都能戰勝世界冠軍了，還教不了圍棋嗎？這句話感覺上政治正確，但實際上是在拿不同的東西做類比。圍棋愛好者都有數，當世界冠軍跟教5歲的孩子下棋完全是兩回事。那麼我們現在用技術的語言來分析一下，教小孩兒下圍棋需要用什麼功能。
第一步、自然語言識別
對弈不牽扯語言識別的事，只是圖形識別就好。而教一個小孩下棋，一定是雙方的交流，不能只是單方面的灌輸。機器的語言可以表達的極為精確，但孩子可能聽不懂，而小孩說出的話來機器能明白嗎？
況且很多孩子說話都是詞不達意。原本就是語言學習的敏感期，有的話不是有經驗的老師都聽不懂，何況電腦。
況且，最關鍵的就是目前AlphaGo技術的方向是圖形識別，根本不牽扯不了自然語言識別這一塊。
第二步、卷積層
如果說AlphaGo的卷積層重點進行的是棋盤上的大小邏輯判斷，那麼要來教學的話在卷積層中還要判斷如何進行表達。比如需要找出什麼棋形例題，舉什麼例子，用什麼語言組織，甚至開什麼玩笑。小孩兒學棋下棋過程中可能會分心走神，輸棋了可能會灰心失望，這個時候兒是否進行一下安慰，是否進行一下鼓勵呢？
這裡面牽扯到另一個問題——人工情緒識別。（這個術語是船長編的）老師可以是機器，孩子卻是真人啊。雖然現在有的電腦已經通過了圖靈測試。然而。在船長看來，能編段子，能說笑話的人工智慧才是方向。在教課這上面，我們需要的的是一個AlphaGo版的憨豆先生。
第三步、深度學習
AlphaGo在這一步是利用自我對局實現的。而教課這個環節資料的採集樣本怎麼解決呢？難道找1萬個孩子讓他來教，機器倒是不嫌麻煩，家長恐怕受不了吧，我們家就這一個孩子，可別讓機器給弄蒙了。當然啦，真要研發這項技術，一定會有方法，不見得用那麼笨那麼土的招。船長只是開個玩笑。
第四步、商業驅動
開發AlphaGo的深度思維公司是一家英國公司，後來被谷歌收購。之所以對人工智慧深度學習感興趣，是要用它解決一些應用非常廣泛的大問題。（下圍棋只是一個實驗專案，當然也是一次頂級的公關營銷活動。）只有這樣，鉅額的資金投入，頂尖的知識團隊才能有回報，比如醫療問題、法律問題、財務問題等等，這些都是人工智慧的重點方向。如果開發了這麼尖端的技術，只是用來做教圍棋這麼小眾的專案，作為驗證是可以的，作為一項商業應用，就有點得不償失，頗有牛刀殺雞的感覺。
第五步、社會倫理
這條似乎有點兒扯淡，一個技術問題跟社會倫理有啥關係呢？實際上，西方大公司對此非常看重，這就是他們公司的社會責任和價值觀，船長認為還是非常人性化的。比如AlphaGo為啥退出中國，為啥宣佈不再參加圍棋比賽呢？簡單的說，他們不願意打亂圍棋市場，破壞人類的一項產業。
假如AlphaGo真的帶頭開發人工智慧教學了，以這些公司的技術實力很可能成功。然而，在他們成功的同時，可能一項產業被摧毀了，成千上萬的人要失業，要流離失所。按照中國邏輯，我成功了就好，你們這些事兒和我有啥關係。按照西方的觀點，這是一個企業的社會責任感，不可以隨便的去做。這就是阿爾法狗功成身退，退出中國的社會倫理背景。
不管國人如何看待，船長深為佩服。如果不以為然，請以某中國公司聲稱中國消費者願意用隱私換取便利去做對比。順便說一句，請大家祈禱，這項技術千萬別被中國公司開發出來。否則，全體圍棋老師沒有商量餘地的失業。
總之，船長看來人工智慧教圍棋短期內是不可能實現的。
1這一項功能跟AlphaGo下棋的完全是兩條線，不是一回事
2要想開發這個功能，需要一些新的演算法，新的邏輯，未必會有人願意進行商業開發。
3目前有實力的公司是有社會倫理的，不一定幹這些事。國內的某些大公司是一定會這麼幹的，但目前商業利潤又讓他們無利可圖。當然，打著人工智慧旗號的一些騙子是有的。
總之，暫時不會有人衝擊圍棋老師的飯碗。這就是船長一個偽理工男，關於人工智慧教學這件事所作的假專業，真燒腦的“科學論斷”。
最後說一個笑話
1867年的平安夜，美國西部一個小鎮傳出了世界末日的準確訊息。居民們聽了人心慌慌，只有一個二愣子大叔不以為然，照樣傻吃傻睡。
平安夜鐘聲一過，全村的男女老幼們都舉著十字架蠟燭，來到了一座能看見海岸的小山上進行祈禱，許多人留下了虔誠的眼淚。然而一驚一乍的一夜過去了，末日遲遲沒有到來，大家有些懈怠了，甚至有人心裡面開始偷偷地對信仰產生了動搖。
黎明了，太陽馬上要升起，突然響起了一陣刺耳的喇叭聲，眾人驚得跪倒在地上。緊跟著一個粗俗的大嗓門（二愣子大叔）在村邊上大喊：“快下地幹活兒吧，大天使是不會幫你收土豆的！”