AlphaGo的旗开得胜，让人们对谷歌的人工智能技术大为赞叹。对于此次人机大战，大多数业界人士预测李世石会赢，但未来几年内，AlphaGo将凭借“深度学习”算法不断增长棋力，最终战胜职业围棋世界冠军。然而，第一盘棋的过程和结果，相信会让很多人将“未来几年内”调整为“现在”。那么问题来了：人工智能既然已达到这一高度，其未来发展趋势是什么？会不会出现物理学家霍金所担忧的人类被机器掌控？

与1997年击败卡斯帕罗夫的“深蓝”不同，AlphaGo在保留部分“暴力算法”的基础上，主要采用了深度学习算法。美国天普大学计算机与信息科学系王培教授介绍，在计算机科学中，“学习”和“计算”是两个不同的概念。如果一个问题的解决过程在一个系统中表现为“计算”，就意味着对这个问题的每个实例（输入），系统的解答过程必须遵循某个预定的方法（算法），而且答案（输出）一定符合某个确定的标准。与此相反，“学习”意味着对同一个输入，输出的质量随着经验积累而逐渐提高，所以不是确定的。正是通过机器学习，AlphaGo的棋力不断增长，克服了“暴力算法”在超复杂游戏中的缺陷。

但是要看到，机器的深度学习与人类的学习仍存在本质区别。前者预设了一种计算结果作为终点（对AlphaGo而言，是理想的围棋模型），也就是说，每个局面都有一个最好的下法，而学习是找到或接近这一下法的过程。一旦对每个局面都找到了最好的下法，学习的使命也就结束了。以AlphaGo为例，它还能在围棋棋力上继续提高，但不可能再学习国际象棋等其他技能。而人类的学习显然不是如此，人脑可以学会各种技能，尽管在单项技能上很可能不如智能机器，但在学习能力的广度上属于完胜。

从这个意义上说，AlphaGo和普通计算器没有本质区别——它们都在单项能力（算术、下围棋）上超过人类，但驻留在“器”的层面，无法在更高层次的“道”上举一反三、触类旁通，展现出无限的可能性。

由此可见，机器无法仅凭借深度学习，在智能上超越人类。我们大可不必为AlphaGo战胜李世石而忧虑人类的未来。如一些专家所言，人工智能的未来发展目标，应设定为“通用人工智能”。这要求一个人工智能系统可以像人那样学会很多事情：做算术、写文章、画画、下棋……并能处理生活中纷繁复杂的情况。等到“通用人工智能”机器的研发有眉目时，再来谈霍金的担忧也不迟。

题图来源：新华社