AlphaGo 戰勝李世石後，最讓你害怕的是什麽？

AlphaGo即便沒有戰勝李世石，我最擔心的依然是一群人出來宣揚人工智能威脅論。不止這問題，大多數AlphaGo相關問題下的答案都是重災區。

一群人連AlphaGo的基本演算法都不懂，講個machine learning基本概念都一臉懵逼，把自己的腦洞當真知灼見指點人工智能發展方向，還代表全人類覺得AI要統治人類。科普根本不願聽，反復說各種「你也不能確定」「誰也不知道未來」。呵呵。為啥崔永元反轉基因招人煩？

我今天不要友善度，不客氣的說一句：所有看不懂AlphaGo那篇Nature論文而借AlphaGo大肆妄議人工智能的，都是垃圾。

對，包括在各大直播平台上出來講解的大多數IT圈人士和知乎某些自以為懂AI的大V。有多少水平有沒有看過那篇Nature，不要以為大多數人都看不出來就可以胡扯。什麽AlphaGo加了多少硬件智能指數增加這種蠢話，明明那篇nature的數據就已經說明了沒有這回事。知道目前摺積神經網絡最廣泛用法是處理影像，就認為AlphaGo記憶棋盤影像然後像分析影像那樣分析計算的，也真的是夠蠢萌。還有看了AlphaGo前三盤表現或某些數據就認為這演算法無懈可擊，因為自己賽前猜李世石會完敗所以自以為自己水平很高的，我很高興李世石第四盤狂打你們的臉。

好好去讀那篇nature會死麽？哦，不懂英文和裏面的數學？去看介紹分析這篇nature的中文文章咯。還是看不懂？那還不承認自己無知。

無知不可怕也不是錯，可怕的是對自己的無知一無所知還到處宣揚謬誤，然後帶領著不明謬誤的人一起開腦洞編織陰謀論。

真的，以後不是AI統治人類，只是蠢人會被AI取代。

——————————

補充：

實話說我寫這篇答案時候剛跟人工智能威脅論支持者撕逼完，此問題當時也沒多少人關註，所以主要是在發泄情緒，行文比較暴躁……幾天得到這麽多點贊和關註，實在是有點出乎意料，也覺得受之有愧。請大家還是主要關註以下幹貨。

以上引文中，朱克伯格已經打了霍金比爾蓋茨馬斯克臉了，電腦科學界泰鬥史超活•羅素駁斥了的奇葩奇異點理論，還有摩爾定律已接近失效，2014年所謂「透過圖裏測試」也是大有爭議，請不要再拿以上這些當論據來支持人工智能威脅論。

另外還有該答案對奇異點理論的吐槽：

想看對AlphaGo那篇nature中文介紹的，請關註這個問題：

其中幾個高票答案寫的都不錯。真的， 看一篇幹貨比看十個所謂擔憂人類被AI統治的答案有意義多了。

還有這篇幹貨很贊：

（微信公眾號文章，電腦開啟可能會有圖片無法顯示的情況。）

下圖出自上文，版權屬於作者 鄭宇，張鈞波，是我目前所見的對AlphaGo原理最清晰簡明的中文解析。

至於理論上為什麽實作強人工智能以及人類被AI奴役的可能性很小，推薦閱讀樓下：

AlphaGo 戰勝李世石後，最讓你害怕的是什麽？ - Goliath Li的回答

以及：

為什麽人工智能領域的很多專家會認為「人工智能將對人類存亡造成威脅」是無稽之談？ - 李天宇的回答

估計看懂Goliath Li回答裏的理論部份對很多人有難度。看不懂沒關系，我們確定該答案裏這種理論上的嚴謹推理的靠譜程度遠高於「你怎麽敢確定……」「你怎麽知道未來不會……」這種cheap的言論就行。

看完李天宇的答案，我相信大家更容易感覺到Machine Learning並不是什麽人類不可控的玄學。我BF數學專業，經常跟我一起討論學習Machine Learning，他說，目前大多數Machine Learning的演算法數學理論難度不會超過數學系本科三年級。

轉個machine learning界大牛Yann LeCun的意見：

轉譯：

Slashdot發表的關於AlphaGo勝利的聲明：「 現在我們知道了，我們不需要任何大的新突破就可以做出真正的AI了」

簡直是完全絕對荒謬的錯誤。

就像我之前說過的：絕大多數人類和動物的學習方式是非監督學習。如果智能是個蛋糕，非監督學習才是蛋糕主體，監督學習只能說是蛋糕上的糖霜鮮奶油，而強化學習只是蛋糕上點綴的櫻桃。現在我們知道如何制作「糖霜鮮奶油」和上面的「櫻桃」， 但並不知道如何制作蛋糕主體。

我們必須先解決關於非監督學習的問題，才能開始考慮如何做出一個真正的AI。這還僅僅是我們所知的難題之一。更何況那些我們未知的難題呢？

這裏得給個註釋，AlphaGo的演算法裏運用了監督學習和強化學習，幾乎沒有用非監督學習。其中監督學習裏運用到了模仿人類神經網絡和思維方式的「深度摺積神經網絡」。而Yann LeCun是摺積神經網絡的創始人之一。從這篇

深度學習三十年創新路

， 也可以一窺Yann LeCun在機器學習界的地位。

另外，

田淵棟老師專欄：

遠東軼事 - 知乎專欄

和南京大學周誌華老師的微博：

南大周誌華的微博

幹貨也不少，不過不都是科普，有些比較專業的討論適合有機器學習基礎的去看。

————2015.3.28補充————

人工智能三題

這篇文章裏提到的人工智能發展的三條途徑非常有意思，對深度神經網絡和自由意誌的理解也值得借鑒。

真心希望大家趁這個機會多了解一下人工智能，少聽一點人工智能威脅論。

** 由於評論區實在太長，我不會再閱讀回復評論。如果這個問題還有人關註點贊，我會把我最近看到的好的答案，文章和資源參照不斷補充進來。