會唱歌會講冷笑話的Siri。圖片來源:蘋果。
這個問題不是危言聳聽。從某種意義上來說，AI已經占領了它:從蘋果的Siri，到日常的瀏覽搜索引擎，再到網絡的文章推薦和商品推薦系統，所有這些都是人工智能——即使它們不在科幻小說中，我們的日常生活也已經很難與它們分開。
但是AlphaGo和這些常見的AI不壹樣。他們的區別在於學習方法和技巧的普適性。
Siri:腳本助手
Siri是壹個“智能助手”，它可以理解我們的口頭命令，幫助我們在線搜索，並幫助我們在列表中找到聯系人。但它的原理很簡單:通過語音識別技術，將語音轉化為語言的基本元素，如元音、輔音、單詞等，然後與系統內置的特殊命令進行比對。如果對比是實際問題，那麽執行相應的指令；如果有空題，從相對段落庫中挑選壹個段落。
所以它的問題壹目了然:如果妳命令它去做系統裏沒有的命令，它就會跳到街上。Siri雖然是AI，但卻是非常有限的AI:只能解決預先寫好的問題。
面對東北大哥的挑釁，Siri是被迫的(也可能只是尷尬)。圖片來源:蘋果
深藍:象棋無人能比，唯有象棋。
1997年，IBM制造的國際象棋機器“深藍”擊敗了當時的世界象棋冠軍卡斯帕羅夫。這是人工智能史上的標誌性事件。然而，深藍雖然打敗了世界冠軍，卻和Siri有著同樣的缺點:太專業化。
作為壹個程序，深藍的軟件是專門為象棋設計的。它評價盤面的四個標準包括力度、棋子位置、王者安全和布局節奏——顯然，這些指標完全依賴於象棋本身的規則，沒有任何擴展性。
卡斯帕羅夫對“深藍”。圖片來源:muse.jhu.edu
即便如此，還是很依賴“蠻力”。深藍硬件是當年最快的國際象棋機器。雖然有壹個系統來幫助篩選，但它仍然必須每秒鐘評估20億種可能的情況。為了滿足這種需求，IBM為其開發了定制硬件。
因此，與其說它是壹個象棋程序，不如說它是壹臺象棋機器。深藍只會下棋，學不會圍棋，連簡單的五子棋都不會。相比之下，卡斯帕羅夫作為人類，可以學習圍棋、五子棋、繪畫。深藍技術就像壹把專門為象棋設計的鑰匙，有很大的局限性。
自動駕駛汽車:采取新的方向
自動駕駛汽車的原理可以簡化為以下幾個步驟:
首先，它通過傳感器了解周圍的環境，就像司機用眼睛觀察周圍的情況；
然後通過聯網獲取道路的路線，就像我們開車時使用導航軟件壹樣；
然後計算機程序判斷附近的行人和汽車會如何移動；
最後計算出妳的最佳路線，並根據這條路線控制汽車的速度和方向。
谷歌的自動駕駛汽車。圖片來源:谷歌
具體到自動駕駛領域，但基本思路有些接近AlphaGo。
IBM Watson:通用智能
2011，美國IBM沃森的真人答題節目Jeopardy！擊敗世界上的人類棋手，其技術理念更像AlphaGo。沃森的決策包括四個步驟:首先，觀察，從環境中收集數據，然後對數據做出假設，然後評估這些假設，最後做出決定。不過和AlphaGo還是有壹些區別的。首先，它被設計成壹臺問答機。其次，在訓練沃森時，需要人類專家的參與——比如關於癌癥的問題，需要科學家從大量的書籍和論文中剔除過時的信息和錯誤的信息，並將排序後的數據餵給機器。但至少，它可以處理很多領域，這使得它比同行有著強得多的擴展可能性:Watson現在已經用在醫療領域了。
IBM Watson的標誌。圖片來源:IBM
那麽，AlphaGo的技術思路是什麽？
Deepmind創造了AlphaGo，試圖通過強化學習來構建通用人工智能。它的概念包含兩個實體，壹個是人工智能本身，壹個是它的環境。人工智能與環境的關系有兩種，壹種是通過傳感器感知數據，另壹種是通過具體行動影響環境。由於環境的復雜性，它不可能獲得所有的信息，需要不斷重復感知-反應的循環，才能在環境中獲得最大的利益。包括人類在內的大多數哺乳動物都符合這套規則。
強化學習技術不斷感知和反饋環境中的信息。圖片來源:谷歌
在AlphaGo之前，他們已經用這個想法讓AI玩遊戲了。2015年，發表在《自然》雜誌上的壹篇論文描述了如何讓壹個算法玩不同的雅達利程序，包括“太空入侵者”和“碎磚”等遊戲。AI像人壹樣看遊戲視頻，像人壹樣操作遊戲，慢慢向遊戲小白學習，成為遊戲高手。AlphaGo也是基於同樣的原理，模擬人學習圍棋的方式。它像人壹樣下棋，慢慢學會像專家壹樣思考。
這個技術概念需要原始數據，所以比那些需要手工輸入排序數據的方法更通用。原則上AlphaGo學圍棋，五子棋不是問題。
AlphaGo技術之所以最早用於遊戲，是因為無論是桌遊還是電腦遊戲，遊戲都比真題簡單很多。遊戲也很可能是第壹個將類似技術投入實際應用的領域:畢竟隨著遊戲技術的發展，遊戲開發者逐漸意識到好的AI和逼真的圖像壹樣重要。無論是即時戰略遊戲，比如星際爭霸，還是角色扮演遊戲中的NPC，先進的人工智能不僅可以成為強大的對手，還可以成為優秀的團隊夥伴。
不過它最強的壹點當然是課程適應性和學習能力。Deepmind聲稱這壹技術概念將很快應用於醫療領域，試圖解決個性化醫療的問題。而這絕對只是第壹步。