除了AlphaGo以4∶1戰(zhàn)勝了李世石，近年來，類似的例子還有不少。例如，IBM公司的Watson程序在問答比賽中戰(zhàn)勝了人類冠軍、計算機會寫新聞稿和賦詩、自動駕駛、所謂用意念控制無人機等。由此似乎可以得出結(jié)論，人工智能的時代真的開始了，世界將面臨被機器接管的風險。

我們在接受這些突破之前有必要探究一下隱藏在背后的技術(shù)實質(zhì)。例如，Watson是基于文本匹配的檢索，沒有多少推理的成分；賦詩程序是效仿標注格式的充填，需要人工篩選結(jié)果；自動駕駛所依賴的附加設(shè)備價值超過車輛本身好幾倍，且對環(huán)境敏感；所謂意念只不過是分離出來的腦電信號，對它的分類結(jié)果在可靠性、穩(wěn)定性和可重復性上都很差。

AlphaGo下棋程序在人工智能領(lǐng)域?qū)儆谟嬎銠C博弈這一研究分支，那么，它究竟難不難實現(xiàn)呢？雙人博弈下棋游戲開展得非常早，屬于人工智能少數(shù)幾個鼻祖級的研究對象之一。例如，上?？萍拣^有一個下五子棋的機器；1997年IBM公司開發(fā)出了國際象棋程序；2008年的西洋跳棋程序更是達到了人不犯錯就只能與它下平手的水平?？梢?，人工智能學者在這一領(lǐng)域已經(jīng)深耕了很多年。

所有這些雙人博弈游戲都有三個共同特點：第一，游戲規(guī)則非常明確；第二，棋局布局很清晰且很規(guī)整；第三，棋盤空間很有限。這些看似不重要的特點對計算機程序、對人工智能來說卻是極端重要的利好。因為正是這些規(guī)則性、規(guī)范性和有限性，使得看似復雜的下棋問題在計算機上變得非?？尚?，如此明確的計算對象恰是計算機編程能夠如魚得水的理想環(huán)境。所以，計算機下棋不但不是挑戰(zhàn)，反而遠比自然語言理解、場景理解、不確定性推理等任務(wù)要容易研究得多，否則它就不會在人工智能誕生的一開始（20世紀50年代）就成為我們的研究對象之一。

在技術(shù)實現(xiàn)上，人工智能下棋程序通常使用一種被稱之為“狀態(tài)空間搜索”的方法，其核心思想是：第一，把棋局的演化過程看成一個個狀態(tài)，用某種數(shù)學形式進行記錄；第二，由下棋法則規(guī)定的走步方法可以把這些狀態(tài)串聯(lián)起來，形成一張非常龐大的狀態(tài)演化網(wǎng)絡(luò)；第三，用搜索的辦法在網(wǎng)絡(luò)中找出對自己有利的走步策略。這種方法由于形式化程度高，因此非常適合在計算機上編程實現(xiàn)。當然，這也帶來了存儲空間和搜索效率的問題。實際上，我們往往會利用一些有價值的信息來引導搜索的方向，如我們“歧路尋羊”時會利用羊留在路上的蹄印或留在草上的牙印來篩選跟蹤路徑。這次AlphaGo下圍棋同樣會面臨這樣的問題。它利用機器學習技術(shù)，從大量現(xiàn)成的對弈中學到了兩樣至關(guān)重要的東西，一是如何由當前的棋局映射出若干應(yīng)子對策，二是如何對應(yīng)子后的布局進行利己性打分。前者使它能夠快速找到應(yīng)對走步，后者使它能夠快速對不同走步的好壞進行判斷。這樣就避免了它在龐大到超乎想象的圍棋狀態(tài)空間（理論上總共有3361個狀態(tài)）中進行窮舉搜索，只需進行小范圍的有限搜索即可，其中所謂機器學習過程就是從大量以往的對弈棋譜中建立當前布局與下一步走步之間的對應(yīng)關(guān)系。AlphaGo所基于的搜索技術(shù)和機器學習技術(shù)其實都是現(xiàn)成的，但它在對棋局模式的刻畫方式和如何對棋局好壞進行評價方面還是有創(chuàng)新性的。尤其是它對圍棋布局的數(shù)學化表征方式，這直接影響到機器學習的效率和能否最終找出布局與走步之間的關(guān)聯(lián)關(guān)系。

AlphaGo的成功更像是人工智能領(lǐng)域中基于實例的推理研究，也就是針對當前面臨的問題去尋找以往經(jīng)歷過的一個或幾個類似的問題，把當時的解決方案拿來做一點適應(yīng)性修改后應(yīng)用到新問題上去。當套用到下圍棋這個需求上時，這個基于實例的推理過程就可以簡化為當前棋局布局與以往某個布局間的相似性匹配和走步方法類推。因此，我們可以說谷歌公司用一種非常恰當?shù)募夹g(shù)解決了一個非常有顯示度的問題。但是據(jù)此說這個圍棋程序能夠“學習”和“創(chuàng)新”還是值得商榷的，因為它實現(xiàn)的實質(zhì)上是同一范疇下的類比。它進行走步?jīng)Q策時完全不理解人類棋手那些“金角銀邊草肚皮”之類的下棋原則，也不需要懂什么叫“實地”，只是把下圍棋當作了一個由一種布局模式推演到另一種布局模式的過程，只知其然而不知其所以然。我們甚至不能認為這是一種智力，充其量是一種強悍的細分記憶力。

人類圍棋下輸了，那么人類智能就此崩塌了嗎？其實人類智能的強項可能不在下圍棋這種只有極少數(shù)人才能達到高水平的項目上，而在那些應(yīng)付不可預(yù)期的能力上面。例如下圖，它顯示了一種包裝雞蛋的方式。