作者：刘锋 计算机博士，互联网进化论作者

10月19日凌晨，在国际学术期刊《自然》（Nature）上发表的一篇研究论文中，谷歌下属公司Deepmind报告新版程序AlphaGo Zero：从空白状态学起，在无任何人类输入的条件下，它能够迅速自学围棋，并以100:0的战绩击败“前辈”。

团队称，AlphaGo Zero的水平已经超过之前所有版本的AlphaGo。在对阵曾赢下韩国棋手李世石那版AlphaGo时，AlphaGo Zero取得了100:0的压倒性战绩。DeepMind团队将关于AlphaGo Zero的相关研究以论文的形式，刊发在了10月18日的《自然》杂志上。

10月19日很多阿尔法狗的新闻。标题写着不依赖于人类的任何知识或者完全自通，但实际情况是阿法狗（零）在开始运行时，是需要程序员输入人类制定的围棋规则，阿法狗（零）依然依赖于人类设定的规则，而这其实是人类最为强大的知识。

阿法狗（零）的进展的确是人工智能领域伟大的进展，但这种伟大并不应该让人类自惭形秽，反而是衬托出人类的伟大。因为人类可以自主的进化，拥有发现规则，制定规则，使用规则，判断规则价值使之有利于种群的进化，这四点中，阿法狗（零）只做3中的一小部分，从宏观上说，AI离人类的距离，如同人类离“上帝”的距离一样

彻底战胜阿法狗（零）的方法有很多，最简单的方法是“把围棋的胜负规则定为谁占的空多，谁输，如果没有程序员帮助阿尔法狗调整，它会永远输下去，除非一次闪电导致的BUG,就像在机器猫故事里，让机器猫最早活过来的那种闪电”。

如同我们在论文"人工智能智商评测与智能等级“中探讨的那样：

关于AlphaGo是否具备创新创造性问题，我们认为它依然是依托人工支持的大数据训练形成的策略模型，同时在比赛中结合比赛对手的落点数据，根据其内部的运算规则，来不断形成自己的落点数据，这些落点数据最终形成比赛数据集合。AlphaGo根据围棋规则与对手的比赛数据集合进行计算和比较，判断输赢，整个过程完全在人类设定的规则下运行，无法体现其自身的创造性，如图4所示。

即使AlphaGo形成的落点数据集合很可能是人类历史上没有出现过的，也不能说明AlphaGo具备了独立的创新创造功能。例如，我们用计算机程序实现下述过程：从1万到100万的自然数中随机选取两个数进行相乘，记录相乘结果，重复此过程361次，即使得出的自然数集合很大，并且可能是人类历史上没有出现过的，我们也不能认定该计算机程序具有创新创造性。

如果AlphaGo在没有人类协助更改程序的情况下，能够自动理解比赛规则的任意变化，并主动更改内部设置，自动改变自己的训练模型，用于实战比赛，战胜对手，那么在这种情况下，我们才可能认为AlphaGo具备创新性。但从人工智能的发展过程看，AlphaGo还完全无法实现这一点。即使在很远的未来，也很难实现。正如一位专家的那样，更优秀的AlphaGo也是人类更优秀的一把刀。

如果说AlphaGo战胜了人类，倒不如是这个公式的成立：

程序员 + AlphaGo > 顶级围棋选手