而阿爾法元與幾位哥哥的最大區別是， 它不再需要人類資料作訓練。 因此， 我們把AlphaGo Zero稱作“阿爾法元”， 天為始， 元為初， 寓意從零開始。
本文共計2711字， 閱讀時間5分鐘。
記者 | 蔡浩爽
編輯 | 趙力
AlphaGo家族的人工智慧圍棋手進入了華山論劍南帝北丐中神通的境界， 比發明出雙手互搏術的周伯通更厲害的是， 最新的AlphaGo Zero記者表示， 阿爾法元的自主學習帶來的技術革新並非適用於所有人工智慧領域。 “圍棋是一種對弈遊戲， 是適用於規則並可以窮舉的。 在相對有結構的領域， 比如新材料開發， 過去靠的可能是靈感， 未來就可以靠自主學習。 阿爾法元的新技術確實可能帶來革新。 但是， 像語音辨識， 圖像識別， 自然語音理解等等領域， 缺乏用簡單規則就能判別的樣本， 它們依然需要大量的人類資料。 ”
在整個人工智慧產學研屆為DeepMind19日淩晨發表的這篇論文額手相慶時， 也有人當頭澆下一盆冷水。
互聯網進化論作者、電腦博士劉鋒在一篇文章中表示：“關於AlphaGo是否具備創新創造性問題， 我們認為它依然是依託人工支援的大資料訓練形成的策略模型， 同時在比賽中結合比賽對手的落點資料， 根據其內部的運算規則， 來不斷形成自己的落點資料， 這些落點資料最終形成比賽資料集合。 AlphaGo根據圍棋規則與對手的比賽資料集合進行計算和比較， 判斷輸贏， 整個過程完全在人類設定的規則下運行， 無法體現其自身的創造性。 ”
孫甲松也同樣認為， 這一成果在人工智慧角度沒有實現實質性突破， “我認為這只是把AlphaGo過去的學習演算法進行了大幅度改進， 將價值網路和策略網路整合為一個統一架構，
但在李開複看來， 論文的成果不可低估。 “雖然有些技術並不是DeepMind開創的， 比如ResNet。 但能夠完美集成這些技術， 本身就具有里程碑意義。 ”他認為， DeepMind的這一成果具有指向標意義， 證明了這個方向的可行性。 “哪怕這一成果稱不上諾布林水準或者圖靈水準， 但今夜過後， 我相信會有一大半以上的研究人員在這個方向開始嘗試。
有觀點稱， 阿爾法元的工程和演算法確實非常厲害。 但人們容易對此產生誤解， 認為人工智慧是萬能的， 所有人工智慧都可以無需人類經驗從零學習。 每次關於人工智慧的討論， 都會被引導人工智慧威脅論。
但李開複認為， 人天生就具備跨領域的能力， 比如人可以同時看到、聽到、感受到， 但在這方面， 人工智慧還差著十萬八千里；人工智慧也並不像很多人以為的那樣具有自主思考能力。 “當下的機器沒有欲望， 不會設立目標， 也沒有自我意識。 ”
“在我看來， 今天的事件更應該總結為兩點：一是AI前進的速度比想像中更快， 即便是我們這些所謂行業內的人士都被阿爾法元跌破眼鏡；二是要正視中美在人工智慧方面的差距。