人类发明人工智能，显然不只是为了下下棋、伺候病人。然而，当能够替人类预测、规划、决策的AI出现后，我们真的就可以放心放手了吗？

    人，显然是比机器更贪婪的物种。

    在轻松击败围棋天王李世乭后，按捺不住的谷歌码农（程序员）们，又急吼吼地为Alpha Go，找到了下一个羞辱自己同类的角斗场——游戏。

    在本月的“2016暴雪嘉年华”开幕式上，谷歌公司透露，他们计划让自己的新一代人工智能，在暴雪公司的经典对战游戏《星际争霸2》中，和那些嚣张的宅男玩家们掰一掰手腕。

    游戏和围棋有什么不同？如果说围棋是极度抽象的纯思维对抗，那么游戏尤其是《星际争霸》这样的即时战略类型(SLG)，则是一场具体、细碎、强度高到普通人根本无法驾驭的较量。更形象地说，它是两个玩家对各自人生的一场模拟经营。

    那么回到现实，当能够替人类做出预判、规划等决策行为的“阿尔法狗们”真的出现时，你敢不敢把自己的工作、公司甚至人生，交给这个冷冰冰的机器呢？

    从拳手到CEO

    年初的那场人机围棋大战，人类输得毫无脾气。但这次的情况，或许不同。

    相比围棋你来我往的“回合制”不同，《星际争霸》讲的是各自为战的“即时战略”。在这类游戏中，玩家要根据系统提示的不完全信息，进行选择、预测和快速反应，以及对战局进行长期规划。

    简单说，围棋就像是拳击手一对一的搏斗。当一方出拳后，另一方需要作出闪避、反击的决策，以及之后对对手下几回合进攻意图的预估。而SLG类型游戏，玩家则更像分别扮演两个国家或公司的创始人和CEO（首席执行官），彼此之间进行一场你死我亡的竞争。

    游戏开始时，双方拥有相同的起步资源和生产工具。初期必须建立基本的资源供给（农业、采矿、伐木）和人口生育，同时去寻找、侦查对手的位置和发展路径。此后在一定物质和人口基础上，依照自己熟悉程度或者针对对手的特点和选择，在军事、科技、文化、商业、外交等方面，从若干种发展路径中选取一或几种，并且各行业之间要相辅相成，互相促进。中后期便是与对手直接进行军事或商业的交手了。

    前线激战的同时，玩家还需要统筹安排后方的生产制造，防备敌人潜入偷袭等。由于电脑屏幕只有一块，当双方在多个战场发生战斗时，玩家不仅要以极高速度在各战场和后方基地间切换、下达宏观命令，还要在具体的每一场战斗中细致操作每一名士兵的进退。

    这种达到智力极限的高强度挑战，注定可称之为高手的玩家数量，全球寥寥。可以说能够代表人类在《星际争霸2》中迎战AI的玩家，必然有着优于常人的智商，高超的分析、统筹、管理水平，以及坚定、果断的决心和强大的抗压能力。简言之，在不作弊的条件下，一名足够让AI头疼的对手。

    不被人类“雇主”看好

    尽管谷歌表示，与Alpha Go不同，《星际争霸2》的人工智能，将不仅仅是对抗，而是旨在辅助玩家能够把游戏玩得更好，为玩家和选手提升自身的实力水平提供帮助，但所有人都明白，如果AI能够胜任国王或者CEO，其意义何止帮人玩好一款游戏！大到商业、治国，小到家庭、情感，有网友甚至戏言：把人生决定权交给机器，我们或许会活得更好。

    在人类与AI的第二番较量举办和结束之前，我们很难做出过于肯定的预测和结论。但综合目前AI的发展态势来看，要想拿到人类CEO这份Offer（工作），机器还有很长的路要走。

    “综合管理，不仅需要强大的计算分析能力，更要能够在意识形态层面有出色的领会力。”一位不愿透露姓名的研究人员告诉记者，智能机器最大的优势在于分析和记忆，在海量数据的支撑下，这两项基本功就能帮助实现许多人脑达不到的层面。但本质上，它还是基于数据分析和计算的机器系统，它只能够模仿的是人脑能捕捉、能描述、能清晰可见的部分。至于意识形态层面的感知与反应，则很难模仿。智能机器与人脑在本质上是两种不同的分析“系统”。

    微软人工智能首席科学家邓飞认为，目前基于大数据的人工智能应用的局限之一就在于要依赖“深度监督学习”，就是说要在有与输入输出相匹配的大规模训练数据之后才能使用端到端的反向传播算法。“如果需要解决复杂的逻辑推理问题，基于大数据和深度学习的人工智能系统往往给不出理想答案。

    正如Siri之类的智能助手们一样，它们可以长时间进行重复工作，却不能像人类一样能够“积累经验”并越做越好。譬如在预订机票时，Siri只知道哪张机票更便宜，但不会衡量和计算为订这张机票额外花费的若干小时的时间成本问题。

    邓力在世界人工智能大会上接受记者采访时透露，杨澜曾带着采访团队到微软公司拍摄人工智能纪录片，其间专门试探过微软的Skype Translator。“她用唐诗来试我们的系统，结果很有意思，每个字、词都翻译得很对，但是整个句子翻起来诗意就没了。它还不能够真正达到人的智慧。”

    邓力认为，在不久的将来，计算机在“语音”和“视觉”等弱人工智能方面可以做得比人类好，但强人工智能领域的语言、知识和决策还远达不到这种程度。“计算机还没法理解一些常识类的东西并做出相应的最佳决策。要实现强人工智能或者全面人工智能，还要对‘脑机制’进行更多更深的探索，在硬件、算法上都要有更多突破，这需要很长的时间。”

    搞懂“蓝瘦”为啥“香菇”

    对于人工智能来说，理解人性最大的难点，还在于人类毫无由来的情绪化。许多决策的做出，往往并非基于理性，而仅仅因为“心情不好”“蓝瘦香菇”。这显然够AI们喝一壶的。尽管目前的AI在技术上已经可以实现对多种、单一核心情绪的准确识别，如快乐、惊讶、悲伤、愤怒、厌恶、恐惧、轻蔑等，而且对一个人同时产生的多种情绪也能够识别，比如悲喜交加。但是要“理解”导致某种情绪发生或波动的原因，目前技术还做不到。

    因此，“怎么把基于神经计算的深度学习跟符号逻辑连在一起”才是实现“真正的理解”的关键，“因为把逻辑关系搞清楚就能解释知识的应用和推理的过程。”

    邓飞比喻道：“就像随着小孩逐渐长大，他的知识和推理能力会一步步扩大。但在目前的技术条件下，人工智能的‘神经网络’很难把知识自动扩大。现在我看到的所有‘深度学习’包括所谓的阅读理解都不是真正的‘理解’。”

    不过，虽然人工智能还没有“念”完“MBA”的课程，但仅运算能力一项，就足以“秒杀”地球上那60多亿个“有机”对手。因而业内人士大多认为，就现有的技术条件，AI在用于辅助而非替代人类劳动力，即“AI+人类”的“双打”组合，才能够发挥最大效用。