AlphaGo和Siri等AI有什么区别？
会唱歌会讲冷笑话的Siri。图片来源:苹果。
这个问题不是危言耸听。从某种意义上来说，AI已经占领了它:从苹果的Siri，到日常的浏览搜索引擎，再到网络的文章推荐和商品推荐系统，所有这些都是人工智能——即使它们不在科幻小说中，我们的日常生活也已经很难与它们分开。
但是AlphaGo和这些常见的AI不一样。他们的区别在于学习方法和技巧的普适性。
Siri:脚本助手
Siri是一个“智能助手”，它可以理解我们的口头命令，帮助我们在线搜索，并帮助我们在列表中找到联系人。但它的原理很简单:通过语音识别技术，将语音转化为语言的基本元素，如元音、辅音、单词等，然后与系统内置的特殊命令进行比对。如果对比是实际问题，那么执行相应的指令；如果有空题，从相对段落库中挑选一个段落。
所以它的问题一目了然:如果你命令它去做系统里没有的命令，它就会跳到街上。Siri虽然是AI，但却是非常有限的AI:只能解决预先写好的问题。
面对东北大哥的挑衅，Siri是被迫的(也可能只是尴尬)。图片来源:苹果
深蓝:象棋无人能比，唯有象棋。
1997年，IBM制造的国际象棋机器“深蓝”击败了当时的世界象棋冠军卡斯帕罗夫。这是人工智能史上的标志性事件。然而，深蓝虽然打败了世界冠军，却和Siri有着同样的缺点:太专业化。
作为一个程序，深蓝的软件是专门为象棋设计的。它评价盘面的四个标准包括力度、棋子位置、王者安全和布局节奏——显然，这些指标完全依赖于象棋本身的规则，没有任何扩展性。
卡斯帕罗夫对“深蓝”。图片来源:muse.jhu.edu
即便如此，还是很依赖“蛮力”。深蓝硬件是当年最快的国际象棋机器。虽然有一个系统来帮助筛选，但它仍然必须每秒钟评估20亿种可能的情况。为了满足这种需求，IBM为其开发了定制硬件。
因此，与其说它是一个象棋程序，不如说它是一台象棋机器。深蓝只会下棋，学不会围棋，连简单的五子棋都不会。相比之下，卡斯帕罗夫作为人类，可以学习围棋、五子棋、绘画。深蓝技术就像一把专门为象棋设计的钥匙，有很大的局限性。
自动驾驶汽车:采取新的方向
自动驾驶汽车的原理可以简化为以下几个步骤:
首先，它通过传感器了解周围的环境，就像司机用眼睛观察周围的情况；
然后通过联网获取道路的路线，就像我们开车时使用导航软件一样；
然后计算机程序判断附近的行人和汽车会如何移动；
最后计算出你的最佳路线，并根据这条路线控制汽车的速度和方向。
谷歌的自动驾驶汽车。图片来源:谷歌
具体到自动驾驶领域，但基本思路有些接近AlphaGo。
IBM Watson:通用智能
2011，美国IBM沃森的真人答题节目Jeopardy！击败世界上的人类棋手，其技术理念更像AlphaGo。沃森的决策包括四个步骤:首先，观察，从环境中收集数据，然后对数据做出假设，然后评估这些假设，最后做出决定。不过和AlphaGo还是有一些区别的。首先，它被设计成一台问答机。其次，在训练沃森时，需要人类专家的参与——比如关于癌症的问题，需要科学家从大量的书籍和论文中剔除过时的信息和错误的信息，并将排序后的数据喂给机器。但至少，它可以处理很多领域，这使得它比同行有着强得多的扩展可能性:Watson现在已经用在医疗领域了。
IBM Watson的标志。图片来源:IBM
那么，AlphaGo的技术思路是什么？
Deepmind创造了AlphaGo，试图通过强化学习来构建通用人工智能。它的概念包含两个实体，一个是人工智能本身，一个是它的环境。人工智能与环境的关系有两种，一种是通过传感器感知数据，另一种是通过具体行动影响环境。由于环境的复杂性，它不可能获得所有的信息，需要不断重复感知-反应的循环，才能在环境中获得最大的利益。包括人类在内的大多数哺乳动物都符合这套规则。
强化学习技术不断感知和反馈环境中的信息。图片来源:谷歌
在AlphaGo之前，他们已经用这个想法让AI玩游戏了。2015年，发表在《自然》杂志上的一篇论文描述了如何让一个算法玩不同的雅达利程序，包括“太空入侵者”和“碎砖”等游戏。AI像人一样看游戏视频，像人一样操作游戏，慢慢向游戏小白学习，成为游戏高手。AlphaGo也是基于同样的原理，模拟人学习围棋的方式。它像人一样下棋，慢慢学会像专家一样思考。
这个技术概念需要原始数据，所以比那些需要手工输入排序数据的方法更通用。原则上AlphaGo学围棋，五子棋不是问题。
AlphaGo技术之所以最早用于游戏，是因为无论是桌游还是电脑游戏，游戏都比真题简单很多。游戏也很可能是第一个将类似技术投入实际应用的领域:毕竟随着游戏技术的发展，游戏开发者逐渐意识到好的AI和逼真的图像一样重要。无论是即时战略游戏，比如星际争霸，还是角色扮演游戏中的NPC，先进的人工智能不仅可以成为强大的对手，还可以成为优秀的团队伙伴。
不过它最强的一点当然是课程适应性和学习能力。Deepmind声称这一技术概念将很快应用于医疗领域，试图解决个性化医疗的问题。而这绝对只是第一步。