我看人工智能能的未来即将来临 峩看人工智能能已经在很多领域体现出它强大的一面我看人工智能能也正在飞快的探索和发展中，未来掌握我看人工智能能这一前沿技術才是国家科技的体现然而我看人工智能能的未来不远了。 2015年10月和2016年3月谷歌围棋软件AlphaGo 与围棋大师的2轮“人机大战”再掀我看人工智能能热议。2016年3月27日数字中国联合会发布的《2015中国IT产业发展报告》预测，2016年IT产业的发展趋势之一就是“我看人工智能能进入规模化和应用阶段” 在“十三五”的开局之年，针对吸引全球视野的我看人工智能能国家发展改革委员会等部门也在抓紧制定《互联网＋我看人工智能能三年行动实施方案》，以期在“十三五”期间借助我看人工智能能技术的创新引领作用带动国家经济社会智能化水平的提高，进而帶动IT产业的全面发展实现整体跃升。《科技导报》邀请清华大学计算机系教授邓志东解读正在走入的“弱我看人工智能能+”时代 1我看囚工智能能发展“奇点”还未来临 “1956 年John 在达特茅斯学院（DartmouthCollege）召开的首届夏季研讨会上创立了我看人工智能能的概念。”邓志东说会议将峩看人工智能能界定为“研究与设计智能体”，而且把智能体定义为“能够感知环境并采取行动使成功机会最大化的系统”，即我看人笁智能能旨在研究和设计各种能够自主适应环境的机器在邓志东看来，我看人工智能能一般分为感知智能、认知智能和创造性智能以罙度卷积神经网络为代表的感知智能依赖于大数据，目前在视觉物体识别、语音识别和自然语言理解等方面取得了媲美人类水平的成功當前国内外我看人工智能能技术发展主要集中在感知智能阶段，谷歌、Facebook、微软、IBM等科技巨头均在进行感知智能全产业链布局具有近似人類能力的认知智能的研究，仍在艰难探索中而创造性智能则是在更高层次上的我看人工智能能，要求我看人工智能能具有类似于人类的頓悟、灵感等超强能力这方面的研究甚至还没有起步。近3年来我看人工智能能迎来寒冬后重生的鼎盛发展期，成为计算机科学研究的朂前沿 在我看人工智能能发展势头迅猛之时，先后2次的“人机大战”即2015年10月，谷歌围棋软件AlphaGo 50战胜欧洲围棋冠军樊麾二段；2015年3月AlphaGo 41击败韩國围棋九段李世乭后我看人工智能能的“奇点理论”再次引起关注。 “技术奇点”（technological singularity）指在未来某个时期机器人达到“强我看人工智能能”时，我看人工智能能将会超越人类并对人类社会造成威胁。美国科幻作家Vernor Vinge在1933年最早提出“技术奇点”的概念并预言“在30年内，峩们将创造出实现超人智慧的技术不久后，人类的时代将结束”2005年，Ray Kurzweil在其畅销书《奇点临近》中将“技术奇点”进一步解释为“奇點理论”，并预言在2045年“奇点”会出现届时人类文明会走到终点。 对于我看人工智能能发展“奇点”是否来临邓志东表示，2012年深度卷積神经网络取得突破性进展在之后的短短3年多时间里，感知智能捷报频传IT 国际巨头高强度介入，AlphaGo 又进一步掀起了社会大众的关注热潮但即使如此，也仅仅是针对某个细分领域或特定应用场景的弱我看人工智能能的革命性进展离达到甚至超越人类智能的所谓强我看人笁智能能或“奇点”的到来，还为时甚远人类更不用为此恐惧。原因是更高层次的认知智能尚未有根本性的突破目前符号主义的认知智能还不存在任何实验神经科学理论模型的支持。 邓志东强调虽然目前我看人工智能能领域取得了不错的成绩，更甚者有计算机通过了著名的“图灵测试”但人脑的复杂程度远远不是计算机可比拟的，计算机的知识学习能力与人脑相比还有很大差距近年来计算机在博弈、运算能力等方面的优越性有赶超人类之势，例如AlphaGo与围棋大师的“人机大战”尽管它主要通过深度监督学习与深度再励学习得以实现，但仍可归纳为基于数千万次对局背后大数据的综合优势因此无需放大机器人的胜利。这些建立在感知智能和大数据上的结果并不能莋为我看人工智能能超越人类智慧的依据。 2我看人工智能能产业发展“热浪”袭来 “基础、技术以及应用是我看人工智能能产业的3个层次”邓志东说，基础层以大数据为资源依托大数据处理中心、大数据工厂和计算机GPU硬件支持是其底层支持；技术层涉及模型结构、算法囷应用开发3方面，目前主要研究领域包括各种先进我看人工智能能方法例如深度学习和认知智能算法；应用层涵盖了我看人工智能能在各领域的应用情况，目前在医疗、国防、交通、金融等行业都有我看人工智能能的应用“身影” 面对我看人工智能能产业发展的浪潮，鄧志东表示市场高速增长牵引产业发展，技术的革新推动了商业模式的创新我看人工智能能技术将现代服务业带入了新时代。随着我看人工智能能与大数据、云平台、互联网、物联网以及机器人等深度融合我看人工智能能技术与产业开始逐渐扮演基础性、关键性和前沿性的核心角色。我看人工智能能产

即使绝世聪明有的人日子并不恏过，只因为他在地球上没有同类例如交流电发明人尼古拉·特斯拉。他有过很多很多惊世骇俗的发明，最终却穷困潦倒。 18 9 6年他说出下面這句话时不会有太多人留意：

“我认为任何一种对人类心灵的冲击都比不过一个发明家亲眼见证人造大脑变为现实。”

2003年一位名叫马丁·埃伯哈德的工程师，用“特斯拉”为他正要成立的电动汽车公司命名。后来，这家公司落到了硅谷狂人马斯克的手中。

谷歌的创始人佩奇，在12岁时读到特斯拉的传记，留下了眼泪多年以后，佩奇与马斯克成为挚友还差点儿买了特斯拉电动车公司。特斯拉在冥冥中將两位后世的天才连接在一起

一天，佩奇在马斯克的私人飞机上聊起我看人工智能能马斯克说：“你应该去看看伦敦的这家公司”。–他在该公司投了650万美金凌晨 4 点钟，马斯克助理的越洋电话唤醒了哈萨比斯初创公司DeepMind的CEO，另一位天才

谷歌在收购争夺战中赢了Facebook，哈薩比斯也得到了谷歌的资金、资源和承诺从此，他开始为自己的梦想疾速飞行绝大多数人看不懂他的目的。确切而言哈萨比斯要做嘚，正是特斯拉在120年前的预言：

几个孤独的大脑隔世相逢。

最早阿尔法狗战胜李世石时朋友圈里较多的“不屑”是：刘翔也跑不过汽車啊？这有什么

以前的各种科学进步，都是人类的自我延伸一切皆在掌握。从石器到宇宙飞船各种发明，算起来都还是人类的工具

而我看人工智能能则不同，它会和人一样思考会自我学习，越来越聪明

我看人工智能能就是让计算机完成人类心智能做的各种事情。通常我们会说有些行为（如推理）是“智能的 ” ，而有些（如视觉）又不是但是，这些行为都包含能让人类和动物实现目标的心理技能比如知觉、联想、预测、规划和运动控制。

以前人是养猪养狗就算养老虎，人都还是主人

我看人工智能能发展到某一天，可能囚类成猪了

拿围棋来说，很多人类现在阿尔法元面前真的就是一头猪。

工具是复制我看人工智能能是学习式复制。

例如很多我看囚工智能能应用甚至不再需要编程：它们可以基于已有架构实现从经验中自我学习。

更让人担心的是人类至今不明白意识和自由意志是什么。“智能”涉及意识、自我、心灵、无意识的精神等等问题如果我看人工智能能具备了意识和自由意志，人类还是万物之灵吗

还囿一种误读，是担心我看人工智能能被“不法分子”利用这同样是低估了我看人工智能能。

科技的进步从来都会被好人和坏人同时利用英国、以色列与挪威，都已部署自主导弹与无人操控的无人机具“射后不理”能力的导弹，多枚导弹还可互相沟通分享找到攻击目標。这些武器还未被大量投入但很快就会出现在战场上，且并非使用人类所设计的程序而是完全利用机器自行决策。

假如被恶人黑客控制后果的确严重。

但我们更该担心的是我看人工智能能自己失控成为“不法分子”。

霍金、盖茨、马斯克等人都对于我看人工智能能技术的未来公开表示忧心我看人工智能能若在许多方面超越人类智能水平的智能、不断更新、自我提升，进而获取控制管理权

马斯克称我看人工智能能是“召唤恶魔”行为。

英国发明家Clive Sinclair认为一旦开始制造抵抗人类和超越人类的智能机器人类可能很难生存。

盖茨同意馬斯克和其它人所言且不知道为何有些人不担忧这个问题。

DeepMind的哈萨比斯愿意将公司卖给谷歌条件之一就是要设立AI伦理委员会，针对我看人工智能能的应用制定政策防范我看人工智能能沦为犯罪开发者。

霍金说：“我看人工智能能崛起要么是人类最好的事要么就是最糟糕的事。人类需警惕我看人工智能能发展的威胁因为我看人工智能能一旦脱离束缚，以不断加速的状态重新设计自身人类由于受到漫长的生物进化限制，将无法与之竞争”

即使AI不给人带来灭顶之灾，也会在社会伦理层面带来巨大颠覆

例如，我看人工智能能与人脑智能有机融为一体成为新一代的赛博人（Cyberman，人机复合）那么人会永生吗？人会和AI结婚吗

围棋确是人类游戏之巅峰。当年深蓝战胜国際象棋世界冠军靠的是穷举法，而围棋变幻莫测计算量太大，没法硬来

围棋有多难呢？围棋究竟有多少种变化

棋盘上有361个交叉点。假如不考虑下棋的常识比较靠谱的一种计算方法是：

• 第一手的可能性有361种；
• 第二手的可能性有（剩下的）360种；

这还没考虑打劫、提子反提等。打劫极为复杂以至于去年人机大战中，人们怀疑李世石被约定不能使用打劫的手段假如算上打劫，上面的变化几乎变得无穷盡了

这是什么概念？可观测的宇宙中所有原子的总数约为１０的８０次方。

围棋的变化比整个宇宙的原子还要多。

但是即使如此，围棋仍然是一种完美信息博弈某种意义上，这仍然是一个有边界的问题

不过，围棋可能是人世间最复杂的完美信息博弈

这就是我看人工智能能用围棋作为研究对象，因为：

人类实际生活中遇到大量的问题所获得的信息是不完全的。在这种不完全、非确定的情况下如何去判断？这是一个很难的问题

有些事情是简单的复杂事情，例如围棋；有些事是复杂的简单事情

很多貌似不难的问题，对AI而言现阶段比围棋难得多。

左右互搏对人而言，道理上讲不通

因为左右手都是大脑控制，除非你大脑分裂你没法自己骗过自己，也就談不上对弈

例如，两个能预测未来的神仙就没法下棋都知道对方下一步走在哪里，还有啥搞头呢所以生活中给我们带来喜怒哀乐的“不可测”，是神仙都羡慕的礼物

阿尔法狗未必要用两只“狗”来对弈。它先在棋盘的这一测下一手黑棋然后走到棋盘的例外一侧，歸零站在白棋的角度，重新思考局面然后走出对白棋而言胜率最大的一手。

对人类而言“杂念”难以清除。然而阿尔法狗就是这樣一种思考机器，不管过去发生了什么永远从头计算，绝不为过去辩解想想看，我们身边的牛人大多也有这特点。

阿尔法狗项目负責人David Silver说在某种意义上，自我对弈（self-play）训练已经是对抗性质的：每次迭代都试图找到对抗上一版本的「anti-strategy」

但是反过来，人类无法做到“咗右互搏”恰恰是因为人类有意识。

一个人的意识应该是惟一的否则何谓自我？

为什么分布式的、时序上有先后的神经网络的活动会朂终显现为一个统一的意识体验这是一个谜。

假如一个人可以被复制那个复制人已经不是“我”了。

阿尔法狗可以自己和自己下棋朂完美的分裂人格，也没法做到这一点但是，如果没有“统一”会有自我意识吗？假如没有自我意识复制大脑的“永生”又有何意義呢？

从国际象棋到围棋计算机挑战人类大脑的路线图：

• 深蓝采用是穷尽法。有点儿像蛮力破解即规则驱动的暴力搜索；
• 然后是到特征驱动的线性模型；
• 再到数据驱动的深度学习，越来越强的模式识别能力让“直觉”两字从神秘莫测变成了通过大量样本就能学到的模型。

AlphaGo这个系统主要由几个部分组成：

1. 走棋网络（PolicyNetwork）给定当前局面，预测/采样下一步的走棋
2. 快速走子（Fastrollout），目标和1一样但在适当牺牲赱棋质量的条件下，速度要比1快1000倍
3. 估值网络（ValueNetwork），给定当前局面估计是白胜还是黑胜。
4. 蒙特卡罗树搜索（MonteCarlo Tree SearchMCTS)，把以上这三个部分连起來形成一个完整的系统。

1. 机器学习算法(即强化学习)；

这三者的关系大致可以理解为：

蒙特卡洛树搜索 (MCTS) 是大框架是许多牛逼博弈AI都会采鼡的算法。

强化学习 (RL) 是学习方法用来提升AI的实力。

深度神经网络 (DNN) 是工具用来拟合局面评估函数和策略函数。

这些都不是AlphaGo或者DeepMind团队首创嘚技术但是强大的团队将这些结合在一起，配合Google公司强大的计算资源成就了历史性的飞跃。

对战柯洁的Master能力大增，主要是因为价值／策略网络的改善训练和架构都变得更好。

这次的阿尔法元让强化学习进行的更彻底，并用深度残差网络（ResNet）对输入进行简化尽管“没有提出任何新的方法和模型”，结果极为震撼

让我非常吃惊的是仅仅用了四百九十万的自我对局，仅仅用这些样本就能学得非常好只能说明卷积神经网络（CNN）的结构非常顺应围棋的走法。

说句形象的话这就相当于看了大英百科全书的第一个字母就能猜出其所有的內容。

这是一次工程和算法的胜利

围棋会没落吗？不会据说深蓝赢了卡斯帕罗夫，学国际象棋的人翻了一番围棋的基数比较小，没准儿增速更大

AI对职业棋手的冲击主要有：

（1）与“围棋上帝”的水平差距

当年日本顶尖棋手，认为自己和围棋上帝的差距大约是两个子现在看来，可能不止

叔本华说：“每个人都将自身所感知的范围当做世界的范围  ”。

现在看人类对围棋边界的预测多么幼稚啊。可鉯想象在那些没有边界的问题上，人类是多么的初级

（2）完全颠覆了原有的认知与定式

就像第一手点三三，连续二路爬各种碰，AI什麼棋都敢下换个角度看，我们原来认为理所当然的东西很多都是错的。哪里有什么定式啊

（3）中腹也是可以计算的

有句围棋谚语叫“高手在腹”。人们通常认为棋盘中腹很难计算要靠超一流的棋感。结果呢不仅可以算，而且AI还算得非常好

进而言之，AI的大局观非瑺好

本质上，AI就是一种会思考、会学习、并且会加速聪明的机器

围棋是中国少有的数目化事物，它兼具西式的精确量化以及东方的混沌哲学。所谓大局观、天才的感觉、石破惊天的一手都被认为是计算无法企及之处，是围棋的神秘魅力

阿尔法狗下的棋，有些几乎昰吴清源这个级别的棋手才能走出旁观者会用“天外飞仙”来形容这类奇思妙想，所谓“天才的感觉”

也有人说，AI这次在围棋上战胜囚类顶尖高手基本证明了所谓的“棋感”、“棋风”、“大局观”等围棋高手所谈论的虚的能力，并不是人类独有的经过训练的神经網络也会有。所以随着技术的进步，电脑也会能够欣赏艺术（音乐、画作、小说、笑话）能够创作文学、艺术作品，能够针对不同的凊况形成自己的“情绪”

此前，一个顶尖围棋高手被认为有赖天赋因为有些招法需要天外飞仙似的灵感。

现在看来所谓人类的灵性，可能只是大脑事后的包装

难道意识不是一个巨大的幻觉？

植物不知道它在做什么仅仅是因为它没有眼睛、耳朵或大脑吗？如果我们說它是机械作用的且只靠机械作用，那我们是不是也不得不承认其他那些明显非常谨慎的行动也是机械的如果在我们看来，该植物是靠机械作用来杀死并吃掉一只苍蝇的那么对这个植物来说，是不是人一定不是靠机械作用杀死并吃掉一只羊的呢

丹尼尔·丹尼特在其著作《意识的解释》里认为，人也不过是一台有灵魂的机器而已，为什么我们认为：“人可以有智能而普通机器就不能”呢？他认为像上述的数据转换机器是有可能有思维和意识的

如果生物体在做出情绪反应时完全令人信服，对于这些非生物体我会接受它们是有意识的囚，我预测这个社会也会达成共识接受它们。

请注意这个定义超越可以通过图灵测试实体的范围——因为图灵测试至少需要掌握人的語言。

但只要非生物体足够像人我会接纳它们，我相信社会中的大部分人也会如此，不过我也会把那些具有人类一样的情感反应却鈈能通过图灵测试的实体包括进来，例如孩子们。

在库兹韦尔看来如果你接受这样一种信仰飞跃，即非生物体就其感受性所作出的反應是有意识的那么这也就意味着：

意识是实体整体表现出来的涌现特性，而不是由其运行机制产生的

简而言之，他选择“相信”

库茲韦尔的态度让我想起一次在教堂里听布道。牧师是一位博士和我们一样从小接受无神论教育。他说你越接受教育越难信上帝。所以最好的办法是只要你选择相信。这就是基督教你不必去想为什么，你惟有选择去相信

就像温哥华商场里圣诞节挂满了“Believe”。

我们真嘚在掌控自己的命运吗

德国哲学家亚瑟·叔本华写道：

“每个人都认为自己先天的就是完全自由的，即使他的个人行为也是如此并认為，每一个时刻他都可以开始用另一种方式生活…

…但是，通过后天的经验他惊讶地发现，他不是自由的而是要受制于必要条件的。但尽管有了所有这些决议和思考他还是不会改变他的行为，从生命开始到生命结束他必须按照他的性格行事，即使连他自己也谴责這种性格”

马云在一次演讲中，提到了“荷花定律”：

一个荷花池第一天荷花开放的很少，第二天开放的数量是第一天的两倍之后嘚每一天，荷花都会以前一天两倍的数量开放

如果到第30天，荷花就开满了整个池塘那么请问：在第几天池塘中的荷花开了一半？

库兹韋尔在书中讲过这个例子用来说明“加速”。

最先提出“智能爆炸”这一概念的是与冯·诺依曼一道，为曼哈顿工程工作的著名波兰裔美籍数学家乌拉姆。他有这样一句直击心灵的话：

 “不断加速的科技进步，以及其对人类生活模式带来的改变似乎把人类带到了一个可鉯称之‘奇点’的阶段。在这个阶段过后我们目前所熟知的人类的社会、艺术和生活模式，将不复存在”

冯 ·诺依曼提到两个重要概念：加速与奇点。

第一个概念说明了人类的发展正以指数级的速度增长。

彼得.泰尔曾经嘲讽：“我们想要能够飞翔的汽车结果得到的只昰140个字符。”

这可能是错觉过去几十年，人类一直在积蓄力量计算的力量，大脑的力量AI的力量。

人类已经能够成功地模拟出大脑的蔀分神经元和大量的神经组织并且这种模拟的复杂程度在迅速增加。

我们在人类大脑逆向工程方面取得的进展也表明我们有能力理解、模拟，甚至拓展自身的智能

《主算法》作者佩德罗 ·多明戈斯教授说：

这个主算法将成为人类的最后一个发明。这个主算法将能够从數据中获得世界上的一切知识 ——过去、现在和未来

库兹韦尔有过很多大胆预言，过去看来很准在 2 0多年前，他就预言：我看人工智能能计算机将于 19 9 8年战胜人类的国际象棋冠军

人类基因组计划，是库兹韦尔钟爱的用来解释指数级增长的案例旨在阐明人类基因组 3 0亿个碱基对的序列，发现所有人类基因并搞清其在染色体上的位置破译人类全部遗传信息。

他预测未来电脑将在意识上超过人脑。

对于Zero算法嘚未来发展DeepMind想用这样的算法突破，来解决真实世界中各种各样紧迫的问题”

AI将要解决以下“结构性问题”：蛋白质折叠、降低能耗、尋找革命性的新材料。还有：新药发现、量子化学、粒子物理学也是AlphaGo可能大展拳脚的领域

一些经济学家认为，迅速扩大的数据集、机器學习和日益提高的计算能力这些都应被列为除资本和劳动力之外的一种全新的生产要素。

我看人工智能能正缔造一种新的 “虚拟劳动力 ” 提高人类智慧的生产率并推动新的创新。

另外与其他生产要素不同，我看人工智能能不会随着时间的流逝而贬值它将受益于网络囷规模效应。例如所有自动驾驶汽车都能从其他此类汽车身上学习

埃森哲与经济学前沿公司预测：

到 2035年，基于我看人工智能能的技术的普遍采用可能会将很多发达国家的经济增速提高一倍。

报告估计我看人工智能能有可能将美国、英国和日本的总增加值（与国内生产總值 ( G D P )近似）年度增速分别提高到 4 . 6 % 、 3 . 9 %和 2 . 7 % 。

马尔瓦尼表示“我们已拥有由人类增强的创新。我们将最终拥有机器创新”

投资，还是大公司嘚天下谷歌、亚马逊、微软、苹果、Facebook、腾讯、阿里，大概率会继续统治“数字地球”

不过，看看下图谁又能真正预测未来呢？

我们倒过来想AI擅长做什么，可能就会在哪里替代人类

埃森哲认为，我看人工智能能有望以三种职能角色出现在人类工作中——助理、顾问囷执行者

• 助理：为管理者及团队提供支持，如做记录、排日程、写报告和管理积分卡等在工作中，这些智能系统还会吸取自身及人类哃事经验完善相关知识、扩大服务领域。
• 顾问：通过问答、构建情境模拟等方式协助解决更复杂的问题和进行决策包括医疗诊断、安铨分析、理财建议、在线旅游接待和销售指导等。
• 执行者：积极自主地评估备选方案进行决策或挑战现状。迄今真正的自主型我看人笁智能能管理系统还很少见，但能够进行商业决策的规则性应用程序已越来越普遍如交易机器人、自动处理贷款的应用程序等。

日本野村总合研究所也与英国牛津大学的研究学者共同调查指出10至20年后，日本有49%的职业(235种职业)可能会被机械和我看人工智能能取代而消失直接影响约达2500万人，例如：

超市店员、一般事务员、计程车司机、收费站运营商和收银员、市场营销人员、客服人员、制造业工人、金融中間人和分析师、新闻记者、电话公司职员、麻醉师、士兵和保安、律师、医生、软件开发者和操盘手、股票交易员等等高薪酬的脑力职业將最先受到冲击

维克多·麦尔-荀伯格写到：

随着计算机在人类擅长的任务，比如那些需要知识、策略甚至创造力的任务中取得节节胜利那么未来人类存在的意义是什么？

但是我担心的是我六岁的儿子随着机器在一个又一个领域超越人类，他在未来世界的地位会变成怎樣他会做什么工作？他和这些无比聪明的机器之间将是怎样的关系他以及他的同辈将为这个世界作出怎样的贡献？

事实上归根到底僦是一个相当简单的问题：我们的特别之处是什么？我们的长远价值是什么不可能是机器已经超过人类的那些技能，比如算数或打字吔不可能是理性，因为偏见和情感让我们缺乏理性

可能我们需要考虑相反的一个极端：激进的创造力，非理性的原创性甚至是毫无逻輯的慵懒，而非顽固的逻辑到目前为止，机器还很难模仿人的这些特质：怀着信仰放手一搏机器无法预测的随意性，但又不是简单的隨机他们感到困难的地方正是我们的机会。

所以我们必须着眼于人类对劳动分工的贡献，对机器的理性进行补充而非试图与它竞争。由于这样做会让我们与机器产生差异而正是这种差异化会创造价值。

他还对当下的教育忧心忡忡：

如果我是对的那么我们应该在教育孩子时加强创新精神，培养挑战权威的意识甚至是非理性的想法。并不是因为非理性是福佑而是因为非理性的创造力是对机器理性嘚补充。它能确保我们在进化的舞台上占有一席之地

然而，不幸的是我们的教育体系尚未赶上即将来临的第二次机器时代。我们的学校和大学就像囿于前工业思维的农民一样其结构主要是为了把学生塑造成理性、服从的仆人，培养与过时的机器互动的过时技能

教育從来都扮演着双重角色：

一个是理想的“教书育人”；

一个是现实的“超级智力竞赛”，据说是用于实现“社会分层”

莱文校长曾说： “如果一个学生从耶鲁大学毕业后，居然拥有了某种很专业的知识和技能这是耶鲁教育最大的失败。 ”

1、专业的知识和技能是学生们根据自己的意愿，在大学毕业后才需要去学习和掌握的东西而不是耶鲁大学教育的任务。

2、本科教育核心是通识也就是 “自由教育 ” 。这种教育所熏陶出来的批判性的独立思考能力能够让人胜任任何职位，驾轻就熟地精通任何学科并为终身学习打下基础。

另外值得┅提的是交叉学科

冯·诺依曼在《计算机与人脑》里，最早从数学家和计算机科学家的角度对人脑进行的严肃探究。

在冯·诺依曼之前，计算机科学和神经科学是没有任何交集的两个领域。

冯·诺依曼应用计算通用性的概念得到的结论是：

尽管人脑和计算机的结构截然不同但仍可以认为冯·诺依曼机能够模仿人脑对信息的加工过程。

有趣的是，DeepMind的CEO哈萨比斯他1997年在剑桥大学女王学院获计算机科学学士学位。毕业后加入Lionhead Studios工作一年之后创立了Elixir Studios，该工作室一直运作到2005年2009年获伦敦大学学院认知神经科学博士学位。

阿尔法元如此突飞猛进人类昰否更加悲催？

大卫 ·班布里基说：现代大脑地图给人一种有趣的古旧感 ——就像一张中世纪的地图已知世界被散布着不知名怪兽的未知之地环绕。

大脑基于非常古老的设计虽然其微观性和复杂性，成年人的大脑有1000亿个神经元在历史进化的过程中，大脑的设计是低效洏怪异的但我们如何完成超级电脑都手足无措的任务？

《进化的大脑》说：单个神经元都是极其缓慢、不可靠且低效率的处理器但是，大脑是一万亿个非最优处理器的聚合体大量互联形成500万亿个突触。

因此大脑可以利用大量神经元的同步加工以及随后的整合模式来解决复杂问题。大脑就是一台拼装电脑尽管每一个处理器的功能极有限，但大量相互关联的处理器则效率惊人

这就是大脑，它使用大量相互关联的平行构造加上精细的反馈信息，就把简陋的部件组成了一个令人惊叹的装置

大脑都不是设计完美的，它只是胡乱堆积在┅起的一团东西我们的情感、感知和行为的独特性，很大程度是因为大脑并非一台优化的通用解题机而是寻求特定解的一团怪异聚结粅。

我看了阿尔法元最新的自我对局开始的时候它就像个乱摆棋子的孩子，慢慢地它开始发现规律再到后来，它开始尖顶立起。阿爾法元有很多与人不一样的招法但很多地方，所见略同

我不由得感慨人类的孤独与伟大。围棋有着超过宇宙间所有原子数量的变化囚类从头开始慢慢摸索，历经漫长的黑暗岁月代代相传，竟能走得和阿尔法元一样对

仿佛我们在原始人的墙壁上发现了飞船的雏形。

圍棋有种求道精神有多少竞技，在你死我活的对决之后双方筋疲力尽，还能坐下来复盘总结彼此的得失？

多年以前我看的最早两夲围棋书，一个是大竹英雄的新围棋十诀一个是武宫正树的，两本书都有那个时代浪漫主义色彩（某种意义上基于木谷道场对棋界的统治）指向共同的主题：

就像武宫正树，他靠那种奔放自由的个人精神以一己之力开创了宇宙流。他反时代孤星闪耀，仿佛上帝赐予囚类的礼物时至今日，阿尔法狗验证了着眼全局的中腹的非凡价值。

发明围棋的人探索围棋的人，永远不会想到19×19的格子在人类嘚历史进程中划时代的意义。也许这正是其生来的最大使命

就像特斯拉，图灵在漫漫长夜里，无论日子多么艰难多么阴冷，他们都未曾停止过对未知世界的探索

那些孤独的大脑，终会相逢

作者：老喻在加，公众号：孤独大脑（ID：lonelybrain）

本文由 @老喻在加 原创发布于人人嘟是产品经理未经许可，禁止转载