人定勝天‧機定勝人

前日，谷歌的機械人AlphaGo，贏了南韓圍棋九段高手李世石，世人驚呼，機器勝人，亦開始有人謂，他日不炒股了，因為大戶的程式買賣實贏散戶，是乎？先看看谷歌這個AlphaGo。

國內有個《雷鋒網》，有位作者小芹菜如是說：這是歷史上電腦首次在公平競賽的條件下戰勝職業圍棋選手。即將到來的AlphaGo和李世石九段的大賽更多是讓人聯想起當年深藍和卡斯特羅夫（Каспаров）的對弈。

那麼，既然已經有了電腦戰勝國際象棋冠軍的先例，為甚麼在圍棋這個領域還會引起這麼大的關注呢？其根本原因在於，從計算的角度來看，圍棋比國際象棋難的遠遠不只是一、兩個數量級。象棋的棋盤上的位置只有圍棋的大約六分之一，這就決定了圍棋的計算複雜度（簡單說來就是可能出現的不同棋局的總數）遠超國際象棋，從目前人類實用中接觸的數字來看，幾乎是一個無窮大數。不太理解的朋友可以參考「一張紙如果能對摺64次可以從地球伸到月球」的傳說。

能夠學習 可大量複製並應用

這次使AlphaGo大放光彩的核心技術，是近年來蒸蒸日上的深度學習技術。自2006年Hinton再度引爆深度神經網絡（是指電腦所具備的學習能力，深度神經網絡是其中一種學習框架，英文是Deep Learning）的熱潮之後，深度學習在十年間幾乎橫掃所有人工智能相關的領域，在語音和視覺等領域的眾多問題中頻頻取得突破性的進展。很多學者和工業界研發人員也從最初的謹慎懷疑態度轉向積極跟進，進而推動了深度學習在理論和實踐兩方面的迅猛發展。在增強現實領域的經驗而言，儘管深度學習在實用時還需要克服一些諸如實時性的挑戰，但已經在一些實際應用中（比如大規模圖片識別和人臉分析）成功的使用了深度學習技術，並且期待在不久的將來會取得更好的結果和推廣。

AlphaGO贏了之後，小米的雷軍在其微信公眾號表示：

這一局棋，開局的時候雙方並沒有表現出明顯的漏洞，也難以看出誰更優勢。有評論說李世石有一處失誤讓AlphaGo盤面佔優。不過中盤階段李世石攻擊力強悍，獲得了優勢。甚至有評論者說AlphaGo如果是個真人，說不定已經投子認負了。但是到了終盤，獲勝的卻是AlphaGo。

作為圍棋愛好者和電腦工作者，我堅信電腦勝出是時間問題，但是我真的沒想到第一局電腦就贏了。今天只是5局比賽的第一局，不過AlphaGo和李世石的這場對弈本身的歷史意義是超越勝負的。從19年前IBM的「深藍」電腦在國際像棋比賽上戰勝世界大師卡斯帕羅夫以來，計算機科學與技術作為人類智慧的結晶，所表現出來的強大計算能力和驚人的成長潛力，都令人嘆為觀止。據說AlphaGo擁有的最了不起的人工智能能力是自我學習的能力。今天有好幾次非常規落子，都讓許多專業棋手錶示「看不懂」。Google的工程師也表示，AlphaGo早就不依賴棋譜來決策落子的選擇。能夠讓機器開始有自我學習的能力，這是非常了不起的事情。

更重要的一點是，李世石作為人類圍棋領域的頂級代表，多少年才能培養一個？全世界能有幾個？然而我們複製一百萬個、一千萬個AlphaGo的難度又有多大呢？一個人的智力和技巧的提升，無論他多麼出類拔萃，對於其他人的影響終究有限。而一台機器的智能水平能走到哪裏，其他機器就都能走到哪裏。從這一點上看，我對未來人工智能的發展充滿了期待。

缺乏感情 只是冷冰冰的機器

AlphaGo前天贏了一局後，就有些炒股和圍棋愛好者有投子之態，而在前Google高管、創新工場CEO李開復看來，機器與人相比還有不足的地方，例如缺乏感情「機器在嗅覺、味覺方面的問題已經可以解決，只是商業方面還沒有需求；邏輯計算已經超越人類；感知方面還有提升的空間；感情方面機器不如兩歲的孩子，未來能否進展存在爭議，現在已有機器在表象上看起來有喜怒哀樂。」

李開復同時透露：「其實懂得機器學習（人工智能的核心技術之一）的朋友已經在用這個方法炒股賺錢了，這是即將發生的事情。」

圍棋愛好者看完比賽決定不再炒股。

的確，如果你是炒股的話，真是不要炒了，因為人腦運算今時可能會慢過電腦，最重要的是人有感情、主觀，可以使投資者輸錢，但如是投資，就不怕，因為只要你能揀出好股，即有盈利能力和有好派息之股，則投資者是與機械人在同一個市場內共贏，而不是一輸一贏，共同富貴，有甚麼問題？

要揀出好股，方法不難，市盈率不太高（約15倍），派息率增高（約3.5至2.5厘），管理層肯全心去經營，就一定「投」贏。