AlphaGo 战胜李世石后，最让你害怕的是什么？ 第1页

AlphaGo即便没有战胜李世石，我最担心的依然是一群人出来宣扬人工智能威胁论。不止这问题，大多数AlphaGo相关问题下的答案都是重灾区。

一群人连AlphaGo的基本算法都不懂，讲个machine learning基本概念都一脸懵逼，把自己的脑洞当真知灼见指点人工智能发展方向，还代表全人类觉得AI要统治人类。科普根本不愿听，反复说各种“你也不能确定”“谁也不知道未来”。呵呵。为啥崔永元反转基因招人烦？

我今天不要友善度，不客气的说一句：所有看不懂AlphaGo那篇Nature论文而借AlphaGo大肆妄议人工智能的，都是垃圾。

对，包括在各大直播平台上出来讲解的大多数IT圈人士和知乎某些自以为懂AI的大V。有多少水平有没有看过那篇Nature，不要以为大多数人都看不出来就可以胡扯。什么AlphaGo加了多少硬件智能指数增加这种蠢话，明明那篇nature的数据就已经说明了没有这回事。知道目前卷积神经网络最广泛用法是处理图像，就认为AlphaGo记忆棋盘图像然后像分析图像那样分析计算的，也真的是够蠢萌。还有看了AlphaGo前三盘表现或某些数据就认为这算法无懈可击，因为自己赛前猜李世石会完败所以自以为自己水平很高的，我很高兴李世石第四盘狂打你们的脸。

好好去读那篇nature会死么？哦，不懂英文和里面的数学？去看介绍分析这篇nature的中文文章咯。还是看不懂？那还不承认自己无知。

无知不可怕也不是错，可怕的是对自己的无知一无所知还到处宣扬谬误，然后带领着不明谬误的人一起开脑洞编织阴谋论。

真的，以后不是AI统治人类，只是蠢人会被AI取代。

——————————

补充：

实话说我写这篇答案时候刚跟人工智能威胁论支持者撕逼完，此问题当时也没多少人关注，所以主要是在发泄情绪，行文比较暴躁……几天得到这么多点赞和关注，实在是有点出乎意料，也觉得受之有愧。请大家还是主要关注以下干货。

以上引文中，扎克伯格已经打了霍金比尔盖茨马斯克脸了，计算机科学界泰斗斯图尔特•罗素驳斥了的奇葩奇点理论，还有摩尔定律已接近失效，2014年所谓“通过图里测试”也是大有争议，请不要再拿以上这些当论据来支持人工智能威胁论。

另外还有该答案对奇点理论的吐槽：

想看对AlphaGo那篇nature中文介绍的，请关注这个问题：

其中几个高票答案写的都不错。真的，看一篇干货比看十个所谓担忧人类被AI统治的答案有意义多了。

还有这篇干货很赞：

（微信公众号文章，电脑打开可能会有图片无法显示的情况。）

下图出自上文，版权属于作者 郑宇，张钧波，是我目前所见的对AlphaGo原理最清晰简明的中文解析。

至于理论上为什么实现强人工智能以及人类被AI奴役的可能性很小，推荐阅读楼下：

以及：

估计看懂Goliath Li回答里的理论部分对很多人有难度。看不懂没关系，我们确定该答案里这种理论上的严谨推理的靠谱程度远高于“你怎么敢确定……”“你怎么知道未来不会……”这种cheap的言论就行。

看完李天宇的答案，我相信大家更容易感觉到Machine Learning并不是什么人类不可控的玄学。我BF数学专业，经常跟我一起讨论学习Machine Learning，他说，目前大多数Machine Learning的算法数学理论难度不会超过数学系本科三年级。

转个machine learning界大牛Yann LeCun的意见：

翻译：

Slashdot发表的关于AlphaGo胜利的声明：“ 现在我们知道了，我们不需要任何大的新突破就可以做出真正的AI了”

简直是完全绝对荒谬的错误。

就像我之前说过的：绝大多数人类和动物的学习方式是非监督学习。如果智能是个蛋糕，非监督学习才是蛋糕主体，监督学习只能说是蛋糕上的糖霜奶油，而强化学习只是蛋糕上点缀的樱桃。现在我们知道如何制作“糖霜奶油”和上面的“樱桃”， 但并不知道如何制作蛋糕主体。

我们必须先解决关于非监督学习的问题，才能开始考虑如何做出一个真正的AI。这还仅仅是我们所知的难题之一。更何况那些我们未知的难题呢？

这里得给个注释，AlphaGo的算法里运用了监督学习和强化学习，几乎没有用非监督学习。其中监督学习里运用到了模仿人类神经网络和思维方式的“深度卷积神经网络”。而Yann LeCun是卷积神经网络的创始人之一。从这篇

， 也可以一窥Yann LeCun在机器学习界的地位。

另外，

田渊栋老师专栏：

和南京大学周志华老师的微博：

干货也不少，不过不都是科普，有些比较专业的讨论适合有机器学习基础的去看。

————2015.3.28补充————

这篇文章里提到的人工智能发展的三条途径非常有意思，对深度神经网络和自由意志的理解也值得借鉴。

真心希望大家趁这个机会多了解一下人工智能，少听一点人工智能威胁论。

**由于评论区实在太长，我不会再阅读回复评论。如果这个问题还有人关注点赞，我会把我最近看到的好的答案，文章和资源引用不断补充进来。