嘉賓介紹：
王小川，搜狗公司CEO，前搜狐進階副總裁、首席技術官。1994年王小川用吳文俊消元法，首次在微型機下完成初等幾何命題的全部證明。1996年王小川代表中國隊參加第8屆國際資訊學奧林匹克競賽（IOI），獲得金牌，後為中國隊教練。
2015年，王小川以“群體智能支撐的網際網路技術及應用”科技成果獲得北京市科學技術獎一等獎；獲得了科技北京百名領軍人才、推動“北京創造”的10大科技人物獎、以及北京市勞動模範稱号。此前王小川還入選了2014年北京市高層次創新創業人才計劃，并獲得了2014年安永中國新興企業家獎等多個獎項。
2016年王小川代表搜狗捐贈清華大學1.8億元成立“天工智能計算研究院”，共同緻力于人工智能前沿技術的研究。王小川先生畢業于清華大學計算機專業，擁有工學學士、工學碩士，以及EMBA學位。
我今天的題目是《AlphaGo的幕後與思考》。大家可以看道這張圖顯示的是人機大戰中4：1的比分。我的了解是一個學術與市場營銷的完美的結合。全中國人，估計95%都知道這樣一場比賽，而且這場比賽也徹底颠覆了我們對技術、對人工智能的了解。
為什麼這麼說呢？
我先用一個詞，Google背後的心機。Google在今年1月份在《自然》雜志上發表了一篇文章，講的是跟樊麾打一場比賽，比賽前跟樊麾簽了一個協定，不管結果是輸是赢，不能對外透露任何細節，要嚴格保密的。假設谷歌沒有發論文，先跟樊麾比賽，能有多大學術的高度？
對于大多數人來講，光看論文是沒有感覺的。但是谷歌的團隊心思之缜密，不僅是在做研究的這群人，還把事情推到特别大的高度。另外他們為什麼選樊麾？如果谷歌選一個職業選手，但是沒有世界冠軍頭銜，我們覺得挺LOW。找一個世界冠軍，挺高的頭銜，但對專業選手而言，僅有二段，不算高手。
是以，在這件事上，我覺得谷歌既把眼球吸引到了，又留給大家想象和争論的空間。
比賽之前大家是什麼心态呢？
比如聶衛平覺得計算機一點機會都沒有，這是不可克服的問題，認為機器能夠下棋是沒有判斷力的表現。甚至還有中國隊的圍棋總教練俞斌，他是在圍棋界裡面計算機學得最好的，在80年代自己寫下圍棋的計算機程式，得到很多認可。他認為機器是一點機會沒有的，因為我認為計算機有它不可克服的問題，人和電腦相比，根本沒有勝負，100%是人赢。
我想在這裡面能夠看到人性當中脆弱的一面，每個人都有，每個人生病的時候都有自己的壓迫，别人說你特蠢，東西做得爛，大家都不開心。每個人都有自尊心。這件事一定會把一部分人放在曆史舞台的對立面。圍棋選手今天很不幸，在下棋上有這樣的問題。
計算機的問題怎麼講？
比如李開複講認為AlphaGo比較懸，但是未來能赢，IT界的人不會說機器幹不過人，否則存在感就沒有了。但是通常都認為機器沒有這麼快，以後會赢得。在這個比賽中，大多數搞技術的人都沒有感覺到這個事情發生的速度。
2月份的樣子，我在知乎上發帖，說這次AlphaGo會完勝。因為它滿足了張钹院士講的三個條件：
第一、提出了問題。人工智能在下棋上是一個重大的事，好多人沒有想這個方向。
第二、我看到它會赢。
第三、我知道為什麼會赢。
我認真地讀了論文，找了下圍棋的人請教，鬥膽發了這樣一篇文章，是有勇氣的，最後也被驗證成功了。理想跟現實之間差别是很大的，對于這樣一個技術趨勢裡面，我覺得我是有判斷的，但是市場股價沒辦法思考。
比賽前到比賽後就是七八天時間，給AlphaGo取了一個新的名字，叫“阿老師”，我們特别希望中國有人做出這樣的阿老師，把它當老師看。
在比賽前、比賽後，我們對機器的了解裡面産生了巨大的變化，我們開始接受它，把它拟人化，而且比分很巧妙，4：1，如果赢五局可能就不好了，不是圍棋選手被滅了，是人類被滅的感覺。
印刷術建立之後，我們開始探讨人和人之間的關系。就像文藝複興是從封建社會到資本主義社的分水嶺。咱們中國現在還沒經曆這個運動，是以有一點點問題。
AlphaGo之後，帶來我們重新的思考，就是機器和人的關系。有專家會講機器還不行，有人講機器以後會颠覆人類。
我們以前認為機器就是機器，拔電源就行了。診斷報告是機器給做的，說你這個人有什麼問題，看片子還得找專家。但是在今天，照完片子之後，機器的診斷效果可能比人更準。我有一個醫學朋友，做CT看片子的，他說大多數醫生看片子的準确率是40%，他現在到70%，已經高很多了。
我們今天接受機器的很多判斷。這是我們的心理上一個巨大的變化，我把它稱為“第二次人類自己的運動”。
關于人工智能，打擊都有很多想法。做産品的時候，就是想機器怎麼能在裡面做決策、識别。決策就分了三個層次。
第一層，将傳統方法交給機器。
第二層，将答案交給機器記憶學習。
第三層，将目标給機器自我學習。
這是我自己的了解，也跟AlphaGo脈絡一緻。最早的專家系統是第一個，我們把規則交給機器，把計算機世界變成一個邏輯，告訴機器，這是原來的階段。
這個階段裡的重大的問題就是我們沒法去教機器，不知道怎麼描述的時候，機器就不靈了，而且教出來的徒弟永遠是比人弱的，這是不夠的地方。甚至在做一些學習系統中，我們也要嘗試告訴機器怎麼去描繪一個實物，比如說做人臉模型。王小川長成這樣，大家都認識，但是要描述出來，比如說臉很圓，這個事情也比較不靠譜。是以我們發現我們沒法告訴機器。
有了深度學習的方法，我們解決了一個問題，就是隻告訴機器答案，給的資料越原始越好，這會使得程式員、工程師更容易應對專業的問題。因為它可以減少自己的專業背景，不用講說我要去懂人，或者像醫生一樣懂得片子怎麼看，是拿資料訓練的。
在這樣一個深度學習或者是人工智能發展過程中，深度學習本身帶來了好處，技術人員更容易進入到專業領域破解題目，這是技術本身。
對公司而言，公司的領頭人一定是對行業了解比較深刻，很懂行業應用，這是我們講的第二個側面。不用給機器方法，隻給答案，機器自己找方法。
AlphaGo代表一個趨勢，既不給規則，也不給答案，把自己變成一個判斷者，就像下圍棋一樣。圍棋之前訓練的時候，前三盤棋是把人之前的走棋方法告訴機器，機器跟人處于類似的狀态。之後機器人自己下，不知道哪個棋好不好，下完之後，人告訴機器這個結果好不好。人工智能又得到一個新的法門，答案都不需要知道，變得更加省事。
最近有一個消息應該是比較靠譜的，AlphaGo在今年内會跟柯潔打一場比賽，我跑去看了很多評論，以前是一邊倒覺得人會赢，今天一邊倒覺得機器會赢。
我有一個猜想，我認為這一次跟柯潔比賽的AlphaGo是沒有經過那三千萬盤棋學習的，因為之前是從KGS裡面拿了人六段到九段的走棋，讓機器學習，這是跟李世石打比賽用到的。
但是跟柯潔的比賽我認為是新的，兩個從來沒有學習過的機器，然後告訴你赢了、你輸了，什麼都不會的機器訓練一個下棋的規則來。以前的機器是仿人的，我們判斷機器走棋走得好不好都是經驗去判斷。
下棋的時候，頭兩局機器赢了，人輸了，媒體的報道是中盤逆轉。為什麼叫中盤逆轉？因為前一半裡專家的态度是機器走得特别臭，走到一半的時候，機器越到中局的時候越好了。這個時候就覺得機器是翻轉局面了。
後來資料統計說，在他們的視野裡面，機器一直是領先的，隻是以人的眼光覺得機器走得很差，以機器的眼光，它走得挺好的。是以我們對機器的了解是有限的。比如慕容複中原的武功學會，然後再去修煉，突然來一個西域的，或者沒有跟中國比賽過的，沒有學過圍棋打法的，我們會遇到這樣的問題。是否用這個程式參加比賽是我的猜想但是Google嘗試不用人訓練機器，我蠻佩服的。
哪些職業會被取代，倒過來講就是哪些行業是創業的機會？
在下圍棋的程式中，如果把程式突然間跟AlphGo說，對不起，我們改點規則，把棋盤放成21×21，放大兩個，機器肯定就不會下棋了，但是李世石一定會下。是以機器能做的事情是非常有限的。
如果說題目非常清晰，就像下圍棋一樣，輸入的資訊就局限在有限的輸入，有規則清晰的輸出，在這種情況裡，機器會把人取代。
任務的确定性高，輸入的資訊封閉有邊界，輸出答案是标準可評價的。像醫生、司機、股票的高頻交易，輸入的資訊有限的行業裡，機器學習是有很大機會的。一些創造性的行業，像畫家、作家、科研等等，思考的問題沒有邊界，對機器而言，完全找不到機會努力。
技術人員讓機器更加聰明，提高機器效率，能夠看到更廣闊的前景。做搜尋的公司，做人工智能好像更有優勢，為什麼？因為有很多的資料，像芮勇講的要做資料的時候，搜尋機車，找圖檔，沒找到就不會點選了，使用者的點選都會反過來給圖檔做标簽。更多的是搜尋引擎本身就在做初步的人工智能。輸入一個關鍵詞，随後給出十條答案。是以，人工智能就是底層的基本理念。
今天我們看到Google往前走的時候，開始提更多的理念，從移動時代走向人工智能的時代。喬布斯也曾說機器能夠在未來學會回答問題，或者接受指令去做事。當然，包括Google、亞馬遜，都開始讓人跟機器以自然語言做溝通，機器服從于人，回答問題，或者幫你做一些控制指令。這是整個大的背景。今天我們提網際網路，一方面是文化創意産業，一方面是機器學習。有了資料以後，怎麼選擇這個連接配接，做判斷就變得更關鍵。
我的演講就到這裡，謝謝。
原文釋出時間為：2017-03-04
本文來自雲栖社群合作夥伴“資料派THU”，了解相關資訊可以關注“資料派THU”微信公衆号