去年阿尔法狗4：1胜李世石，今年升级版阿尔法狗3：0胜柯洁。两场比赛惊心动魄，让棋迷、计算机迷、未来学者等各界观众面目狰狞，脑洞大开。另外，在过去的一年里，人工智能捷报频出，包括自动驾驶、人脸识别、语音识别、机器人等技术领域也大幅提升，资本界、创投界、技术界等一片狂喜。
短时间内，两种观点迅速占领思想市�。阂慌啥匀斯ぶ悄鼙б晕尴扌判�，以为在“智能化世界”的未来，人类终将一劳永逸；另一派则对人工智能无限担忧，恐惧人类终将被人工智能取代，前景堪忧。
情绪不同，但两者都建立在同一种认识上，即“人工智能比人强”，或者说，“人工智能将比人强”。人工智能确实强，但或许也并没有如传言所说的那么了不起。从本质上讲，人工智能做的只是运算，但智能活动要广泛得多，包括注意、抽象、推理、归纳、认识等，这些活动里面，只有一小部分可以被还原成算法。
对此，我们可以做一两个思想实验说明。
假设有两个人A和B，把他们带到2004年雅典奥运会上。此时，运动场上同时在进行三项比赛，标枪、赛跑以及跳远。假设这两个人坐在同样的位置上，眼路活动保持一致，让他们分别描述一下眼前所见，两个人会如何描述？
A说：“刘翔打破了110米栏的世界纪录！”而B说：“我觉得跳远要比跑步精彩得多！”
面对同样一个问题，两个人会作出不一样的回答，因为两个人的关注点或注意力（attention）不一样。注意力的选择有着明确的意向性，这导致两个人所表述出来的语言不一样。A是一个中国人，本来进体育场的主要目的就是来看中国运动员的表现，所以他自然会把注意力“主动”落在中国运动员身上；而B只是一个体育发烧友，来体育场是想来观摩各种比赛，所以他的注意力也就在“所有比赛上”。
现在设想一下，把A和B从位置上挪开，把一台人工智能C摆上，请问，这台人工智能会如何描述眼前所见呢？
不知道。这完全取决于人工智能的设计者如何编排人工智能的程序。如果设计者把注意力放在赛跑上，那么最后获得的内容描述就是赛跑，如果设计者把注意力放在跳远，那么最后获得的内容描述就是跳远，不可能在此之外。
对于A来说，眼前发生的所有事件只是刘翔破纪录，对于B来说，眼前发生的所有事件是三场比赛。但真实的情况或许更为复杂，场内发生的事件也远非这么几起。比如，同时发生的还有对面观众席上的打架事件。
如果打架事件没有波及太多，那么A和B自然不会把这个事件纳入自己的描述，因为他们不会留意到，尽管视觉信息同样进入了眼光涉及的范围，如果波及了，那么就会纳入。但是C可能就不会，如果C的设计师在设计C时压根就没有想要C去注意这样一起事件，那么C就不会主动去关注这场打架。
A和B会因为自身条件的不同以及场域环境的变化而改变注意力。在这里，注意力决定了认识。要提醒的是，注意力的发生存在着某些偶然性，这些偶然性带来了认识上的开放性。
比如，苹果砸到牛顿的头，牛顿注意到了苹果下落这个事件，然后牛顿去关注苹果。但问题在于，不是每一个被苹果砸到头的人都会去思考苹果下落这个事件，很多人可能更会注意到“苹果熟了”这个事件。至于被砸到头的人工智能会注意什么，还是由其设计者设定，人工智能机本身并不存在认识事件的主动性，或者说，认识上的意向性。
抛开主动性或意向性，人工智能有可能认识这个世界吗？或许也存疑。
相信“人工智能是智能”的人会用人脸识别、语音识别、自动驾驶（路况识别）的例子来说明人工智能有认识的能力。但问题在于，识别（iden-tifying）是认识（knowing）吗？
识别可以被还原成算法，但是认识不能。识别在本质上，就是拿着一样东西去比照另一样东西，按照一定的标准去核实相似度。认识活动包含了设定标准这一动作，但是识别活动无法设定标准，它只能按着标准去核实。
有些人会拿深度学习来说事，认为深度学习下的识别，并不是拿着一套标准去核实。是这样吗？深度学习只不过是用每一次的经验校正标准，让识别从一个固定行为变成了一个打磨的行为，但依旧是程序性的行为。校正标准的过程，或者说，打磨的行为依赖的是什么呢？依旧是工程师为其设定的目的，只要目的是人设的，那么机器就不是认识。
认识，一种依赖于语词、语法以及语句的活动，知识的表征即语言的表述。
语词或符号的功能是用于指称事物，通过指称，我们认定事物，确立界限。当我看到眼前的一样东西，我用xyz去指称它，我就区分了xyz和非xyz的界限，我用语句去形容眼前这个东西的状态，比如“xyz被放在桌子上”，我就形成了对于xyz的某种认识。无论是语词，还是语句，都表达出了某种意义。
人工智能运算的基本单位是比特（bit），比特只是一些信息流，通过运算符组织起来，他本身并不含有各种意义。语句表述无法被还原成比特的输入或输出，比特的运算也无法升级成意义的表达——至少目前也没有表现出有这种可能性存在，除非比特能构建出意义。
再回过头来看近日阿尔法狗和柯洁的比赛。对观众来说，上场比赛的是阿尔法狗与柯洁，但实际上进行较量的却是一批程序工程师和柯洁。
我们可以用一个类比的例子考察一下。
两个人打架，第一回合的比赛是赤手空拳，一方打败了另一方，但第二回合中，被打败的那一方被允许带武器——比如一把刀——上�。峁虬芰四歉霾淮淦鞯�。在这种情况下，我们应该怎么去描述这场事件呢？我们会说，这个带武器的人打败了那个不带武器的人，而不会说武器打败了人。武器就是武器，之所以在打架中发挥了作用，是因为它延长了打架者的手臂。
用同样的眼光来看阿尔法狗的事情。
开发阿尔法狗的工程师是一批围棋爱好者，他们在摸清了下围棋的套路后，将下棋套路程序化，最后在这套程序的帮助下赢了柯洁。在这里，摸清套路就是建模，将套路程序化就是算法化。排除掉心理因素，两个棋手相争，最终比的就是棋招的预估能力，说的通俗点，是比谁在更短的时间内算出更多的步数。因为阿尔法狗处理数据的速度更快，所以柯洁就败了。
所以，与其说是阿尔法狗赢了柯洁，不如说是一批程序工程师发明了一套能够快速计算的设备，在这套设备的帮助下战胜了柯洁。
之所以在这里要明确指出这个细节，在于“程序工程师用阿尔法狗赢了柯洁”和“阿尔法狗赢了柯洁”这两句话表面上说的是同一场事件，但对于事件的定性截然不同。在前一句话里，阿尔法狗仅仅是以工具的身份出现，在第二句话中，阿尔法狗则是以智能体的身份出现。
如我在前文中所论述的那样，阿尔法狗根本不是智能，之所以他能赢柯洁，只不过是它算得比较快，而围棋本质上又恰好是一个纯粹计算的游戏，根本不需要太多的智力。同样的道理，之所以华尔街的交易员大批下岗，被人工智能替下，也并不是人工智能有多厉害，而是因为交易员的工作本来就不需要什么智力，全赖一些熟练的体力活。在这个意义上，他们的下岗或许更是一件好事。
厦门人力资源管理师协会 | 
