围棋AI连胜人类50场 是时候认真思考如何应对人工智能了
现在的机器人，已经可以在任何一个狭隘领域上战胜人类，因为它设计出来，就是专门用来应对某一领域的。比如说下棋，人类下棋靠的是智慧，当然也要记一些东西。而机器靠的是计算，而计算恰恰是机器最大的优势。机器把你所有的可能性都计算过了，在把你接下来10步甚至更多的可能性都计算出来了，你怎么赢?你面对的不是一个机器人，而是人类几十上百年智慧堆栈起来的相对于人类的怪物。
智能或者机器人什么的涉及的问题太多，如果技术成熟，实际上跟再构建一个亚社会的复杂度事实上也是相去不远，我们为什么不考虑根本的问题，再决定这个程序的必要性呢?机器人理论上是不死的，程序也是。当他们有思想有内心，并且在人类突破生物技术的之后能够给他们赋予情感，那么这就已经是一个“生命”了，在法律上要给他们怎样的定位，他们的身高病死谁去掌握?
当他们也需要“亲人、朋友、爱侣”的时候又该怎么办?这一天相对于终结者世界来说已经不是完全的想象和虚构了，他们的脚步越来越近，甚至可以说隐隐欲踏破虚空乘风而来了。我们考虑事情应该从大局出发，就像当年的克隆技术，因为是实实在在的鲜活鲜肉，我们尚有伦理之类的硬性规定可以从容地进行规范，那么面对一个全新物种，一种改写历史和生命认知的物种，我们要怎么去给它们以定位才是主要矛盾。
回到现实，lphaGo的核心是两种不同的深度神经网络，“策略网络”指导进行各种战略尝试方式，“值网络”对各种尝试方式进行具体分析、统计优劣，两者合作可自我模拟演练从而主动“试错”、“寻优”、“纠错”，主动寻找有利的方案，所以可不用学习棋谱，不需要输入下棋招式，它是通过自我模拟演练2000万局后自我归纳出现在的下棋方法，这结果不只包括了高速运算的作用，还有它能自我主动进行新尝试寻找有利新方法的作用，它还可以继续自我学习进化。这样两种不同深度神经网络的合作方式也可用于其他领域，意义在于可主动探索新方法、分析新方法、完善新方法。这只是对人工智能进行初步的尝试，后面还有更长的路要走。千里之行，始于足下，只要坚持前进，终有完善人工智能的那一天。却不知完善两个族群世界观的那一天又在什么地方了。
