AlphaGo的勝利與AI時(shí)代的暗知識

2016年，AlphaGo戰勝韓國頂尖九段選手李世石，可能標志著(zhù)人機歷史上的一個(gè)轉折點(diǎn)。

一臺冰冷的計算機，輕松擊敗訓練多年的世界頂級棋手。對于圍觀(guān)者人類(lèi)而言，就像三體艦隊即將到來(lái)地球，從賽前的自信滿(mǎn)滿(mǎn)到賽后的失態(tài)、錯亂以及恐慌。站在今天看這場(chǎng)比賽，我們也許可以多一個(gè)維度，那就是從知識的角度。企業(yè)家王維嘉所撰寫(xiě)的《暗知識》，其中提出了暗知識的概念，不僅為討論人工智能的本質(zhì)提供了不同視角，也為廓清人工智能諸多相關(guān)問(wèn)題，提供了新的思路。我們回顧一下知識概念的迭代過(guò)程。我們知道，科學(xué)的進(jìn)步離不開(kāi)知識的更迭；所謂知識，王維嘉認為可以說(shuō)是數據在時(shí)空中的關(guān)系，所以知識與數據密切相關(guān)。人類(lèi)的知識，過(guò)去大家比較熟悉的是顯性知識，這表示人類(lèi)可以表達、可以學(xué)習的知識。比如牛頓定理屬于可以表達可以學(xué)習，量子力學(xué)屬于可以表達但是不可以感受的知識。

更進(jìn)一步，學(xué)者波蘭尼與哈耶克等人，提出了默會(huì )知識的概念，也就是可以感受但是無(wú)法表達的知識。比如很多人都會(huì )騎自行車(chē)，但是多數人是靠感覺(jué)學(xué)會(huì )而不是靠理論傳達。默會(huì )知識的提出，對于理解人類(lèi)社會(huì )秩序有很大意義，這意味著(zhù)社會(huì )中有很多信息是無(wú)法表達的，再進(jìn)一步推演，不難得出計劃經(jīng)濟無(wú)效的最終結論。

如果說(shuō)可以感受的是默知識，可以表達的是明知識，那么暗知識是什么？王維嘉指出，這是機器發(fā)現的，無(wú)法感受也無(wú)法表達的知識，就是說(shuō)暗知識意味著(zhù)隱藏在海量數據中的萬(wàn)事萬(wàn)物間的關(guān)系。暗知識的概念，乍聽(tīng)起來(lái)很難接受，畢竟人類(lèi)認識世界更多依靠邏輯與經(jīng)驗。但是深入了解之后，這個(gè)概念的價(jià)值，在于可以解析人工智能帶來(lái)的變化，提出來(lái)了新角度。按照預計，暗知識的數量，將遠遠超過(guò)人類(lèi)以往的知識，這將帶來(lái)難以限量的巨變。

從暗知識來(lái)審視AlphaGo，有什么新意？王維嘉認為，AlphaGo可怕之處，在于它擁有遠遠超過(guò)人類(lèi)的暗知識，以至于具備人類(lèi)無(wú)法擁有的上帝視角。為什么這樣說(shuō)？我們回到圍棋這回事。圍棋被認為最復雜的棋類(lèi)，就因為其變化最多。圍棋上有361個(gè)交叉點(diǎn)，每個(gè)交叉點(diǎn)可以放黑白兒子，那么總的圍棋擺放方法就是2的361次方。這是什么概念？人類(lèi)歷史上保留的棋譜大概是3000萬(wàn)個(gè)，這聽(tīng)起來(lái)已經(jīng)非常多了，但是比起前面提到的圍棋擺放方式，那么人類(lèi)掌握的圍棋棋譜就滄海一粟。

一個(gè)高手，每天下棋，一輩子最多能夠下幾十萬(wàn)盤(pán)，他的風(fēng)格，可能影響自己的徒子徒孫，但是比起圍棋棋譜上可能存在的對局模式，他的探索不及億分之一。

可以說(shuō)，一些技能而言，人類(lèi)的終點(diǎn)，只是機器的起點(diǎn)。打個(gè)比方，在一片崇山峻嶺之中，這個(gè)高手掌握的地方，可能只是一個(gè)小山溝，他的想象空間以及思維模式都已經(jīng)被這個(gè)小山溝限定了。這個(gè)小山溝，在地圖上就是一個(gè)小點(diǎn)。這個(gè)小點(diǎn)之外的，“其他的地方”，不在他的思維模式之內，很可能不是他能夠理解的地方?？梢哉f(shuō)，在機器面前，人類(lèi)數千年來(lái)一代代人積累的一項技藝以及與此有關(guān)的經(jīng)驗知識，可能瞬間一文不值。這不是誑語(yǔ)，棋手柯潔在輸給AlphaGo流著(zhù)眼淚說(shuō)：“我們人類(lèi)下了2 000年圍棋，連門(mén)都沒(méi)入?！敝袊迨ヂ櫺l平也把AlphaGo尊稱(chēng)為“阿老師”，說(shuō)它的著(zhù)數讓我看得如醉如癡，“我們應該讓阿老師來(lái)教我們下棋?！?/p>

除了圍棋，其他的案例也差不多，這就顯露暗知識帶來(lái)的挑戰。我們人類(lèi)所掌握的知識，很可能只是知識海洋中一小塊冰山；所謂的“其他的地方”，也就是人類(lèi)窮盡一生之力無(wú)法掌握的地方，很可能蘊含了很多暗知識。

知識，在未來(lái)將分為機器知識與人類(lèi)知識，而大量暗知識，主要來(lái)自機器學(xué)習而逐漸展露。暗知識和人類(lèi)關(guān)系如何？一個(gè)核心在于，從暗知識的定義看來(lái)，暗知識無(wú)論發(fā)現多少，人類(lèi)都無(wú)法理解，這和明知識規律不同?？梢哉f(shuō)，暗知識本來(lái)類(lèi)似海洋，人類(lèi)的知識類(lèi)似海洋上浮出的山峰，暗知識比起人類(lèi)掌握的知識多很多，但二者過(guò)去沒(méi)有直接關(guān)系。但是當下，隨著(zhù)機器學(xué)習挖掘出越來(lái)越多的暗知識，這些暗知識不斷涌現，很可能人類(lèi)所占有的知識，會(huì )逐漸淹沒(méi)溶解在龐大的暗知識中。一句話(huà)，AlphaGo的勝利，只是開(kāi)始。

當下無(wú)人不談人工智能，但是總體多數缺乏有效框架，國內不少著(zhù)述，往往失之于淺薄浮泛，甚至得出中國領(lǐng)先的浮夸口號。從暗知識的角度，如何審視人工智能？算法是人工智能的核心，應用只是依附于算法。在王維嘉給出的AI產(chǎn)業(yè)鏈金字塔結構中，塔尖是算法，其次是芯片，再次是計算機軟硬平臺，塔底是自動(dòng)駕駛語(yǔ)音識別等應用，可以說(shuō)，上層決定下層，而不是相反。對此，我們對當下世界人工智能實(shí)力版圖，應該重新有清晰認識。就人工智能而言，當前中國在局部應用領(lǐng)先，在算法與芯片并不領(lǐng)先。

信息不完備之下，悲觀(guān)和樂(lè )觀(guān)都顯得盲目。王維嘉并不認為人類(lèi)必然失敗，他認為人類(lèi)的優(yōu)勢其實(shí)在于對于人類(lèi)精神和情感的理解。這一觀(guān)點(diǎn)，其實(shí)我也很贊同。在評價(jià)AlphaGo勝利時(shí)刻，我就斷言，人機對戰無(wú)論勝負如何，AlphaGo已經(jīng)證明了自己，“未來(lái)充滿(mǎn)不確定性，但未必需要末日恐慌。在規則不確定之下如何應對，可能正是人類(lèi)的優(yōu)勢所在?！?換而言之，所謂人性或者動(dòng)物性，就是和機器不一樣的地方，恰恰是人類(lèi)的優(yōu)勢所在。

機器時(shí)代改造了知識定義，也使得職業(yè)需求完全不同。從這個(gè)意義而言，現在看起來(lái)越是專(zhuān)業(yè)的職業(yè)，其實(shí)可能被機器取代的職業(yè)，反而創(chuàng )造力和情感屬于機器的短板。職業(yè)過(guò)去構成了中產(chǎn)階級的身份，如果喪失職業(yè)保證，這些中產(chǎn)階級開(kāi)始向地位不穩的軟階層移動(dòng)，如何保證這些人的自尊和安全，將是一個(gè)重要課題。

更進(jìn)一步，孩子應該學(xué)習什么？要接觸了解人工智能，真的不是逼迫孩子學(xué)些粗淺編程就了事，更應該站在時(shí)代變化的高度來(lái)思考。也許，我們應該讓孩子掌握數學(xué)語(yǔ)言等基礎學(xué)科，更好掌握與人的溝通。換而言之，通識應該是下一代的標配。

我認識王維嘉老師時(shí)間不短了，過(guò)去一直把他當投資人和企業(yè)家，沒(méi)想到他對于人工智能的思考如此深刻。其實(shí)也難怪，從他自述得知，他從斯坦福大學(xué)畢業(yè)到這些年從事投資，他其實(shí)一直密切跟蹤前沿。值得一提的是，本書(shū)對于人工智能的介紹，非常清晰，基本可以達到作者的期待，高中以上能讀懂。

在一個(gè)迭代不斷的時(shí)代，關(guān)于知識的知識，也許是最重要的知識。哲學(xué)家休謨曾經(jīng)說(shuō)過(guò)，理性是且只應當是激情的奴隸，所謂激情，意味著(zhù)人的感性、欲望等因素。人類(lèi)的頭腦，已經(jīng)被理性主義籠罩太久。暗知識的概念，無(wú)疑可以爭論，但揭示了未來(lái)世界的新疆域，這是關(guān)心人類(lèi)的有識之士，都不應該錯過(guò)的思考。