AlphaGo能不能创新？它不走寻常路，已经走出一些看起来很妙的走法，有很好的外推能力。基于机器学习算法的目标是外推，由有限的点推出没有见过的点。“不走寻常路”恰恰是模式分类的一个结果。每次下棋的走法，可能跟经典下法是不同，每次碰到的情况往往是在已知的两个点中间的未知的点。它不得不找到新的下法来填补它，不能照搬以前的方法。这种结果源于强大的计算能力，找出人类棋手未曾推演过的走法，就是大的搜索树。人搜索的空间范围很有限，它填补那些没有搜索过的。走出一步可能会令围棋手很吃惊，好像觉得它走了一些我们以前没有想过的走法，还是很奇妙的。

AlphaGo究竟算不算创新？人工智能有一个研究方向叫Case-based Reasoning（基于实例的推理）。比如有一个老问题，解决这个问题的方法是有的。当出现新问题时，没有现成的方法。我需要看一下新问题跟以前处理过的老问题哪一个比较像，如果能找到比较像的，就把以前解决老问题的方法改造一番，用来解决新问题。这种方法很好，节约了大量人力，能够积累，能够站在别人的肩膀上继续把事情做好，所以人的智慧很大程度带有Case-based Reasoning的成分。就像解数学题，老师不可能在黑板上讲过所有的数学题，必须要根据老师讲过的题目，发挥自己的主观能动性来解决新问题。

在Case-based Reasoning里，经常玩的比赛叫“炒菜”。比如我有一张湘菜的菜谱，但是我觉得湘菜太辣了，把给别人放的三个辣椒减成一个辣椒，甚至一个辣椒都不放，其他的都不变，再炒出来的菜我吃得才觉得合适。在人工智能的Case-based Reasoning的很多研究里，就是在比“炒菜”。

有很多做配方研究，比如合成橡胶高能推进剂、化学药物的药方比例，都是在配方，都是在做“炒菜”，不同的搭配在一起。这个研究很有价值，应用领域非常广，因此AlphaGo的创新就是“炒菜”。别人把点布在这个地方，我稍微挪到别的地方，计算一下，代价是多少，从本质上来讲，就是Case-based Reasoning。它的创新能力就是把三个辣椒变成一个辣椒，或者把三个辣椒变成五个辣椒。如果不认为这种“炒菜”的方法是创新，在同一个范畴下来解决问题，那它就不叫创新。它就是基于已有的例子来做事情，这个例子是人教它的。