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。

国内一个地位很高的人在微博上发了一条新闻评论——“AlphaGo这件事情，意味着国内人工智能教育和人工智能人才严重缺乏，比美国差远了”。那国内的人工智能人才和人工智能教育是不是真的比美国落后很多？国内不做人工智能围棋研究，就表示我们落后吗？这就是用合适的、用现成的技术解决一个有显示度的问题。如果国内的科研单位，比如非常前沿的高校和重要的研究所向国家自然科学基金委员会、科技部、教育部、上海市科委申请经费研究研究计算机下围棋，肯定不会有结果。他会问，你的创新在什么地方？你有什么创新？你用这个技术做好这件事情吗？里面没有原创性的东西，国家是不会提供经费的。如果有钱的话，不是一点点。只有钱多的公司可以去做。所以谷歌用250万美金招Deep Learning人才。用计算机下棋技术上不算创新，但它的广告效应非常好。但国内的企业不一定有这样的技术敏锐度，没有人做这个。但是绝对不要说国内不做围棋，就很落后，国内做人工智能一点都不落后。

中国是一个开放的社会，跟外面有很多密切的联系，国外发生的事情以及将要发生的事情，我们都知道。国内各个领域里边，哪怕带有工科性的人工智能里研究领域，我们都是不落后的。每年在国际社会上发表很多论文等。但原创性我们稍有欠缺，但会赶上。

AlphaGo把人打败了，人类的智能就此崩塌了吗？这是危言耸听。人类智慧的强的程度远远超过我们的想象。比如我的姓危，很少见。假设我的手机丢了，通讯簿被小偷看到，那暴露谁是我的家人的风险很大。如果姓张、姓李，不用担心手机丢了会暴露手机所有者姓什么，除非手机里存爸爸、妈妈、亲爱的。这就是人类的智慧。机器没有这种智慧。所以不要相信“人类的智能从此就崩塌了”。

这张照片是我3月12号、下围棋那天中午拍的。我在家做饭，第一次碰到这种包装的鸡蛋，我想把蛋拿出来。如果我从上面拿，会把蛋抠破。所以我想的办法是把整个一盘鸡蛋往外挪，到第一排下面是空的，然后从上面捅，但我立刻意识到会掉地上，这个方案也不行。但反过来我从下面往上捅，鸡蛋就被成功拿出来了。

有很多人说下棋下得好是人类智慧的精华，是人类智慧的代表，并不是。这种寻常百姓的智慧才是人类智能或者生物智能中最精华的部分。下棋用形式化的方法可以做得非常好，但这些问题怎么用形式化做我们是不知道的。那些例子训练了很多次，这个一遍都没训练，就解决了。所以身边发生的那些很平常的问题恰恰是智慧中最精华的部分，叫“问题求解”。这些部分怎么拿机器来做，现在还不知道。

小学的时候学过这篇课文，一只乌鸦口渴了，用加石头的办法喝水，这是非常规范的问题。要解决这个问题，是非常不规范的问题，怎么对它进行形式化表征？用计算机处理一个问题，要满足三个条件。第一个条件是要能把这个问题表述成一种形式化的方法，或者一种数学办法。第二个条件是要存在算法。第三个条件是这个算法要可计算。

我们怎么表示石头这个概念或者这个知识？石头是一种火山活动的产物，有很丰富的化学成分，很硬，这是我们容易想到的。但肯定不会说石头不大容易溶解于水，可以在水里排出一部分体积。但石头这个方面的能力才是解决这个问题的关键所在。所以我们要花这么大的功夫，才能把石头的作用描述清楚，但通常情况下会忽视它的功能，容易记住一些非常science（科学）的描述。这种问题让机器求解很难，但人做得非常好，人的智慧源源不断地展现出来。

这种例子很多，比如曹冲称象、司马光砸缸，但是没有人会用机器来做这件事情。不规范的问题是目前机器很难做到的。有一天机器能解这种问题的时候，就要相信“奇点”快到了，但不用担心下多少盘棋、下赢人，直到它故意输给人的时候，你要开始担心了。

“我们要对大自然心存敬畏”。我们的智能是我们的大脑赋予的。我们的大脑是自然进化的结果，是大自然的产物。经过多少年的进化，从哺乳动物的进化开始，甚至延续到更久以前从脊椎动物时代开始进化，一直到今天，人类的情况将近600万到700万年，付出了巨大的试错代价，这么大的牺牲，才得到这样一个自然进化的产物——大脑，难道我们不应该心存敬畏吗？难道AlphaGo赢了，就超越人类大脑了。这种讲法有点太过了。不要以为人的大脑是可以轻易被超过的，至少在现在这个阶段，生物智能或人工智能还模拟得很浅。