唐映红：别闹了，阿尔法狗打不开那么大的脑洞

源济

唐映红：别闹了，阿尔法狗打不开那么大的脑洞

原创 2016-01-30 唐映红 大家

摘要ID：ipress  

有时候，亚马逊一只蝴蝶煽动翅膀也有着同样的效应。你不会对其他的事件动容，而偏偏对这一件事感怀，这只能说明你抬头的井口恰好看到的就只有这一件事。

记得18年前，那时刚从北师大研究生毕业不久，我还处于四处揾食的阶段，有什么挣钱的活都接。其中，就包括撺书。那时候，北京有两栋楼是撺书的集散地，一个是北师大的研究生楼，一个是人大的研究生楼。书商从出版社“买”了书号，然后将预期可以热销的选题找这两座楼的研究生来撺成书。当时，市场上大多数“编著”的书，都是经过这两座楼的研究生们短平快地“撺”出来的。

国际象棋世界冠军卡斯帕罗夫被IBM的超级计算机“深蓝”战胜后，我意识到这可能是一个“畅销书”的噱头，于是便找书商敲定选题，然后再找学计算机的朋友一起“撺”了本书，《深蓝终结者》。图书封面上充满蛊惑力的噱头都是我策划的：“今天输掉了最伟大的棋手，人类明天将输掉什么？”“‘深蓝’战胜的只是一个人，还是整个人类？”“EQ是人类的最后一道防线吗？”

说实话，我并不是真的认为“深蓝”战胜卡斯帕罗夫有多么大的意义，它只不过是一个可以利于帮助书商传播和推广图书的噱头罢了。从心理学角度，彼时的“深蓝”战胜卡斯帕罗夫，与此时的“阿尔法狗（AlphaGo）”在两个月后可能战胜李世乭，都不过是人工智能（AI）领域发展迄今自然而然的结果。它们在大众传播中或许有石破天惊的意义，既是科普的最佳契机，也是打开许多人脑洞的难得机会。但从心理学角度来看，这些却不过是包含心理学在内的认知科学所艰难取得的寸进而已，弥足可贵，但也实在打不开那么大的脑洞。

AlphaGo所主要仰仗的神经网络（neural network），是认知科学，特别是认知心理学30多年前提出并发展的一种人工智能模拟系统。比它更早的人工智能模拟系统是模拟人类的行为或基于行为实验而建构的理论模型，基本上忽略甚至无视人类的大脑神经元的生理现实。例如，现时代一个初级的程序员都可以在两个小时之内写出一套扑克牌“凑24”的程序并轻松战胜人类，其中所运用的就是更早的人工智能模拟系统的思路。随着脑科学和生理学的进展，神经网络就不同了，它要模拟的不是人类的行为，而是试图直接模拟人类的大脑神经元网络，所以称为“神经网络”。

举一个例子就或能简单地阐明这二者的区别。如果要设计一个能够朗读英文的AI系统，更早的系统设计起来很简单，但是运算结构会比较复杂，因为需要将英文单词的发音规则，以及各种例外的发音规则都事先地输入进去。这样系统一旦识别了某个英文单词，就能够与事先输入的规则进行匹配，并作出反应。神经网络就不同了，它的运算结构异常地简单，但设计起来会比较麻烦。神经网络系统不需要事先地输入任何发音规则，只需要设计简单的一些运算法则，如误差逆转（error-BackProp）——即系统对刺激输出一个随机反应，然后给予一个错误反馈，系统再输出一个新的反应，直到正确。在1989年，心理学家Seidenberg和McClellan就设计开发了这样一个神经网络，在没有输入任何发音规则的情况下，经过250组的训练学习，系统就能对英文单词发音正确率达到97%以上。

AlphaGo之所以能够在围棋对弈中率先突破，就在于它相比于其他的围棋AI，在先进的蒙特卡洛树搜索（ A Parallel Monte-Carlo Tree Search）算法基础上，设计并训练了两个成功的神经网络，其中之一为“策略网络”（Policy Networks）,选择下棋的步法；另一为“价值网络”（Value Network）,评估棋子在棋盘的位置。这两个神经网络能够极大地精简和优化AlphaGo的搜索运算工作量。开发AlphaGo的研究团队Deepmind通过至少（截止报道采访时）2000万局的自我对弈训练来获得类似人类棋手下棋时的经验和模式。

换言之，如果说AlphaGo此前战胜欧洲围棋冠军，职业二段棋手樊麾有多牛B，那也是设计的牛B，Deepmind团队在设计中选择了正确的算法和运算构造。迄今为止的AI系统，距离人类的智力系统，仍然有着难以逾越的天堑。这个天堑绝非一些媒体或意见领袖所慨叹的：“人类终于抵达永生的门槛”了。至少，对于一个理工科毕业生来说，发出这样的慨叹多少有些智力不诚实。

尽管围棋是人类博弈游戏里最为复杂的一种游戏，但对于AI系统来说，战胜国际象棋的人类世界冠军与战胜围棋的人类世界冠军没有质的区别；甚至与初级程序员编制的扑克牌“凑24”程序战胜人类“凑24”的世界冠军也没有质的区别。它们之间的差异只是算法和运算构造上的差别，只不过是在模拟人类逻辑性思维上的不断升级。

从问题解决心理学的框架来看，人类的逻辑性思维是用来解决那一类有着封闭性提问和封闭性解答的问题所使用的思维方式，围棋看起来复杂，但实际上也是一类主要依靠逻辑性思维来进行博弈的人类游戏。心理学和认知科学研究最多，成果累累的也几乎局限在模拟人类逻辑性思维的问题领域。

除了逻辑性思维之外，人类在生活中使用更多的是其他几种不同的思维方式，顿悟性思维、发散性思维以及创造性思维。顿悟性思维用来解决有着开放性提问和封闭性解答的问题；发散性思维用来解决有着封闭性提问和开放性解答的问题；创造性思维用来解决有着开放性提问和开放性解答的问题。迄今为止，无论是心理学、认知科学还是AI对于后三类人类思维的探索和模拟所取得的成果几近于无。

事实上，就算一个围棋的世界冠军已经让围棋爱好者们高山仰止，但下好围棋所运用的人类智力，对于绝大多数人类个体而言是无足轻重的。人类智力主要的进化优势是社会理解、沟通和适应，而不是在单个智力事件上令人叹为观止的表现。一个普通智力的成年人自然而然就会与他人调情，而一个AI系统要理解普通人类个体调情时话语里稀松平常的隐喻，其难度都超过Deepmind团队在AlphaGo所作出的全部努力。

▲ 1月28日，谷歌宣布旗下deepmind公司开发的程序“阿尔法围棋”（AlphaGo）在没有让子的情况下，以5:0完胜欧洲冠军、职业围棋二段选手樊麾。AlphaGo将于三月挑战围棋世界冠军李世乭

所以，仅仅因为AlphaGo战胜了欧洲围棋冠军，并有可能，其实就算真的战胜了世界围棋冠军李世乭，距离媒体和一些意见领袖们所大惊小怪的仿佛世界末日来临般的各种脑洞大开的臆想差的不止十万八千里。

肯尼亚一棵5000年历史的猴面包树枯死了，台湾的蔡英文当选为地区领导人，AlphaGo战胜了职业围棋手，这些事件都同样地影响和推动着世界的改变；有时候，亚马逊一只蝴蝶煽动翅膀也有着同样的效应。你不会对其他的事件动容，而偏偏对这一件事感怀，这只能说明你抬头的井口恰好看到的就只有这一件事。

如果现在让我再“撺”一本书来迎合AlphaGo两个月后战胜围棋世界冠军李世乭，我不会再策划和选择那些充满噱头的话语，不会用夸张的文字来显示自己头顶的井口还是只有汤碗那么大。

作者：唐映红

腾讯·大家专栏作者，高校心理学教师，自由撰稿人。