會唱歌，更會說冷笑話的Siri. 圖片來源：Apple
這個問題並不算杞人憂天，某種意義上AI已經占領了：從蘋果的Siri，到日常瀏覽的搜索引擎，再到網絡的文章推薦和商品推薦系統，這些全都是人工智能——哪怕它們不是科幻小說裏那種，我們的日常生活也已經很難和它們分開。
但AlphaGo又和這些常見的AI不同。它們的差異在於學習方法和技術的通用性。
Siri：壹個照本宣科的助手
Siri是壹個“智能助手”，能聽懂我們的口頭命令，幫我們在網上搜索，幫我們在列表中找到聯系人。但它的原理很簡單：通過聲音識別技術，將聲音轉化成語言的基本元素，比如元音、輔音、單詞，然後和系統中內置的特殊命令比較。如果對比出來的是壹個實際問題，那就執行相應的指令；如果對應上了壹個空泛的問題，就從相對的段子庫裏挑個段子出來。
所以它的問題也就壹目了然：要是妳命令它去做系統中沒有的命令，它就撲街了。Siri雖然是AI，但它是壹個非常局限的AI：只能解決預先寫好的問題。
面對東北大哥的挑釁，Siri懵逼了（也可能只是慫了。圖片來源：Apple
深藍：下棋無人能敵，但只限下棋
1997年，IBM制造的國際象棋機器“深藍”戰勝了當時的國際象棋世界冠軍卡斯帕羅夫。這在人工智能歷史上是壹個標誌性事件。但是，雖然深藍戰勝了世界冠軍，它有和Siri壹樣的缺點：太專了。
作為程序，深藍的軟件是專門為國際象棋設計的。它評估盤面的四項標準包括子力、棋子位置、王的安全性還有布局節奏——顯然，這些指標完全依賴於國際象棋本身的規則，沒有任何擴展性。
卡斯帕羅夫對戰“深藍”的場景。圖片來源：muse.jhu.edu
即便如此，它也還是非常依賴於“蠻力”的。深藍的硬件是當年最快的下棋機器，雖然有系統幫助篩選，它每秒依然要評估20億個可能局面。為了應對這壹需求，IBM當時為它開發了定制的硬件。
其結果就是，與其說它是壹個國際象棋程序，不如說是壹臺國際象棋機器。深藍只能下國際象棋，學不會圍棋，連簡單的五子棋也學不會。相比之下，作為人類的卡斯帕羅夫能學圍棋，能學五子棋，還能學畫畫。深藍的技術就像壹把專門為國際象棋設計的鑰匙，有很大局限。
自動駕駛汽車：邁出新方向
自動駕駛汽車的原理可以簡化為以下幾步：
首先它通過感應器了解周圍環境，就像司機使用眼睛觀察周圍情況；
然後通過聯網獲得道路的路線情況，就像我們開車時候使用導航軟件；
再然後計算機程序判斷附近行人，汽車會如何運動；
最終計算自己最佳的線路，按著這條線路控制汽車的速度和方向。
Google的自動駕駛汽車。圖片來源：Google
它特定於自動駕駛領域，但是基本思想和AlphaGo已經有些接近了。
IBM Watson：泛用的智能
2011年，IBM Watson在美國的真人答題節目Jeopardy!上擊敗了人類選手，它的技術理念更像AlphaGo。Watson的決策由四個步驟組成：首先是觀察，從環境中收集數據，然後對數據做出假設，再然後是評估這些假設，最後是做出決定。不過也有些和AlphaGo不同的地方，首先它被設計成壹個問答機器，其次訓練Watson的時候需要人類專家的參與——比如關於癌癥的問題，需要科學家們在海量的書籍論文中剔除過時的信息、錯誤的信息，把整理出的資料餵給機器。但至少，它能處理許多領域的能力，讓它比它的同行們具有強得多的擴展可能：現在Watson已經被用於醫療領域了。
IBM Watson的logo. 圖片來源：IBM
那麽，AlphaGo的技術思想是什麽呢？
Deepmind創建AlphaGo，是試圖通過增強學習技術（Reinforcement learning）構建通用的人工智能。它的理念中包含兩個實體，壹個是人工智能本身，壹個是它所處的環境。人工智能和環境間的關系有兩種，壹種是通過傳感器感知數據，另外壹種是通過特定動作影響環境。因為環境的復雜性，它無法獲得所有的信息，因此需要不斷重復感知-反應的循環，以期望能在環境中有最大收益。絕大多數哺乳動物，包括人在內都符合這套規則。
增強學習技術不斷地感知和反饋環境中的信息。圖片來源：Google
在AlphaGo之前，他們已經利用這種思想，讓AI打遊戲。2015年，在《自然》雜誌上發表的壹篇論文，描述了如何讓壹個算法玩不同的Atari程序，包括了《太空侵略者》和《打磚塊》等遊戲。AI和人壹樣看遊戲視頻，和人壹樣操作遊戲，從遊戲小白慢慢學習，變成遊戲專家。AlphaGo也基於同樣的原理，模擬人學習圍棋的方法，它和人壹樣下棋，慢慢學會如何像專家壹樣思考。
這種技術理念所要求的是原始的數據，因此比起那些需要輸入人工整理後的數據的方法有更強的通用性。原則上AlphaGo去學個圍棋，五子棋都不是問題。
AlphaGo的技術首先被用於遊戲的原因是因為，遊戲比現實問題簡單很多，無論是棋類遊戲還是電腦遊戲。遊戲也很可能是類似技術第壹個投入實用的領域：畢竟，隨著遊戲技術的發展，遊戲開發者們逐漸意識到了好的AI和逼真的圖像同樣重要，不管是即時戰略遊戲，比如《星際爭霸》還是角色扮演遊戲中的NPC，高級人工智能不僅能成為強有力的對手，也可以變成優秀的團隊夥伴。
但是，它最強之處當然是適應力和學習力。Deepmind聲稱，這種技術理念很快會被運用到醫療領域，嘗試解決個性化醫療的問題。而這，肯定只是第壹步。