李世石人機大戰已經完滿結束，過去這幾天，AlphaGo以一種猝不及防的方式向世人展示了人工智能鋼鐵般的力量和意志，這場人機世紀大對決的故事似乎要告訴我們，技術革新已經遠遠超過了生物進化的速度，一旦人類被征服，就再也不可能迎頭趕上。但今天李世石以一場美妙而珍貴的勝局告訴我們，機器并非沒有缺陷，AlphaGo每秒可以評估成千上萬種可能的走法，而李世石僅僅憑借一個人的思考和天賦與之進行如此激烈的對抗，最終在第四場比賽中突破了AlphaGo的極限，這本身就證明了人類無與倫比的適應性、靈活性和創造力。
事實上，按照谷歌DeepMind的聯合創始人德米斯·哈薩比斯賽前的說法，這也是創造AlphaGo出來的初衷：讓機器學會像人類一樣學習。
到目前為止，人類仍然是這個星球上最擅長學習的物種——李世石可以在四盤棋局里不斷調整策略，并成功找到AlphaGo的弱點，而AlphaGo在此期間卻沒有辦法做任何調整，因為機器學習需要龐大的數據和漫長的訓練時間，單局棋的經驗對它來說毫無意義。很多人以為AlphaGo能從與李世石的對決中學到很多東西，其實幾盤棋根本無法對AlphaGo產生作用，它至少需要上千個棋局的數據和一個多月的時間，才能訓練出新的版本出來。
在賽前的全球記者招待會上，曾經有人問德米斯·哈薩比斯：通過這次決戰，希望向世人傳遞什么樣的信息？
他回答說：“第一是向世人展示學習算法可以多么強大和靈活；第二則是展示人類的智慧，畢竟AlphaGo是一群非常聰明的科學家創造出來的。”
當時，沒有多少人在意他的這段貌似外交辭令的回答。但直到賽事發展到后來，人們才意識到，李世石的確不是與一個聰明的機器作戰，而是與機器背后幾十位天才的工程師作戰，這些工程師不僅利用了機器完美的計算能力，還以這種計算能力“量化”了圍棋累積了幾千年的人類智慧。
不知道是否出于客氣，還是本能嗅到了其中的危險意味，聽完哈薩比斯對于AlphaGo的介紹之后，李世石第一次收回了自己之前許下5∶0完勝的豪言。“如果這個機器真的有‘直覺’，也許我的勝利不會是壓倒性的。”這已經是這位一向以狂傲著稱的棋手最謙遜的一種姿態了。
在這場歷史性的人機對決中，世人的目光都集中在李世石和AlphaGo身上——一個是當世最偉大的圍棋手，一個是全世界最好的人工智能專家花了兩年時間開發出來的強大的自學習系統，以至于我們很容易就忽略了也許德米斯·哈薩比斯才是這個故事背后真正的主角。
德米斯·哈薩比斯，39歲，英國人，看上去瘦瘦小小，戴一副黑框眼鏡，貌不驚人，履歷卻相當驚人——4歲學國際象棋，5歲參加全國比賽，13歲拿到國際象棋大師的頭銜，16歲考入劍橋大學攻讀計算機專業，17歲開發價值數百萬美元的電子游戲《主題公園》，然后他決定在倫敦大學攻讀神經學博士學位，專攻記憶與想象力，35歲創辦人工智能公司DeepMind，去年被谷歌以4億美元收購……此外，他還保持著5次獲得智力奧林匹克運動會（Mind Sports Olympiad）精英賽Pentamind冠軍的世界紀錄。
哈薩比斯也曾經是國際象棋神童，4歲學棋，11歲就已經到達巔峰狀態，卻突然急流勇退。因為他覺得以國際象棋為職業，將所有的才華和智慧都傾注在一個游戲里面，只為了打敗另外一個人，似乎是一種過于自我放縱的行為。“我想，也許國際象棋只是我的大腦所能做的事情的一個癥狀，而不是全部。”他這樣說道。
他對自己的人生有更大的計劃和野心——他想要攻克人類的“智力”難題。他想創造一種“通用人工智能”（General AI）——一套能夠像生物系統一樣學習的靈活、自適應的算法，僅使用原始數據就能從頭開始掌握任何任務。在他看來，這是通往人工智能的唯一道路。
在人工智能領域，已經很久沒有人提出要制造“人類意義上的智能”了。
但哈薩比斯在建造AlphaGo的時候，是計劃它能夠應用于解決現實世界的問題，比如氣候模型或者疾病分析。“癌癥、氣候變遷、能源、基因組學、宏觀經濟學、金融系統、物理學等，太多我們想掌握的系統知識正變得極其復雜。如此巨大的信息量讓最聰明的人窮其一生也無法完全掌握。那么，我們如何才能從如此龐大的數據量中篩選出正確的見解呢？而一種通用人工智能思維的方式則是自動將非結構化信息轉換為可使用知識的過程。我們所研究的東西可能是針對任何問題的元解決方法（meta-solution）。”當然，現實世界遠比棋盤更復雜，現實世界沒有絕對的輸贏，現實世界的行為常常會導致意想不到的結果。
但這是一個像“阿波羅登月計劃”一樣野心勃勃的宏圖大志，AlphaGo只是小小的第一步。說到隨機應變、深謀遠慮，還有什么比圍棋更美妙的試驗場呢？
20年前，哈薩比斯在劍橋大學讀書的時候第一次接觸到圍棋，立刻就被這種游戲極致的簡單與復雜給迷住了。當時卡斯帕羅夫與“深藍”正戰得如火如荼，他對他的好朋友、也是后來AlphaGo最重要的設計者之一大衛·西爾弗（David Silver）說：“如果將來我們也能為圍棋設計這么一個程序那該多好。不過，為了破解圍棋，我們需要一種不光會計算的人工智能，因為圍棋太復雜，根本不可能總結出一套規則可以教給機器。它得會學習，甚至能一定程度模仿人類的直覺。”
簡單地來說，今天的AlphaGo與當年的“深藍”之間最大的區別就在于，“深藍”是“教”出來的——IBM的程序員們從國際象棋大師那里獲得信息、提煉出特定的規則和領悟，再通過預編程灌輸給機器，而AlphaGo是自己“學”出來的——DeepMind的程序員為它灌輸的是學習如何學習的能力，隨后它通過自己不斷的訓練和研究學會圍棋。人類學圍棋，也是如此。
在電影《模仿游戲》中，人工智能之父阿蘭·圖靈以少年時代的同性戀人為原型設計了他的機器。事實上，圖靈當年的想法的確是設計一個“像孩子一樣思考”的機器，而不是成年人，因為他認為人類智能的秘密是學習的能力。
20年后的今天，在AlphaGo贏得對李世石的第一局比賽后，哈薩比斯在自己的Twitter上這樣寫道：“我們已經登陸月球。”
