中国版Alphago，是否又只是一个“民科”的故事而已？

在《神雕侠侣》的结尾，我们看到有一群武功不怎么样却自视甚高的人跑到华山上“论剑”，但在杨过这样真正的高手面前便现了原型。这其实并不奇怪，要想扬名立万，挑战天下武功第一是最简单的事情，人总要有点梦想，万一实现了呢。最近在人工智能领域，也有类似的事情。

不不不，我想说的不是AlphaGo挑战李世石的“人机世界大战”，而是“中国版AlphaGo”异构神机昨天晚上号称要挑战另一位世界冠军柯洁九段的事情。虽说我也认为AlphaGo要在五番棋中赢下顶尖棋手难度很大，但至少还是抱着“就算跌倒也抓一把沙在手里”的学习态度而来，但在异构神机上，我们感受到的诚意就要少很多。

同是挑战高手，为何受质疑的是“异构神机”？

原因在于：这是一个难以从技术和产品的正常逻辑去推断得出结论的项目。

关于人工智能要在围棋上胜过人类的难度，雷锋网之前文章也有过分析。简单来说，无论是状态空间复杂度还是博弈树复杂度，围棋都比AI已经战胜的国际象棋高出上百个数量级，一般认为，人工智能要在围棋上战胜人类，需要更优秀的算法（如目前AlphaGo采用的MCTS）、更深的神经网络辅助训练、以及更大的学习和训练的数据库，缺一不可。

具体来说：

在算法方面，AlphaGo的算法原理并不复杂，在Nature中也有提及，但真正有价值的是神经网络中参数（据说用于AlphaGo训练的神经网络有5000多万个参数）的最优解。最强的AlphaGo使用了64个搜索线程，1920个CPU的集群和280个GPU的集群，经过数千万局的对局才得到一组较优解。在经过这样的训练后，才使得AlphaGo有了“棋感”，有57%的几率和围棋大师下出同样的棋。

无他，唯手熟尔。

然而，这一切在“异构神机”面前，仿佛都“那都不是事”，从新浪对“异构神机”的报道我们注意到几个细节：

1）“异构神机”的研究时间并不长。“在听说围棋程序 AlphaGo打败了欧洲冠军之时（笔者住：今年1月底），蒋涛就非常激动地打电话给吴韧，但后者表示原理并不难，自己的机构做一个程序也能挑战职业棋手。”

2）“异构神机”所积累的数据和训练也不足。“技术上暂时并没有什么瓶颈，所欠缺的只是大量的围棋高手对局数据来继续“深度学习”和其余几个辅助系统的增加和优化......运行这个程序的只是一台苹果笔记本电脑。”

3）“异构神机”的秘诀似乎不是大数据的积累，而是创始人的灵光一闪。“吴韧博士在测试棋的时候，通过调整电脑的思考时间，对比招法区别，甚至现场修改程序代码。测试棋下完，大家都松了口气。吴韧博士确信了自己的技术方向没有问题，来观看测试的人们则确信电脑围棋已经能够威胁到职业棋手了。”

可以这么比方，“异构神机”要战胜人类顶尖选手的路径仿佛我们耳熟能详的一个故事：牛顿在苹果树下坐着，被苹果掉下来砸到了脑袋，然后脑袋一拍就想出了万有引力。这样的故事很吸引人，但任何一个具备科学素养的研究者都会对此一笑了之，也只有懂得一些新名词（例如“引力波”）但没有接受过系统的科学训练、不尊重客观事实、不用标准的学术方式叙述和解答问题的“民科”们才会相信，自己就是那个被苹果砸到脑袋的牛顿。

“民科”在科技创业圈中的抬头，则是我们担心的另一件事情。在创业大潮中，我们有看到这样的一些科技创业公司：他们能够跟上最新的热门概念，讲故事的能力一流，但并不把技术和产品作为自己精心打磨的核心竞争力，一不小心就“放了个卫星”，在投资人那里能吃得开，但在同行眼里却无法得到认同。从电动汽车到无人机，这几个领域都有着这样的存在。

谁都可以华山论剑，但是否配得上那个“天下第一”的称号，武林自有一番判断方法。所谓的传奇，也不过就是把曾吹过的牛逼一步一步实现的过程，如一句话说，领先半步是天才，领先一步的是疯子。

这句话，同样也适用于科技圈和吹牛界。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。