10月19日，《自然》雜志刊登了谷歌DeepMind團隊新成果，一個名為AlphaZero（阿爾法元）的機器人完全靠增強型自我學習，只訓練了3天就戰勝了AlphaGo（阿爾法狗），比分是100：0。

阿爾法元無師自通、零基礎“自學成才”，許多人聞訊瞠目結舌。有人說：“過去我們相信‘知識就是力量’，現在看來，數據和機器學習比知識和人類經驗更有力量。”甚至悲觀地認為：人工智能以后可能就不需要“人類師父”了。

果真如此嗎？答案顯然是否定的。阿爾法元雖然確實通過機器學習超越了人類經驗，發現了人類專家還未探索過的博弈路徑，但并未否定人工智能機器人仍需要人類經驗和知識。

阿爾法元的突破之處在于，第一次讓機器在不“學習”任何棋譜、只設定規則的情況下，從“一張白紙”的狀態開始，迅速成為“圍棋大師”。與阿爾法狗不同，阿爾法元完全摒棄了阿爾法狗學習人類經驗、變身許多圍棋高手的集大成者的那一套做法，而是無監督的自我博弈、學習，在這個過程中，自己是自己的老師。

這也只表明，在某些特定領域——例如有明確規則的圍棋——人工智能或許不再需要人類知識。但這并不表明，人工智能完全不需要人類知識的指引。在日前曙光公司舉辦的智能峰會上，中國工程院院士李國杰就此發表了看法，他認為，一方面，我們絕不能低估機器學習的強大威力——對于結構性的問題，比如蛋白質折疊、尋找新材料等，無需人類知識的機器學習可能會取得令人驚嘆的新突破；另一方面，對于規則不明確的探索未知的研究工作，領域知識仍然十分重要，不能無限夸大機器的能力。

人工智能發展至今，已進入2.0時代的軌道。但在人工智能基礎理論領域，仍存在許多未知等待人類去探索。美國“曼哈頓工程”的負責人奧本海默在二戰勝利以后曾說過這樣一段話：“（在二戰期間）我們得到了一棵碩果累累的大樹，并拼命地搖晃，結果得到了雷達和原子彈……其全部精神實質在于對已知的瘋狂而粗暴掠奪，而毫無對未知的認真而謙恭的探索。”

這段話之于當下人工智能的發展仍有啟發。經過60年的培育，人工智能已經長成碩果累累的大樹。我們是拼命地搖晃這棵大樹，在地上撿一些零星的果實，還是懷抱著對未知的認真和謙恭，自己新種幾棵樹苗？答案不言自明。

事實上，在人工智能領域，非常需要更多的“領域知識”。比如，深度學習為何如此有效？現在還沒人能講得清楚。以色列學者提出，深度學習和量子力學中的“物理重整化”幾乎是完全相同的過程。像這類非常基礎的根本性的問題，還需要“人類師父”繼續探路。

更多資訊請關注工業機器人頻道