人工智能能取代围棋老师教围棋吗？
这是一个所有围棋爱好者，尤其是围棋老师非常关注的问题。表面看似乎非常简单，AlphaGo都战胜世界冠军了，还不能教围棋吗？总不能说做个围棋老师比战胜世界冠军还难吧？
这个回答似乎非常犀利，然而犯了概念混淆的逻辑错误，把完全不同的两个东西在做类比。就像郭德纲说的，不想做司机的裁缝就不是好厨师。
现在无论正方反方，都收起情绪化的表达，冷静的以逻辑推导。具体看一看这个问题的答案。
先说一段20年前的轶事
1996年IBM的深蓝电脑利用算法战胜了国际象棋世界冠军卡斯帕罗夫，在全世界引起了轰动。虽然那个时候没有微信，但谣言的传播从来都不用借助技术的手段，很快就出了一个小段子。
大意就是说机器人与人类进行对弈，输棋之后恼羞成怒，当场放电把对手电晕。船长看了一笑置之，不过许多人信以为真，忧心仲仲地开始杞人忧天，担心发生机器人接管人类的世界末日，甚至惊呼——终结者来了
船长耐心地解释：电脑能在国际象棋上战胜人类，利用的是算法，简单的说就是“轨迹法”。因为国际象棋每一步走法位置都是相对固定的，棋盘又不是很大，只要算清了变化，利用穷举法就能找出那条取胜之路。
然而输棋之后放电杀人那就另一回事了。这里面牵扯到一个极大的突破就是——电脑要有一个输棋之后恼羞成怒生气的程序
这个玩意儿可怎么解决呀，情绪应该是自发的，没有生命没有灵魂之物，他可以生气吗？这个要是有了才是创举
生气之后还要有一个放电杀人的程序
。设计这么一个程序技术上没难度，但是不违法吗？而且下棋这个事情大家都知道，AlphaGo下棋的时候有开发团队的黄博士做人工臂。假如输了棋可以放电杀人的话，难道还要外接一只高压电棍吗？什么样的比赛允许这样进行
总之，船长从逻辑上进行了耐心地推导，做出了自以为专业的回答。然而不出所料，换来的是周围的一脸懵逼。好在船长习惯了也不太介意。
其实这个小例子就是说明很多事情看上去很简单，然而却没法做类比，因为不是一回事。
那么，回到围棋程序AlphaGo上来，我们先研究一下现在的人工智能跟以前有什么不同，它是利用什么方法击败世界冠军的。下一步我们再来研究一下，如果是教围棋尤其是教小孩下棋，跟着上面有什么相同之处，不同之处，是否能利用击败世界冠军的能力去教孩子下棋呢？
首先，把AlphaGo下围棋并不是单纯利用计算，也没有采用穷举法。简单地说AlphaGo下棋需要三步。
第一步、图形识别
人工智能运算的路径是模仿人脑，并非是在后台计算一大堆坐标，而也要像利用人类视觉似的，先对着棋盘进行图形识别。
第二步、卷积层
这个术语比较专业，这里面还有一个神经网络的概念，船长也不大懂。只能尽量简单的说，就是对于一种下法的结果要进行多层次的综合的逻辑判断，是得是失，是好是坏，等等有很多指标。进行判断的层数越多就是考虑问题越全面越周密越深刻。
第三步、深度学习
这一步最容易引起大家的误解。机器的所谓深度学习，其实重点不是深度而是广度，主要利用的就是大数据。这点电脑的优势发挥的淋漓尽致，比如说AlphaGo可以一天自我对局100万盘，一个月就是3000万盘。试想一下，一个顶尖棋手一生能下多少盘棋呢？
假如我们也来个穿越，回到棋魂上所描写的秀策时代。那个时候没有网络，正式对局记录的几百盘加上各种练习对局，上万盘不得了了。而AlphaGo的一个月的对局量就相当于秀策3000世！俗话说，三个臭皮匠，赛过一个诸葛亮。仅从数量上比，电脑一个月的对局就等于一个顶尖棋手一生对局量的3000倍，能不厉害吗？所以说人工智能2016年的突破所依赖的深度学习，其实核心就是现代的大数据收集与处理。
2017人工智能元年：围棋创世纪
那么，现在从技术控理工男的路子中跳出来，以一个人类围棋爱好者的角度来简单总结一下要点。
1图形识别——就是人类的打谱，学习棋形找棋感
2卷积层——就是逻辑判断，或者说学习棋理，建立棋盘上的三观。
3深度学习——对于人类来讲是不可能，只能尽量提高学习效率。从自己下过的几百盘几千盘对局中自行积累经验，这个就看每个人的天赋了。
多年前日本的林海峰九段写过一本围棋书《九段的感觉》重点剖析了许多职业棋手下棋计算的思路。其中就明确的提出，围棋有三个层次：最基本的计算，再高一步是判断，最顶级的是感觉。我们不妨把这几个思路逆推过来，跟AlphaGo下围棋学围棋的原理基本是一致的。
现在回到主题：AlphaGo都能战胜世界冠军了，还教不了围棋吗？这句话感觉上政治正确，但实际上是在拿不同的东西做类比。围棋爱好者都有数，当世界冠军跟教5岁的孩子下棋完全是两回事。那么我们现在用技术的语言来分析一下，教小孩儿下围棋需要用什么功能。
第一步、自然语言识别
对弈不牵扯语言识别的事，只是图形识别就好。而教一个小孩下棋，一定是双方的交流，不能只是单方面的灌输。机器的语言可以表达的极为精确，但孩子可能听不懂，而小孩说出的话来机器能明白吗？
况且很多孩子说话都是词不达意。原本就是语言学习的敏感期，有的话不是有经验的老师都听不懂，何况电脑。
况且，最关键的就是目前AlphaGo技术的方向是图形识别，根本不牵扯不了自然语言识别这一块。
第二步、卷积层
如果说AlphaGo的卷积层重点进行的是棋盘上的大小逻辑判断，那么要来教学的话在卷积层中还要判断如何进行表达。比如需要找出什么棋形例题，举什么例子，用什么语言组织，甚至开什么玩笑。小孩儿学棋下棋过程中可能会分心走神，输棋了可能会灰心失望，这个时候儿是否进行一下安慰，是否进行一下鼓励呢？
这里面牵扯到另一个问题——人工情绪识别。（这个术语是船长编的）老师可以是机器，孩子却是真人啊。虽然现在有的电脑已经通过了图灵测试。然而。在船长看来，能编段子，能说笑话的人工智能才是方向。在教课这上面，我们需要的的是一个AlphaGo版的憨豆先生。
第三步、深度学习
AlphaGo在这一步是利用自我对局实现的。而教课这个环节数据的采集样本怎么解决呢？难道找1万个孩子让他来教，机器倒是不嫌麻烦，家长恐怕受不了吧，我们家就这一个孩子，可别让机器给弄蒙了。当然啦，真要研发这项技术，一定会有方法，不见得用那么笨那么土的招。船长只是开个玩笑。
第四步、商业驱动
开发AlphaGo的深度思维公司是一家英国公司，后来被谷歌收购。之所以对人工智能深度学习感兴趣，是要用它解决一些应用非常广泛的大问题。（下围棋只是一个实验项目，当然也是一次顶级的公关营销活动。）只有这样，巨额的资金投入，顶尖的知识团队才能有回报，比如医疗问题、法律问题、财务问题等等，这些都是人工智能的重点方向。如果开发了这么尖端的技术，只是用来做教围棋这么小众的项目，作为验证是可以的，作为一项商业应用，就有点得不偿失，颇有牛刀杀鸡的感觉。
第五步、社会伦理
这条似乎有点儿扯淡，一个技术问题跟社会伦理有啥关系呢？实际上，西方大公司对此非常看重，这就是他们公司的社会责任和价值观，船长认为还是非常人性化的。比如AlphaGo为啥退出中国，为啥宣布不再参加围棋比赛呢？简单的说，他们不愿意打乱围棋市场，破坏人类的一项产业。
假如AlphaGo真的带头开发人工智能教学了，以这些公司的技术实力很可能成功。然而，在他们成功的同时，可能一项产业被摧毁了，成千上万的人要失业，要流离失所。按照中国逻辑，我成功了就好，你们这些事儿和我有啥关系。按照西方的观点，这是一个企业的社会责任感，不可以随便的去做。这就是阿尔法狗功成身退，退出中国的社会伦理背景。
不管国人如何看待，船长深为佩服。如果不以为然，请以某中国公司声称中国消费者愿意用隐私换取便利去做对比。顺便说一句，请大家祈祷，这项技术千万别被中国公司开发出来。否则，全体围棋老师没有商量余地的下岗。
终结者来了
总之，船长看来人工智能教围棋短期内是不可能实现的。
1这一项功能跟AlphaGo下棋的完全是两条线，不是一回事
2要想开发这个功能，需要一些新的算法，新的逻辑，未必会有人愿意进行商业开发。
3目前有实力的公司是有社会伦理的，不一定干这些事。国内的某些大公司是一定会这么干的，但目前商业利润又让他们无利可图。当然，打着人工智能旗号的一些骗子是有的。
总之，暂时不会有人冲击围棋老师的饭碗。这就是船长一个伪理工男，关于人工智能教学这件事所作的假专业，真烧脑的“科学论断”。
最后说一个笑话
1867年的平安夜，美国西部一个小镇传出了世界末日的准确消息。居民们听了人心慌慌，只有一个二愣子大叔不以为然，照样傻吃傻睡。
平安夜钟声一过，全村的男女老幼们都举着十字架蜡烛，来到了一座能看见海岸的小山上进行祈祷，许多人留下了虔诚的眼泪。然而一惊一乍的一夜过去了，末日迟迟没有到来，大家有些懈怠了，甚至有人心里面开始偷偷地对信仰产生了动摇。
黎明了，太阳马上要升起，突然响起了一阵刺耳的喇叭声，众人惊得跪倒在地上。紧跟着一个粗俗的大嗓门（二愣子大叔）在村边上大喊：“快下地干活儿吧，大天使是不会帮你收土豆的！”
閱讀更多 A鐵船長圍棋B 的文章
