“它太完美，我很痛苦，看不到任何勝利的希望?！边@是柯潔在2017年和阿法狗零賽后的說法。
阿法狗利用模仿人類的“深度學習”工作原理，通過“神經網絡”學習所有高水平圍棋棋譜，從而獲得了在盤面上如何落子的直覺。因此，隨著未來數(shù)據的積累，“阿法狗”們就不僅僅是下圍棋了，甚至可以做更多的事情。
阿法狗零擊敗柯潔的事實固然讓人驚訝，然而，后來的阿法蝶更是從基因序列準確的預測了蛋白質結構，這更讓人震驚了，因為它讓人們意識到：人類的知識不值一文，甚至有可能存在一類新的知識——人類無法理解的知識。
要解釋這個“知識”，引用硅谷風險投資AimTop Ventures創(chuàng)始管理合伙人王維嘉在第八屆嶺南論壇的說法：
先從赫布學習定律來解釋，學習知識時，同時受激發(fā)的神經元會相連。所以人的神經網絡本質就是“萃取相關性”，去建立認知的關聯(lián)。
現(xiàn)代電子電路是模仿神經元的原理建立的。
因此，在當前AI時代中知識是可以重新劃分的：
其中的“暗知識”，就是人類不可感受、不可表達的知識，而恰恰這就是最讓人可怕的地方，模仿人腦在各種數(shù)據上都遠超人腦：如機器“感知”能力遠超人類，電子神經元比人腦神經元快百萬倍，人腦神經元=200次觸發(fā)/秒,傳導速度120米/秒；而電子神經元=10億次觸發(fā)/秒,傳導速度=3億米/秒，觸發(fā)是人腦500萬倍,傳導是人腦300萬倍。同時人腦神經元還“錯誤”百出，神經元間傳遞成功率=30%，還經常出現(xiàn)忘記、“漏電”、干擾的情況。甚至人工神經網絡可以獲得每個人工神經元權重來控制運作效率。
無處不在的傳感器記錄著世界狀態(tài)，機器發(fā)現(xiàn)數(shù)據中隱藏的萬事萬物關系，算法會不斷優(yōu)化生活和生產活動，可以說暗知識標志著機器認知時代的到來，人類知識總量和機器相比滄海一粟。
王維嘉補充說：誠然如此，人類其實不必恐慌，人工神經網絡的局限性在于“三無”，無符號、無情感、無意識，具體來說就是：其一，類似爬行動物的反應性，只能記憶相關性,無法理解場景和因果；其二，需要“先驗知識”、訓練數(shù)據，不能像人類一樣舉一反三，運作依賴擬合模式；其三，智商偏科、情商為零。
因此，AI是無法實現(xiàn)計劃經濟的，只需要把它看作一次歷史級別的工具躍遷就行。完整版本見創(chuàng)新觀察（Innovationcases）
大灣區(qū)創(chuàng)新戰(zhàn)略研究會高級研究員駱仁童表示，對于AI的未來不必過分恐慌，阿法狗零的成功主要是證明AI在規(guī)則目標明確的場景中自我學習的可能性，即自我產生數(shù)據、自我建立認知。但對于創(chuàng)造性的認知，在相當長的時期內，是很難實現(xiàn)的。舉例來說，給AI一千張人臉圖片，然后生成新的一千個臉是很容易的事，但給AI一張人臉圖片，要求它創(chuàng)造出一千個新的臉，目前是無法實現(xiàn)的。所以我們更應該多保持自己的創(chuàng)新意識和突破思維。
大灣區(qū)創(chuàng)新戰(zhàn)略研究會高級研究員張云然表示，AI自主學習能突破人類固有的思維模式，會實現(xiàn)意想不到的效果。相信像Google這樣巨頭完善算法后，神經網絡的門檻能大幅降低，更多的公司、組織、創(chuàng)業(yè)者可以更好的利用這些技術，結合自己的創(chuàng)意和業(yè)務數(shù)據，實現(xiàn)基于AI的創(chuàng)新。
