10月19日，《自然》杂志刊登了谷歌deepmind团队新成果，一个名为alphazero（阿尔法元）的机器人完全靠增强型自我学习，只训练了3天就战胜了alphago（阿尔法狗），比分是100：0。

阿尔法元无师自通、零基础“自学成才”，许多人闻讯瞠目结舌。有人说：“过去我们相信‘知识就是力量’，现在看来，数据和机器学习比知识和人类经验更有力量。”甚至悲观地认为：人工智能以后可能就不需要“人类师父”了。

果真如此吗？答案显然是否定的。阿尔法元虽然确实通过机器学习超越了人类经验，发现了人类专家还未探索过的博弈路径，但并未否定人工智能机器人仍需要人类经验和知识。

阿尔法元的突破之处在于，第一次让机器在不“学习”任何棋谱、只设定规则的情况下，从“一张白纸”的状态开始，迅速成为“围棋大师”。与阿尔法狗不同，阿尔法元完全摒弃了阿尔法狗学习人类经验、变身许多围棋高手的集大成者的那一套做法，而是无监督的自我博弈、学习，在这个过程中，自己是自己的老师。

这也只表明，在某些特定领域——例如有明确规则的围棋——人工智能或许不再需要人类知识。但这并不表明，人工智能完全不需要人类知识的指引。在日前曙光公司举办的智能峰会上，中国工程院院士李国杰就此发表了看法，他认为，一方面，我们绝不能低估机器学习的强大威力——对于结构性的问题，比如蛋白质折叠、寻找新材料等，无需人类知识的机器学习可能会取得令人惊叹的新突破；另一方面，对于规则不明确的探索未知的研究工作，领域知识仍然十分重要，不能无限夸大机器的能力。

人工智能发展至今，已进入2.0时代的轨道。但在人工智能基础理论领域，仍存在许多未知等待人类去探索。美国“曼哈顿工程”的负责人奥本海默在二战胜利以后曾说过这样一段话：“（在二战期间）我们得到了一棵硕果累累的大树，并拼命地摇晃，结果得到了雷达和原子弹……其全部精神实质在于对已知的疯狂而粗暴掠夺，而毫无对未知的认真而谦恭的探索。”

这段话之于当下人工智能的发展仍有启发。经过60年的培育，人工智能已经长成硕果累累的大树。我们是拼命地摇晃这棵大树，在地上捡一些零星的果实，还是怀抱着对未知的认真和谦恭，自己新种几棵树苗？答案不言自明。

事实上，在人工智能领域，非常需要更多的“领域知识”。比如，深度学习为何如此有效？现在还没人能讲得清楚。以色列学者提出，深度学习和量子力学中的“物理重整化”几乎是完全相同的过程。像这类非常基础的根本性的问题，还需要“人类师父”继续探路。

以上是网络信息转载，信息真实性自行斟酌。