第三局在周六，不过AlphaGo连续两天的胜利对我的冲击太大。以至于白天上班都有些走神。对于整个事件的影响，我仍旧在思考当中。这里记录的是一点点的碎片：

  • 如果真的出现一个类似与人类的智慧群体，我最初的冲动是一种残酷的，期望彻底摧毁这种群体的欲望，冷静下来之后，我知道我需要学会包容，需要容忍，需要反省。成熟的方式是接受，而后是正面的，公平的竞争和超越。或者说，这种“类人”的出现，更多的是一个变得更好的机会，而不是对手。
  • 我无法找到AlphaGo的弱点，这是自然的。我学得不够，了解太少。但是我知道的电脑的原理告诉我，AlphaGo应该不会具备诸如“举一反三”的能力。玄幻点说是“悟性”，具体点说是“借鉴”的能力。
    • 我平生只玩过一次Monapoly，这一次里面我学到的最深刻的教训是：现金流是重要的。商业帝国会因此而轰然倒塌。所以我对自己的家庭财务规划也极其注意现金流。
      • 这算是一种直接的借鉴吧。我不觉得电脑能够做到。因为无论所谓的deep learning如何实现，它都只能在既成的数据处理模块上进行。在设计上，这种模块可以分层次，每一个层次可以再细分成不同的部分，但是如论如何细分和调整，模块一旦固定，它的功能也就固定了。正如AlphaGo的模块是处理Go的问题，它在不做任何改动的情况下是无法处理即便是最简单的财务问题的一样。AlphaGo的意义当然不在于它能够下棋，它的意义在于它的模型建立过程培养了一群知道如何建立模型的人。这个群体可以建立任何诸如股市，军事，商业的模型，而后赋予其强大的计算能力。
  • 和AlphaGo的竞争是不公平的，因为AlphaGo的资源比单个人的资源更多。推而广之，任何人，当他和machine learning的程序竞争的时候，都面临这种不公平。而唯一能够打破这种不公平的，仍旧是machine learning 本身：和它竞争的人必须是能够同样使用machine learning的人。简单的说，如果有一天，一个接受AlphaGo训练的人类开始战胜AlphaGo本身，那么这种比赛才更具有意义
  • 延伸开来，正如战胜人的是人，战胜机器的会是机器一样。AlphaGo的意义在于告诉所有人，以后的竞争模式已经发生了改变，人，只有在不断的利用machine learning的基础上，才能不断的，迅速的发展
    • 而衍生的新的竞争的不平等，将是对machine learning的资源的运用的不平等。