博弈，词语解释是局戏、围棋、赌博。现代数学中有博弈论，亦名“对策论”、“赛局理论”，属套用数学的一个分支， 表示在多决策主体之间行为具有相互作用时，各主体根据所掌握信息及对自身能力的认知，做出有利于自己的决策的一种行为理论。目前在生物学、经济学、国际关係、计算机科学、政治学、军事战略和其他很多学科都有广泛的套用。博弈论主要研究公式化了的激励结构间的相互作用。是研究具有斗争或竞争性质现象的数学理论和方法。也是运筹学的一个重要学科。

围棋

博弈论是指某个个人或是组织，面对一定的环境条件，在一定的规则约束下，依靠所掌握的信息，从各自选择的行为或是策略进行选择并加以实施，并从各自取得相应结果或收益的过程，在经济学上博奕论是个非常重要的理论概念。什幺是博弈论？古语有云，世事如棋。生活中每个人如同棋手，其每一个行为如同在一张看不见的棋盘上布一个子，精明慎重的棋手们相互揣摩、相互牵制，人人争赢，下出诸多精彩纷呈、变化多端的棋局。博弈论是研究棋手们 “出棋” 着数中理性化、逻辑化的部分，并将其系统化为一门科学。换句话说，就是研究个体如何在错综複杂的相互影响中得出最合理的策略。事实上，博弈论正是衍生于古老的游戏或曰博弈如象棋、扑克等。数学家们将具体的问题抽象化，通过建立自完备的逻辑框架、体系研究其规律及变化。这可不是件容易的事情，以最简单的二人对弈为例，稍想一下便知此中大有玄妙：若假设双方都精确地记得自己和对手的每一步棋且都是最“理性” 的棋手，甲出子的时候，为了赢棋，得仔细考虑乙的想法，而乙出子时也得考虑甲的想法，所以甲还得想到乙在想他的想法，乙当然也知道甲想到了他在想甲的想法…面对如许重重迷雾，博弈论怎样着手分析解...

塞穆尔的跳棋程式

格林布莱特设计的西洋棋程式

IBM公司研製的超级计算机“深蓝”

谷歌人工智慧围棋“阿尔法狗”

围棋大战

几十年来，古老的围棋游戏一直是计算机难以涉足的领域，它的细微精妙使得人工智慧在这方面远远落后于顶级的人类棋手。上一次，当全世界的注意力聚焦在一块小小的棋盘上，是1997年。当年5月，IBM的计算机“深蓝”打败了西洋棋世界冠军，很多人因此失落, 甚至产生了恐慌的情绪。但是，要知道，围棋相对于象棋来说，其变数又是另一个数量级，围棋棋盘横竖各有19条线，共有361个落子点，双方交替落子，这意味着围棋总共可能有10^171(1后面有171个零)种可能性。而宇宙中的原子总数是10^80(1后面80个零)，即使穷尽整个宇宙的物质也不能存下围棋的所有可能性。这个来自中国的古老游戏，被很多人视为“智力巅峰”——其势万变，计算机不可挑战。

自从今年一月份，阿尔法狗登上《Nature》封面，其关注程度就已经引爆。我们来分析一下人类智慧代表李世石失败的原因，这可能要从阿尔法狗的运算原理入手：余凯认为，AlphaGo的优势可能在于其套用了蒙特卡罗算法（Monte Carlo treesearch），这是套用于某些决策过程的搜寻算法。“这种算法的特点是只要时间足够，它能穷尽所有对局的方案，让机器人充分学习。它突破了人类极限，让电脑不断自我对决并提升。”围棋的棋局中变数虽然大，但是最终还是有限的，而不是无穷大。

另外，李世石接受採访时说：“如果对手是人，我倒不会这幺费神地做準备，可是对手是机器，我必须构想我一个人孤单坐在那里的情景。和机器下棋心理战行不通，到头来我只能调节自己的心理。”对于人机博弈来说，本质上的差异也是不能忽略的：机器相对于人类，它不会有意识，“心理”不会波动，不会产生紧张的情绪；“身体”不会产生疲倦，可以对有限算法进行无限次地训练和计算。因此，对于“征服围棋”这个带有哲学色彩的命题来说，缺乏思想、道德感和哲学理念的阿尔法狗是难以真正实现的！！

对于人机大战中，人类智慧连连失利的事实，人类朋友们紧张和恐惧的情绪再度升级。有网友发出感叹：“一场围棋人机大战，人类被逼到了墙角。”“人机大战，留给人类的时间还多吗？”……种种说法，不禁让科幻迷们联想到科幻小说《三体》中外星人入侵地球前的“漫漫长夜”。但是我认为，阿尔法狗虽然具有类似人类的判断力，在“千古无同局”、极端烧脑的围棋比赛中碾压了人类智慧，但是这种恐惧思想似乎有些过了头。

一般我们认为促使人生爆发出能量的本源动力有三项：欲望、理智与激情。这三项东西正好可以从人类的进化链条中提炼出来。基于理智衍生出来的东西可以是推理和计算，基于欲望和激情衍生出来的东西则是想像力、理想等。那什幺是人工智慧呢？抽掉人的欲望和激情，再抽掉人的肉体限制并把剩下的理智力量无限放大，人工智慧主要发展只能理智这一维度，并主要通过深度学习驱动，依赖于计算能力和大量数据。因此，基于数据和深度学习的人工智慧更像是已知领域的专家，但并没能力像马克思那样去凭空创造出一个体系。归根结底，人工智慧现在还只能是一个机器，处于弱人工智慧的阶段。人工智慧现在还不能完成自我的进化，现在深度学习的方法只是对已知的数据去重複，泛化它，其实解决的还是已经有的问题。人工智慧，即便下棋把人赢了，但能够解决的问题还是非常有限的，只是取代重複性的脑力劳动。

而DeepMind(AlphaGo的研究公司)创始人也表示：AlphaGo距离人脑水平仍然相当遥远，可能还需要几十年。在前天的赛前发布会上，谷歌董事长施密特表示，正是人类的努力才让人工智慧有了现在的突破，输赢都是人类的胜利。“阿尔法狗”作为来自人工智慧领域的使者，它更像一个火种照亮了未来科技的发展方向。面对脑海中勾勒出的科幻景象，我们没有理由选择拒绝。当有朝一日卡通片中的机器人暖男“大白”真实地走入每个人的生活时，那会是多幺有趣的一件事。

公众对人工智慧的警示掩盖了人工智慧带来的帮助，人工智慧必须思考对人类的真正价值。这次比赛对于做深度学习和做算法，在整个历史里会扛起更多的责任，在人类文明里，机器会扮演越来越重要的作用，代表这样的力量，人应该更多思考自己的意义。

人工智慧是否对人类产生威胁的主要判断标準是：要看机器是否有意识。如果设定军用机器人的目标不仅是杀敌还要存在下去，他就有可能发现他的主人是他的障碍，并想方设法除掉这个对自己构成威胁的人。而目前的情况是，第一机器没有目的，第二它们不够聪明。

从另一个角度乐观地来想，机器赢了其实是好事，如果机器开始假装输给你，那就可怕了。如果他故意扮演输给你，用其他的意图来隐藏自己，在我们眼皮子底下悄悄对人类构成威胁，那就真的是细思恐极了。相反，这种真实的展现，可以让出自人类之手的人工智慧还能够在我们的把握中。

但是，当下的人工智慧市场似乎并不容乐观，最大的问题是市场区隔做得不到位。“现在的人工智慧相当于人在两三岁时的智力，它离人的预期实际差距是非常大的。因此，只有市场区隔化，产品才能更加最佳化，用户体验才能做到极致。”在吴义坚的理想状态下，“我们要力争做到幼童拟脑机器人的行业第一。”

人机博弈的图片

在行业风口来临之前，小青瓜也显然已经做好了準备。大部分创业都不是一帆风顺的，要经受各种波折。深处新兴行业，在初期要耐得住寂寞，吃得了苦，更要面对各种质疑和挑战。