圖為《星際爭霸2》遊戲中輔助玩家的AI副官
《星際爭霸2》的戰鬥異常複雜激烈
人類發明人工智慧，顯然不只是為了下下棋、伺候病人。然而，當能夠替人類預測、規劃、決策的AI出現後，我們真的就可以放心放手了嗎？
人，顯然是比機器更貪婪的物種。
在輕鬆擊敗圍棋天王李世乭後，按捺不住的谷歌碼農（程式員）們，又急吼吼地為Alpha Go，找到了下一個羞辱自己同類的角鬥場——遊戲。
在本月的“2016暴雪嘉年華”開幕式上，谷歌公司透露，他們計劃讓自己的新一代人工智慧，在暴雪公司的經典對戰遊戲《星際爭霸2》中，和那些囂張的宅男玩家們掰一掰手腕。
遊戲和圍棋有什麼不同？如果説圍棋是極度抽象的純思維對抗，那麼遊戲尤其是《星際爭霸》這樣的即時戰略類型(SLG)，則是一場具體、細碎、強度高到普通人根本無法駕馭的較量。更形象地説，它是兩個玩家對各自人生的一場模擬經營。
那麼回到現實，當能夠替人類做出預判、規劃等決策行為的“阿爾法狗們”真的出現時，你敢不敢把自己的工作、公司甚至人生，交給這個冷冰冰的機器呢？
從拳手到CEO
年初的那場人機圍棋大戰，人類輸得毫無脾氣。但這次的情況，或許不同。
相比圍棋你來我往的“回合製”不同，《星際爭霸》講的是各自為戰的“即時戰略”。在這類遊戲中，玩家要根據系統提示的不完全資訊，進行選擇、預測和快速反應，以及對戰局進行長期規劃。
簡單説，圍棋就像是拳擊手一對一的搏鬥。當一方出拳後，另一方需要作出閃避、反擊的決策，以及之後對對手下幾回合進攻意圖的預估。而SLG類型遊戲，玩家則更像分別扮演兩個國家或公司的創始人和CEO（首席執行官），彼此之間進行一場你死我亡的競爭。
遊戲開始時，雙方擁有相同的起步資源和生産工具。初期必須建立基本的資源供給（農業、採礦、伐木）和人口生育，同時去尋找、偵查對手的位置和發展路徑。此後在一定物質和人口基礎上，依照自己熟悉程度或者針對對手的特點和選擇，在軍事、科技、文化、商業、外交等方面，從若干種發展路徑中選取一或幾種，並且各行業之間要相輔相成，互相促進。中後期便是與對手直接進行軍事或商業的交手了。
前線激戰的同時，玩家還需要統籌安排後方的生産製造，防備敵人潛入偷襲等。由於電腦螢幕只有一塊，當雙方在多個戰場發生戰鬥時，玩家不僅要以極高速度在各戰場和後方基地間切換、下達宏觀命令，還要在具體的每一場戰鬥中細緻操作每一名士兵的進退。
這種達到智力極限的高強度挑戰，註定可稱之為高手的玩家數量，全球寥寥。可以説能夠代表人類在《星際爭霸2》中迎戰AI的玩家，必然有著優於常人的智商，高超的分析、統籌、管理水準，以及堅定、果斷的決心和強大的抗壓能力。簡言之，在不作弊的條件下，一名足夠讓AI頭疼的對手。
不被人類“僱主”看好
儘管谷歌表示，與Alpha Go不同，《星際爭霸2》的人工智慧，將不僅僅是對抗，而是旨在輔助玩家能夠把遊戲玩得更好，為玩家和選手提升自身的實力水準提供幫助，但所有人都明白，如果AI能夠勝任國王或者CEO，其意義何止幫人玩好一款遊戲！大到商業、治國，小到家庭、情感，有網友甚至戲言：把人生決定權交給機器，我們或許會活得更好。
在人類與AI的第二番較量舉辦和結束之前，我們很難做出過於肯定的預測和結論。但綜合目前AI的發展態勢來看，要想拿到人類CEO這份Offer（工作），機器還有很長的路要走。
“綜合管理，不僅需要強大的計算分析能力，更要能夠在意識形態層面有出色的領會力。”一位不願透露姓名的研究人員告訴記者，智慧機器最大的優勢在於分析和記憶，在海量數據的支撐下，這兩項基本功就能幫助實現許多人腦達不到的層面。但本質上，它還是基於數據分析和計算的機器系統，它只能夠模倣的是人腦能捕捉、能描述、能清晰可見的部分。至於意識形態層面的感知與反應，則很難模倣。智慧機器與人腦在本質上是兩種不同的分析“系統”。
微軟人工智慧首席科學家鄧飛認為，目前基於大數據的人工智慧應用的局限之一就在於要依賴“深度監督學習”，就是説要在有與輸入輸出相匹配的大規模訓練數據之後才能使用端到端的反向傳播演算法。“如果需要解決複雜的邏輯推理問題，基於大數據和深度學習的人工智慧系統往往給不出理想答案。
正如Siri之類的智慧助手們一樣，它們可以長時間進行重復工作，卻不能像人類一樣能夠“積累經驗”並越做越好。譬如在預訂機票時，Siri只知道哪張機票更便宜，但不會衡量和計算為訂這張機票額外花費的若干小時的時間成本問題。
鄧力在世界人工智慧大會上接受記者採訪時透露，楊瀾曾帶著採訪團隊到微軟公司拍攝人工智慧紀錄片，其間專門試探過微軟的Skype Translator。“她用唐詩來試我們的系統，結果很有意思，每個字、詞都翻譯得很對，但是整個句子翻起來詩意就沒了。它還不能夠真正達到人的智慧。”
鄧力認為，在不久的將來，電腦在“語音”和“視覺”等弱人工智慧方面可以做得比人類好，但強人工智慧領域的語言、知識和決策還遠達不到這種程度。“電腦還沒法理解一些常識類的東西並做出相應的最佳決策。要實現強人工智慧或者全面人工智慧，還要對‘腦機制’進行更多更深的探索，在硬體、演算法上都要有更多突破，這需要很長的時間。”
搞懂“藍瘦”為啥“香菇”
對於人工智慧來説，理解人性最大的難點，還在於人類毫無由來的情緒化。許多決策的做出，往往並非基於理性，而僅僅因為“心情不好”“藍瘦香菇”。這顯然夠AI們喝一壺的。儘管目前的AI在技術上已經可以實現對多種、單一核心情緒的準確識別，如快樂、驚訝、悲傷、憤怒、厭惡、恐懼、輕蔑等，而且對一個人同時産生的多種情緒也能夠識別，比如悲喜交加。但是要“理解”導致某種情緒發生或波動的原因，目前技術還做不到。
因此，“怎麼把基於神經計算的深度學習跟符號邏輯連在一起”才是實現“真正的理解”的關鍵，“因為把邏輯關係搞清楚就能解釋知識的應用和推理的過程。”
鄧飛比喻道：“就像隨著小孩逐漸長大，他的知識和推理能力會一步步擴大。但在目前的技術條件下，人工智慧的‘神經網路’很難把知識自動擴大。現在我看到的所有‘深度學習’包括所謂的閱讀理解都不是真正的‘理解’。”
不過，雖然人工智慧還沒有“念”完“MBA”的課程，但僅運算能力一項，就足以“秒殺”地球上那60多億個“有機”對手。因而業內人士大多認為，就現有的技術條件，AI在用於輔助而非替代人類勞動力，即“AI+人類”的“雙打”組合，才能夠發揮最大效用。
