人工智能与理论

自从人工智能战胜最好的围棋手后，我们突然发现以前的围棋理论都站不住了。ai没有学过任何理论，它只是自我训练了几百万局。

但人类的计算力没那么强。人的记忆力有限，算太远自己都记不住。所以不得不作一些简化，这就产生了理论。

比如棋型，好棋形在统计上就是比较不容易被攻击，胜率高，这也是在人类的几百年几万局的对局经验中总结出来的。棋手都尽量把棋形走好，目的就是在不可知的未来中更容易处理。但这也不是绝对的，假如你计算力够强，你完全不用管什么棋形。

实际上不存在什么绝对的好形坏形，这只是一种理论上的简化。很多情况下“坏形”也是存在的，因为对手不让你形成好形，会破坏你的形，当然他的形也不好，这样就是谁掌握的形多，谁的计算更远，谁就会取胜。这方面计算机当然比人强，一个人不可能下几百万局，从几百万局中总结出几万种棋形，然后知道哪种形的胜率高。人的记忆力没那么强，人们只能使用更简单容易记住的理论。

理论上一台够强的计算机甚至不需要自我训练就能因为算得够深远战胜人类，比如五子棋、象棋上，计算机能穷尽变化，人类是不可能战胜它的。但围棋变化的数量级太大，当今的计算机都算不尽，所以用一种深度学习算法简化了计算，从几百万局中总结出经验，这就已经远超人类了。人类最强的棋手能训练几千局就不错了，从这个方面来看，人类还是比计算机强的，有天赋的棋手能从几百局棋中就总结出经验，计算机如果只对几千局作出学习，它还真下不过人。

在无尽的未知中，人类不得不依靠理论。同时也在不停的修正着理论。庄子说吾生也有涯，而知也无涯，以有涯随无涯，殆已。这个说法前半部分没问题，“知”确实是无涯的，但我们就此放弃了吗？不，我们就是要在有涯的实例中创造出理论，然后用这理论去解释和处理无涯的世界。我们积累的实例越多，理论就越准确，就越接近这无涯的真实。