阿尔法狗vs柯洁

⼈类彻底输了！阿尔法狗的胜利带来的教育反思

今天值得记住。柯洁输了，⽐李世乭更惨，毕竟，李⼩胜了⼀局——这是⼈类在围棋上最后的光辉。⽽阿尔法狗机器进化

了，不再是复杂的神经⽹络，⽽是单机，是单机啊！

想到现在的教育，想哭，想骂，那些还认为⾼考是教育公平的体现的，在⼈⼯智能时代，不是脑残了，就是政治投机主义

者。你们等着，⼈⼯智能迟早会来收拾你们的！

发表于《中⼩学信息技术教育》2016年第7期

图⽚发⾃简书App

最近⾕歌的阿尔法狗（AlphaGo）战胜了⼈类顶尖围棋九段李世乭，真是让⼈堵⼼！⼀些⼈⼯智能专家们借此⼤谈特谈“奇点来临”，即在不久

的将来，⼈⼯智能将会把⼈类智能甩下⼗⼏条街，快速进⼊机器⼈⼤⾏其道的后⼈类智能时代，这是不是相当惊悚？更让⼈堵⼼的是，⼀直享受着

空⾕幽兰般隐居⽣活的⽼友相当应景地发来了忧郁的诗句：“我悲剧的性格被你强化/请回过头来听我说/我将在奔流的鲜⾎中/等你擦肩⽽过”。

⼈类的悲剧，难道就是拼命发展⼈⼯智能，然后让它擦肩⽽过——把⼈类的⾝躯和⽂明交由机器主宰？

回想1997年深蓝战胜国际象棋⼤师卡斯帕罗夫时，我没有如此惊悚过，因为深蓝就如我们应试教育下训练出来的解题机器，它是⽤暴⼒算法(

brute-force)应对⼈类智能。

为什么这样说呢？深蓝的数据库虽然存储了⼀百多年来优秀棋⼿的两百多万对局，⾜以应付⼀般的棋⼿，但遇到库中没有的⾛法，就只能依赖暴⼒

计算。这种死脑筋机器，在1996年挑战卡斯帕罗夫时落败。于是在1997年，深蓝运算速度提升了2倍，运算能⼒为每秒113.8亿次浮点运算，在

当时的超级电脑中排名第259位。另外，深蓝在强⼤的32颗CPU之外⼜另加了480颗特别制造的超⼤规模集成电路国际象棋芯⽚，使得1997年的

深蓝可搜寻及估计12步棋，⽽⼈类国际象棋⾼⼿⼤约只可估计10步棋。也就是说，深蓝就是为应付“考试”（国际象棋）⽽定制的考⽣，除了会

考试（国际象棋）外，其他的事都不会！

更为可笑的是，在对局时，还有⼀些国际象棋⾼⼿和计算机专家在幕后随时调整深蓝的参数，以便在对局时有利，即为了考试成功，还有幕后团队

帮它作弊！所以，卡斯帕罗夫很不服⽓，要求来年再战，但IBM却说，已经将深蓝解体，不了了之。花这么⼤的⼈⼒和⾦钱就是为了打造⼀个只会

下国际象棋的呆板的“考⽣”，你说我会崇拜IBM的⼈⼯智能吗？不会，IBM⽆⾮是⽤此噱头多卖机器。

图⽚发⾃简书App

但这次不⼀样了，⾕歌的阿尔法狗接⼊到1202个CPU组成的神经⽹络中，运算能⼒⽐深蓝要强⾄少2.5万倍，不仅有⼈类围棋棋谱库，更可以通

过⾃⾝对弈来完成深度学习。对战前，它已在⼈类棋谱的基础上积累了3000万次的⾃我对局训练，以优化它⽐深蓝更优更有效的算法。从实战的

结果来看，它的这套算法⽆论是在总体棋局的判断，还是在近⾝博弈的策略上，都体现出相当⾼的⽔平。在以绝对优势连胜3局之后，李世乭在第

4局近⾝博弈时险中取胜，使得阿尔法狗表现出了莫名其妙的混乱。⼈类棋⼿似乎找到了救命稻草，纷纷认为这可能是它的死⽳。但机器可以从失

败中学习来丰富⼤数据并优化算法，落⼦选择是不会像⼈类那样受到情绪的影响。认识到这⼀点，果然看到第5局时阿尔法狗毫⽆悬念地⼜奏凯

歌，让⼈类黯然神伤。

⼈机⼤战结束，⼈类围棋顶尖⾼⼿们纷纷表⽰要向机器学习如何下围棋，⽽冷静的⼈⼯智能专家们却站出来给⼈类打⽓，“蒙特卡洛树搜索法在阿

尔法狗⾝上异常有效，但⽤到其他棋类游戏就没有这么明显的作⽤了。”“总体上看，⽬前的⼈⼯智能产品都还处于弱⼈⼯智能阶段。”云云。

但⽆论如何，⼈⼯智能的研究已掀开了新的⼀页。从学习科学领域的视⾓来看，有⼏点值得时下的教育好好反思。

⼀是死记硬背的学习与抽象出策略的学习。

深蓝与阿尔法狗都有⼤量的死记硬背，⼈类的⾼⽔平棋谱均攘括其中为⼤数据。但不同的是，深蓝的算法更死脑筋，遇到不熟悉的变式就较容易出

现不知所措，且不会⾃学。⽽阿尔法狗则不同，基于⼤数据可以抽象出策略，并可以不断地⾃学，不断地完善⾃⼰。

⼀次去农村初中听课，⽣物⽼师在课堂上对关节的⼀个个结构进⾏了详细的讲解，书写了满满⼀⿊板的知识点，课堂练习时设计了⼤量的填空、选

择和判断题。课后，对于这种满堂灌我们不想多说什么，只是弱弱问了⼀句：“为什么不让学⽣画关节⽰意图呢？从视觉上去记忆知识点会更好。

”但那位⽼师却回答：“这⼏年没考过画图的题了！”后来我在武汉农村初中教师的培训中询问同样的问题，⼀位年长的⽼师说：“那还⽤说，肯

定不考啦！”我表⽰惊讶：“⼤家都这样认为吗？”不少⽼师回答到：“是啊！不考还训练它⼲什么！”我算是明⽩了⼉⼦⾼考结束后的抱怨，复

习时有同学问⽼师某个题怎么解，⽼师说这道题很多年不考了，不必理会，因⽽造成很多同学都丢分。

如果学习就是穷尽海量题库记忆其答案，那么与深蓝的死脑筋的暴⼒算法⼜有何异？练习是为了如阿尔法狗那样抽象出策略，获得“棋感”，锻炼

出灵活的头脑，这样才能让学⽣的智能得以进步，让他们在遇到不熟悉的变式时能灵活应对。

图⽚发⾃简书App

⼆是蜻蜓点⽔式学习与深度学习。

从⼩学到⼤学，我们为学⽣安排了众多的课程内容，教育部门和课程专家们编排的这张知识⼤⽹容纳进去了许许多多的知识点，犹如⼀个庞⼤的数

据库。⼀个知识点接着⼀个知识点的学习，我们以为学⽣可以记住，记住了可以使⽤。可惜⼈脑⽐不上深蓝和阿尔法狗的存储器，放进去的信息可

以随时检索出来，⼈类⼤脑却会把不常⽤的遗忘掉。经常听到的聊以⾃慰的话是：“教育就是当你把学校⾥学到的东西都忘掉后剩下的东西。”如

果教育是如此蜻蜓点⽔，⽆异于在浪费孩⼦们童年和青春的⼤好时光，这不是犯罪么？

许多普遍存在的现象值得反思。为什么熟读唐诗三百⾸，不会作诗只会吟？为什么学了那么多⼒学知识、练习了那么多⼒学的习题却不会玩机械？

为什么学了C语⾔编程却写不出⼩软件？这种为什么可以⽆穷尽地问下去。学了不会⽤，顶多只能回忆出来，怀特海称之为惰性知识，⽤中国⼈的

说法叫做死知识。阿尔法狗的学习就不⼀样，它存储了⼈类的棋谱，通过算法从中获得策略，然后⼜通过⽆休⽌地⾃我对弈不断调整策略，使得围

棋智能不断精进。

深度学习的奥妙就在于通过不断使⽤知识获得灵活的智能。学了就要给学⽣⼤量的时间和机会去使⽤，使得陈述性知识和程序性知识统⼀，认知与

元认知统⼀，理论和实践统⼀。做到了这些，⼈类的创造⼒才有机会得到培育。蜻蜓点⽔式的学习适于20年前的机器（深蓝），如果我们现在还

不采取⽐阿尔法狗还要好的深度学习发展学⽣的创造⼒，⼈类将极有可能受制于机器。何去何从，我不想再拿“奇点来临”来惊悚。

三是发展与机器协同学习、⼯作的能⼒。

把机器擅长的交给机器，教育要把时间和精⼒专注在⼈类的创造⼒培养和美好⼈性的发展上。

棋类游戏是完全信息的零和博弈，参赛者可以在棋盘上看到对⼿的⼀切信息，它适合⼈⼯智能的机器。零和博弈的双⽅要么赢，要么输，是不可能

合作共赢的，但⼈与机器不是这种关系，⼈与机器的协同才能使⼈类在未来获得更⼤的解放，⼏次⼯业⾰命已经证实了这种乐观。

但在⼈类⼤量的活动中，信息是不完全的，在此情况下，⼈⼯智能要胜过⼈类⼤脑就缺少了先天条件。为什么⼤数据这么热门，⽆不与此有关。数

据越多越充分，机器就越有优势。⼈不如把⼤量已有的数据交付给机器，并建⽴丰富的传感⽹络不断丰富⼤数据，让机器去做它擅长的事。将腾挪

出的时间和精⼒，去专注于发展⼈的创造⼒和美好⼈性。

在⼀些⾃然观察活动中，传统的做法是⼿绘观察到的事物。在显微镜前睁只眼闭只眼描绘细胞，在观鸟镜前描绘鸟类的形态、⽻⽑颜⾊，在天⽂望

远镜前描绘太阳⿊⼦、计算其⾯积……这⼀切，都可以借助数码照相设备和图像处理软件来完成了。对于科学启蒙来说，⾃然观察的重点将不在于

⼿绘记录，更重要的是发展学⽣美好的⼈性——热爱⽣命、热爱⾃然、思考⾃然界中的⼀些问题。

在⼀些制造活动中，传统做法最关注的是动⼿。⽽现在好了，有了各种智能的制造机器，我们可以把重点放在⽤电脑去做创造性的设计上，让机器

去代替动⼿。

⾼⽔平的创造⼒和⼈性是现在的⼈⼯智能所不具备的，是时候全⼒以赴去关注了。幸好在⽼友发来的诗句⾥还有这样⼏⾏在唤我惊醒：“那依然艳

丽⾄极的/是我们看不见的鲜⾎/它勃勃流动在脉管⾥/我们拥有却不予关注”。是的，创造⼒和美好⼈性是艳丽⾄极的，向内关注，发展⼈⾃

⾝，“奇点来临”的惊悚就让它留在科幻⾥吧！

教育，是该到了全⾯反思和全新设计的时候了。

（作者单位：⼴东深圳市龙岗区龙城⼩学）