近日，谷歌旗下DeepMind公司开发的AlphaGo程序击败了欧洲围棋顶尖高手，科技界不仅虎躯一震，感到发现了重大突破。

然而，拨开大数据，深度学习，神经网络这层看似高精尖的外衣，其实无论围棋还是象棋，都不过是一个支预测游戏。

分支预测又是啥呢？我们假设现在棋盘上只剩下3个空位给电脑选手的黑子去下，那么电脑选手会怎么判断呢，他们脑子里是怎么想的呢，我们来看下图：

电脑选手选中一个分支，然后开始计算白棋选手下一步可能的落棋点，然后再根据这些落棋点，再进一步预测每一个白棋落点落棋之后，黑棋可能的下一步走法，直到最后分出胜（√表示电脑赢了）负（x表示人类赢了）。然后计算一下获胜的总概率，这样三个选择会有三个不同的胜率，如果是你你会选择哪个？当然是选择胜率最高的了。

当然，这只是最简化的描述，实际的情况比这个要复杂的多，不过原理类似，所以我们看到事情的发展类似树根的分支结构，本质上就是一个分支预测游戏，而传统的线性计算的方式，就没有更类似人脑的神经网络的拓扑结构更有效率。

最早按照这个算法玩的是IBM的深蓝，对方每下一步，哥们就会计算出所有可能性，所以叫穷举法，把所有可能都列出来，然后算概率，这有点像破解密码的暴力破解法，就是利用计算机的高效率把几乎所有可能的密码组合都试一遍，然后就等着撞大运了。

这种方式有点傻，就像特斯拉评价爱迪生：“如果说有一根针掉进草垛了，让他去找，他会毫不犹豫的，一根一根草挑出来找” 也就是说无论深蓝的对手是国际象棋大师还是你家的猫咪，他都会按照棋盘走根本不关注对手是个啥。

而这次的AlphaGo的确比深蓝有了一些智能，他发现原来对手都是人，没有猫咪！于是他的开发者们就让他跟无数人类对手练习，据说积累了3000万步的训练，于是它就渐渐熟悉人类下棋的一些习惯和规则，知道在一定情况下，人类选手更倾向于怎么走棋。这就像当年图灵破解二战德国的enigma机，并不是靠精妙的算法，而是总结出了德国人电文中的语言习惯，这种习惯出现多了就能作为基础来倒推密文，所以也是靠着对人的了解和熟悉，而不是算法。再举个大家都熟悉的例子，我们在上中学的时候会大量的刷题，尤其是选择题的时候，即便我不知道到底答案是什么，也可以总结“出三长一短选最短;三短一长选最长;长短不一要选B;参差不齐就选D。”就是我们已经了解和熟悉了出题老师的出题习惯。

知道了人类选手更倾向走的步骤，AlphaGo同学就开始计算最容易让自己获胜的路线，然后利用人类的下棋习惯，一步步把对手引入自己的圈套中，最终取胜。。。

那么问题来了，如果对手换成你家的猫咪呢，AlphaGo同学已经哭晕在厕所。

嗯，好吧，我们现在可以进入正题了，什么才算是智能呢？

智能≠智力

很多人觉得智商，智力高低决定智能的高低，说的在具体一点就是计算能力，数学能力，甚至很多本身研究人工智能的人也这么认为，然而这只是拼图中的一块，并不是全部的蓝图。

如果按照智商决定论，那么生物的发展过程应该类似计算机的发展过程，然而并不是。

现在的“人工智能”顶多算作“大脑”但是光有大脑生命却无法存活。大脑可以处理输入进来的信息，但是它却无法知道应该让什么信息进入，就好像你的电脑，如果你不操作，它就是一堆傻缺废铁，什么也不会干。

所以接下来生命引入了遗传信息，这是一套伟大的发明，把40亿年生命在地球的物理化学环境下尝试出来的正确组合都存放在了基因中，这样我们每个人生下来就已经是装好windows的了，驱动程序也都自带，开机就能用，不用再自己编写操作系统，自己编写驱动，自己编写应用软件了。

即使以上两个部分都具备了，还不是真正的智能，智能应该是有自主能力的，有自我意识的，但即使具备了上述条件，也顶多算个机器人，如果你不告诉他要干啥，他还是不知道该干什么。

那么有什么好办法告诉生命该干嘛么？跟他说向左走？跟他说向右走？貌似不行，需要给他一个目标，那最本质的目标是什么，就是你要保证自己存活。只有有了这个内置目标的机器人才能算作拥有智能的生命。表现在外在就是要“吃”

“吃”在生命中无所不在，细菌也会吞食周围的营养物。其实“吃”也可以延展到非生命领域，比如物体之间万有引力，物体靠着引力聚合在一起，逐渐形成高质量的星球，星球开始靠着强大的引力吸引飞过的小行星进入他的“胃”中，这就是非生命的“吃”，吃的越多，他的质量就越大，结构就越稳定，如果当作生命来看，就是存活的更好。正如王东岳老师所说的“人性是物性的绽放,人道是天道的赓续”

所以我认为，真正的智能三者缺一不可，既要有逻辑计算的大脑，又要现成打包的系统基因，还要具有“存活”这最基本的动因，才能具备真正的智能。

现在看看你家的猫咪，其实比AlphaGo同学不知道智能多少倍，人工智能，依然任重而道远