阿尔法狗（AlaphaGo）3∶0战胜了李世石。也许柯洁上阵结果会不一样，但也不会太不一样，毕竟以阿尔法狗的进步速度，击败所有人类高手不是今天就是明天。那么，人工智能（AI）将会胜过人类的智慧吗？显然不会！几十年来，AI跃上了第一个台阶，但至少还要跃升两个台阶，才有跟人类智慧较量的资本。
　　每个学习围棋的人，必然背过围棋十诀、棋经十三篇，知道“单关无恶手”、“棋拐一头，力大如牛”等谚语，也必然知道“棋形”等美学概念。这些“虚”的指导思想，极大地简化了具体的计算。
　　阿尔法狗除了暴力搜索算法外，通过价值网络和策略网络形成“棋感”，使它的能力跃上了一个台阶。经过大量训练形成的这两个神经网络，就相当于这些虚的指导思想。在神经网络中，这些指导思想以各个神经元的系数的方式存在。可以说，通过深度学习，阿尔法狗获得的知识以一系列的数字表达出来，而不是棋理。
　　粒子物理学家20多年前就开始使用神经网络（以及其他人工智能方法， 如Boost Decision Tree）来进行数据分析，比如寻找希格斯粒子，但一般尽量不用，因为训练出的神经网络不透明，就是一堆神经元的系数。我们说这里“没有物理”，因为难以判断其可靠程度（误差分析不好做）。此外，神经网络的一个突出问题是过度训练。对一个有限的样本，经过一定次数的训练，有用的信息基本使用殆尽；如果继续训练，在人类对它的绩效考核压力下，它就开始钻空子，报告说性能更好了，但实际上使用了垃圾信息，其表现为神经网络“发神经”。据说，阿尔法狗的第四局失误就来自过度训练。
　　“没有物理”有什么问题呢？首先，其他人难以判断它是否正确，没有同行评议，也许是过度训练得到的假知识呢？其次，就算无条件相信它正确，获得的知识也无法传承。在科学研究中，自己知道了什么不是最重要的，更重要的是让其他人知道你知道了什么。创造知识与传承知识是同等重要的。否则，获得的知识无法融入科学发展的长河中，未来还需要重新发现，那其对科学的贡献实际上就为零。受过专业训练的科学家与民间科学家的区别，就在于专业科学家看似普通的每一句话、每一个论据，都是建立在前人已检验过的知识基础之上的，需要推敲的新论据每次只有一小点。
　　同样，阿尔法狗获得的知识是一堆莫名其妙的数字，只能它自己用，不能转化为棋理，因而不能传播和传承。如果不解决表达与传承的问题，AI只能依附于人类的智慧。人类知识由一个个的个体形成网络和体系，而一个个AI都只能單独地与人类接口，不能连成网络。人类永远是它的老师。
　　假如阿尔法狗想与人类智慧较量，首先它要形成抽象的表达能力：可以学习人类的语言与思维方式，从而与人类网络接口；也可以独立发展出自己的机器表达，比如说，天下的AI都用同一套神经网络结构。这时候，AI就上了另一个台阶：每一个AI能够抽象出易于表达的物理和棋理。
　　下一个台阶，就是将这些知识授予其他机器，从而构成网络，甚至形成社会。为什么说形成社会呢？AI张三获得的知识与AI李四的知识也许相反，怎么解决冲突？怎么形成妥协？是不是还要有人类社会的等级结构？
　　有了这些，阿尔法狗们就可以不依附于人类，独立发展出知识体系。不过，还得要有文采哦！言之无文，行而不远，阿尔法狗愿意教，但贝塔狗、伽马狗爱不爱听呢？