今天Alphago的4∶1完胜，Alphago的最先获三胜，让我吃惊、震撼、失望、迷茫和极度的担忧。我自己从事数据预测以及数据挖掘的教学，Alphago中的蒙特卡洛树算法我曾经教过学生。当时，我就觉得非常有趣，但是，这些算法实际使用时会存在一个巨大的问题，就是现实世界对结果的影响变量太多，所以这些决策算法的结果只能供决策者决策时参考。
经过比较详细研究Alphago的算法发现，它在布局阶段的前20步采用人类经验，之后开始在人类经验的基础上融入了自己学习的权重，变得更加的理性以及所谓的大局观。由于围棋的复杂性，Alphago也不能在每步都能精确地知道当前棋盘中所有下法的胜率。所以，他采用的是在可以期待的近期(20步以内)综合价值和胜率会超过50%的走法。从这几点来看，这次的机器战胜远超过国际象棋中人类被战胜的意义。Alphago的算法是一种新的适应机器的思维，发挥了机器的强项，弥补了机器的短处。这非常让人感到害怕、悲观和失望。因为，人生就是一盘棋局。如果50年后，有一个智能科技机器助手，它不能告诉你最终的未来，但是可以告诉你在几年内的未来，你该如何是好?那这是不是一种宿命论?事实上，笔者在教授数据分析课程的这几年中，一直在宿命论和未来不确定性两种相对的观点中摇摆。数据统计已经有足够的算法和可靠的实践在某些方面做出人类无法预计或预见的准确预测，只不过那些领域还很小，比如，库存的预测、销量的预测，等等。数据已经在显示其巨大的价值，而一旦数据预测技术能够输入足够多的变量，采用类似Alphago或更加高级的算法，进而对你个人、你所在组织、公司、国家的短期未来甚至是长期未来做出80%、甚至是90%的准确预测，你会怎样去接受这样的未来?!当然，不确定性仍会存在，这是一个好消息。在此，我对Alphago事件尝试做一些思考分析。
一、Alphago战胜人类的几种可能的基础
1.Deepmind公司用十年的时间磨练，修改算法，虽然在算法上没有创新，但是如何融合已有算、如何调整权重等多个方面，仍然是做了大量、艰苦的工作。
2.Google拥有超级大量的计算资源供Alphago的使用，也就是说目前机器学习的过程非常的耗费时间以及计算资源。按照以往的经验，20年内，我们使用的桌面型机器就应该能够支撑起Alphago目前所需的计算资源。从现在开始，再过30-40年，可能Alphago这个“古老”的程序只需要几天就能完成现在几个月所需的机器学习时间。
3.在硬件上CPU和GPU的协同调度，以及分布式的运算的运用，大大加快的计算的速度。这也是近几年软硬件基础发展奠定的基础。
4.Alphago 在击败欧洲冠军时进行了严格的保密，说明当时Alphago团队当时也并不是很自信能够战胜。事实上，我认为，在这次比赛开始前，他们仍然没有这个把握，仍然应该认为是一半对一半的胜率。但是，哪怕输了，也没有关系，反正继续让Alphago学习后再提升。
5.Alphago对战时采用方式近似的模拟了人脑的信息的处理方式，只不过速度更快。所以，Alphago也不能百分之百的胜率，但是随着学习的时间不断增加，最终会远远超过人类。
二、Alphago围棋人机大战事件将会产生的影响：
1.个人，组织，公司，国家间的竞争将会更加重视人工智能的策略参考。人类的思考开始依赖于机器的理性，人的决策变得更加的理性，情感的因素会不断下降，也意味着更加没有人情味。这必然会影响到人类的进化进程。
2.人与机器的关系需要重新的思考，人应该如何同机器共存。
3. IT行业的人力资源需求将大规模增长，而有些行业将大规模失业。
4.基因技术、可控核聚变、机器人技术、人工智能这些技术都将对人类产生重大意义的影响，但是如何控制好这些技术将成为一个重大的问题，否则任何一个技术都可能毁灭人类。为了控制好这些技术，需要从现在开始立即进行大量的辩论及监督审查。
5.Alphago在最终在决定某个落子的评分中，其权重为人类经验参数同左右互搏这种机器学习得来的概率参数各占50%。Alpago团队曾经调整过不同的权重，但是经过实验发现各占50%时的最终胜率最高。这一数据是否在暗示，如果要战胜人类就必须首先理解人类的思考，否则就无法做到青出于蓝而胜于蓝。但是，在理解人类思考的同时，也会无法避免地继承人类的弱点，这也是Alphago最终会有失败的一局。另外，在具体的步骤中，也不是每步都是完美的。可能这也许是人工智能能够超越人类，但是可能无法毁灭人类的重要一点。因为，如果人工智能自己最终学会思考，相信人工智能最终会参透，或许最符合人工智能自身的利益生存方式是同人类共存，而不是消灭人类。
三、Alphago围棋事件可能对教育领域的产生的影响
1.Alphago算法有较强的通用性，但也有很多的限制。首先为了更加精确，需要大样本量的学习，Alphago为了加快学习进度在学习现有人类棋盘的基础上，开始自己与自己互博，加快学习的速度。这点在通用领域中实现有一定的难度。在教育领域中，目前比较适合Alphago算法快速进入的领域的是在线课程的学习。
2.在线课程的学习目前来说仅仅完成了内容的提供，如何编排现有的课程已达到最高的学习效率，这点目前还没有引入人工智能方法。如果引入，将会对教学的方法理论产生一定的影响，甚至会影响到线下课程顺序的设计安排。
3.多媒体材料的类型的挖掘，不同类型的媒体会带来不同的教学效果，人工智能在这个领域有助于通过大数据分析统计出在认知不同阶段采用何种类型的教学媒体效果最好。
4.个性化的学习，引入Alphago算法后的人工智能，会为个性化学习带来天翻地覆的变化。通过摄像头对学习者情绪的监控，结合学习过程中不间断的学习效果的评估，可以会带来真正意义上的个性化学习。
5.真正意义上的个性化学习会对分层教学产生深远的影响，因为学习的进度快慢会非常容易的将不同学习能力的学习者分类，教育会不知不觉走向过程和结果的不公平。
6.目前，已经有在线课程网站同招聘网站结合的构想，利用在线学习的记录，为雇主提供是否雇佣的参考。未来可能会更加大规模地出现该类现象，未来各级各类学校的升学也可能会更加依赖机器或网站记录的学习过程，同时造成新的学习能力歧视。但是，这样针对个体的不公平，却可以带来整个组织以及国家的利益最大化，将来如何面对这样的不公平，会成为一个重要的讨论话题。
7.Alphago通过在线教学领域的挖掘最终也会或多或少的影响到传统的教学。如在教师多媒体的选择标准、课程顺序及进度的选择。但是，在远远没有量化的教学领域，还有很长的路需要走，而一旦传统的教学领域被量化，如学生的表情、情绪、反应等，那么教师这个职业将同今天的围棋一样，不得不慎重的思考接受一个类似上帝的理性的人工智能的建议。另外，最快掌握这一技术的组织和国家，将获得先发的优势。
四、Alphago围棋事件可能对职业教育领域的产生的影响
1.大量的主要是重复性的工作，尽管需要一定的随机应变能力的工作，将会在30～50年逐步被人工智能所替代。这些职业中的低层次职员将被大量地解雇。这一点提醒职业教育的层次需要不断地上移，为符合人力资源市场的需求及保证国家的竞争力，职业教育中本科教育及研究生教育的比例将逐步加大。
2.工厂的工人将被大量的机械手臂代替，全自动化的工厂将越来越多。尽管处于迈向老龄化的社会，却并不能保证年轻人足够的就业岗位。IT产业的人力需求将越来越大，各个产业的从业者都将储存一定的人工智能的知识，以便同智能机器助手更好地共存。
3.职业教育的过程将更多地信息化，如教学资源库使用将更加类似于在线教学。通过物联网技术，教学的过程被更加地量化，实践操作的过程中实现较高精度的量化，实践教学的效率极大地提高。但是，工业领域的职业中的实践教学的比例将大幅度下降，由于机械臂的大规模采用，实践教学将被机械臂的操作实践教学大规模替代。对于人工智能分析、操作以及针对不同环境进行适应性调整的能力将成为大部分职业必修的课程。
4.有必要考虑培养学生的机器思维的理解能力，让学生能够理解人工智能的思维的方式，理解这种更加冷静的思维方式。同时，也要让学生明白人工智能不是万能，也会犯错，需要保持警惕，不可过分依赖人工智能。
5.在职业道德的教育中需要充分的讨论人与智能机器之间的关系，以及如何看待智能机器，应该拟物化的看待智能机器抑或是拟人化的看待?如果拟人化的看待，那么，拟人化到何种程度?如果面临险境，是否会因为情感因素去拯救智能机器而牺牲自己?等一系列的问题。
作者简介：徐坚，男，南京信息职业技术学院，华东师范大学职业教育与成人教育研究所2015级博士研究生，主要研究方向为职业教育与人工智能。
