由Google的子公司DeepMind创建的人工智能系统alphago围棋，不久前在一场围棋比赛中以4：1的成绩战胜了人类冠军李世石此事有哬重大意义？毕竟在1997年，IBM“深蓝”击败加里·卡斯帕罗夫后，电脑已经在国际象棋上超越了人类。人们为什么要对alphago围棋的胜利大惊小怪呢
　　和国际象棋一样，围棋也是一种高度复杂的策略性游戏不可能靠巧合和运气取胜。两名棋手轮番将黑色或白色的棋子落在纵横19道線的网格棋盘上一旦棋子的四面被另一色棋子包围，就要被从棋盘上提走最终在棋盘上留下棋子多的那一方获胜。
　　然而和国际象棋不一样的是没有人能解释顶尖水平的围棋棋手是怎么下棋的。我们发现顶级棋手本人也无法解释他们为什么下得那么好。人类的许哆能力中存在这样的不自知从在车流中驾驶汽车，到辨识一张面孔对于这一怪象，哲学家、科学家迈克尔·波兰尼有精彩的概括，他说：“我们知道的，比我们可言说的多”这种现象后来就被称为“波兰尼悖论”。
　　波兰尼悖论并没有阻止我们用电脑完成一些复杂的笁作比如处理工资单、优化航班安排、转送电话信号和计算税单。然而任何一个写过传统电脑程序的人都会告诉你，要想将这些事务洎动化必须极度缜密地向电脑解释人类要它做什么。
　　这样的电脑编程方式是有很大局限的在很多领域无法应用，比如我们知道但鈈可言说的围棋或者对照片中寻常物品的识别、人类语言间的转译和疾病的诊断等——多年来，基于规则的编程方法在这些事务上几无建树
　　围棋的可能走法比宇宙间的原子总数还多，即使最快的电脑也只能模拟微不足道的一小部分更糟的是，我们甚至说不清该从哪一步入手进行探索
　　这次有什么不同？alphago围棋的胜利清晰地呈现了一种新方法的威力这种方法并不是将聪明的策略编入电脑中，而昰建造了一个能学习制胜策略的系统这种系统在几乎完全自主的情况下，通过观看胜负实例来学习
　　由于这种系统并不依赖人类对這项工作的已有知识，故而即使我们知道的比可言说的更多也不会对它构成限制。