如何评价王垠的文章《我为什么不在乎人工智能》？

人工智能所解决问题的方式，不过是搜索+判断+剪枝。搜索和剪枝有通用的模板，不管什么问题都大同小异，区别就在判断上。

拿象棋来说，子和势可以看作判断局面优势的两个维度。现阶段的计算机，无论如何也不可能把这两个维度自己找出来，也不能自己去加入第三个维度，只能让程序员往里写，还只能转化成数字的形式，否则计算机无法理解。甚至程序员自己也无法明白什么局面算有势，他要咨询象棋专业人士。

把两个维度告诉电脑，就要给它们加权。古人云宁失一子不失一先，说明势往往比子重要。但是重要程度是二比三还是三比四，就要让电脑自己算，也就是所谓的机器学习，王神所说拟合的过程。

从这里看到，拟合算法几十年前就有了，我们所做的不过是针对特定问题对算法进行局部修正。那些吹人工智能近些年发展多么多么快的，歇着吧。

有了维度和权重，就能够判断任何局面的价值。电脑算下一步该走什么，无非把所有可能的都试一遍，看哪一步形成的局面价值最高。如果算一步看不出来，电脑可以多算几步。

然而电脑还是很笨，很多人类能轻松解决的，比如海底捞月残局，电脑无法用上面过程解决。人可以清楚的知道炮一平二跟平三是等价的，而炮一平八与之不等价，电脑无法得出这种结论，会多出无数没用的计算。这时候要发挥电脑算得快之外的另一个优势：存得多。把固定残局的解法直接告诉电脑，存起来，让电脑遇见这种局面直接用相应解法。类似的还有开局库。

用公式判断局面能够应对大部分局面，但是有的特殊局面电脑算过之后发现与公式不符，这时候可以选择修正公式，如果差的太远可以把特殊局面存起来特殊处理，也就是所谓的游离点。

现在的人工智能研究者都在干嘛呢？好一点的在找维度。对于图像处理问题，维度肯定就不能是象棋的子和势了，有的牛人提出了用颜色比，边缘，梯度之类参数来做维度分析图像，发现效果还不错，发篇论文，也算对人类有点贡献。差一点的，就用别人的维度，调一下参数，比如把子的比重调大一点可以快速应对新手，不错，发篇论文。再差的，就是找适合的应用场景。别人的图像处理算法能识别猫，我还能用它能识别狗，嗯，发篇论文，顺带吹下人工智能的未来彰显自己牛逼。

人工智能和大数据都是论文灌水的重灾区，不过没关系，有人信就行了。

为什么人工智能给人一种不断发展的感觉？实际上人工智能极大受限于硬件发展。当年机器下国际象棋赢了人类的时候，用的是当时世界上最顶尖的计算机。随着cpu内存效率越来越高，如今家用pc上的象棋软件也能下赢许银川。现在alphago跟人下的时候，谷歌很鸡賊的只字未提用的电脑硬件，而铺天盖地宣传alphago，给人一种牛逼主要在算法上的感觉。当然算法也没公布。

虽然摩尔定律已经逐渐失效了，但是人工智能并不会因此受到阻碍。因为搜索是完全可并行的，将来intel出个一千核的cpu，或者internet最低速度到达百兆，没准又能产生新的领域。不过这不是人工智能的发展，只是上个世纪的理论有了用武之地罢了。

扫地机器人加狗加地热等于灾难，我们现阶段训练狗不要随便拉屎要比告诉机器人狗屎不能扫要容易得多。