AlphaGo:算法的胜利

2016年3月15日，谷歌阿尔法狗（alphago）与韩国九段棋手李世石进行“人机大战”第五场对弈，经过五个小时的博弈，最终，谷歌AlphaGo获胜。

AlphaGo的胜利，是深度学习的胜利，也是算法的胜利。你鼠标的每一次点击，你在手机上完成的每一次购物，天上飞的卫星，水里游的潜艇，拴着你钱袋子的股票涨跌――我们这个世界，正是建立在算法之上的。

那么，什么是算法，你对它又了解多少？

齐军煮粥与枚举法

一直以来，计算机科学都给人一种高深莫测的感觉，人们对其有很多“高大上”的印象，其实，它也有一些你我早已熟识的东西。

例如：电影《战国》中，孙膑（孙红雷饰）带领齐国军队打仗，半路上收留了几百个灾民。齐国的情报系统告诉孙膑，灾民之中有敌国奸细。那么，仓促之间，如何判断谁才是敌人？

孙军师心生一计，嘱咐手下人煮粥，并在粥里加了很多辣椒。如此味道，一般人肯定是不肯喝的，但灾民就不一样了。都快饿死了，谁还敢挑食？下属们纷纷称赞军师神算……

那么，有没有更好的方法呢？

有！狠下心，挨个儿杀，总会把奸细杀死。

电脑有时就是这么处理问题的：五把钥匙里，有一把是对的，一把一把试过去，总能打开锁。这就是枚举法，听起来有些弱智，但是计算机的运算速度很快，所以至今仍有用武之处。

考场作弊与数据压缩

随着网络的应用越来越普遍，很多人都爱花钱办会员，在线或下载下来收听无损歌曲。那么，无损音乐是怎么回事？

这就要从数据压缩说起。

比如，考试时，你身后坐的一位后进同学小声跟你要选择题的答案。假设一共有20道选择题，每道题的答案都是A，你是挨个给他念一遍呢，还是说一句，“都是A”？正常人肯定会选后者，不仅省时、省事，而且没有信息损失，和“AAAAAAAAAAAAAAAAAAAA”效果一致。

在此过程中，你通过统计分析，总结出规律，用更少的字段去描述全部信息，这就是无损压缩。

那么，有损压缩又是什么样的？比如，你爱上一个姑娘，她在北京，你在上海。聚少离多，思念日增，你想要知道对方每时每刻的样子。不过，总不能请个摄影师24小时跟拍吧。于是你们约定，选几个特定时刻，早上起床什么样，晚上睡前什么样，白天工作什么样，周末休息什么样。

就这样，24小时的内容，被压缩到几分钟，数据量大为减少，这是好处一；有些情况你看不到，这是坏处一；照片到了你手里，你就可以根据你对她的了解，近似还原她的状态，这是好处二。

“两利相权取其重”，有损压缩因此风靡。

比如刷微博时，你上传一张自拍，新浪的服务器会将照片还原成一个个明暗变化的小点，然后用有损压缩。比如，可以每隔几行剪掉一部分数据，用临近小点的明暗数值补齐。新浪节省了存储空间，你减少了流量费，而图片质量区别并不是很大，何乐而不为？

外星探索与公钥加密

公钥加密是一种很古老的做法――在计算机领域，超过10年就算古董了。

公钥加密是由对应的一对唯一性密钥（即公开密钥和私有密钥）组成的加密方法，是目前商业密码的核心。“公钥”，顾名思义，钥匙是公开的。

比如，你和你的好朋友小明被聘请为人类外星探索先行官，降落在某个地外星球上。不料，这颗星球上是有原住民的，他们把你俩抓了起来，并监控了你俩的通信频道。

小明问：“你现在还有多少子弹？”

你要是直接说数字，外星人马上会知道，你要是说“N+5”，小明又不知道N是多少。

就在这个时候，你发现外星人不懂乘除法。该如何利用这一情况呢？

首先，你还是用加密信息，告诉小明：“我的子弹数是N×9。”

然后，你说：“任选一个数字。”

外星人自然会听到，不过没关系，数字是无穷的，撞车的概率很小。你选了3，小明选了2。

接下来，你用3乘以9，得到27；小明也一样，他用2乘以9，得到18；至于外星人，他们选的数字和你们不一样，得出的结果自然也不一样。

随即，你公布“答案是27”，小明也公布，“答案是18”。

最后是见证奇迹的时刻：你用小明公布的数字18，乘以你的私密数字3，得到54；小明呢，他用27乘以2，结果也一样――（2×9）×3=（3×9）×2。

我们逛淘宝的时候，正是经历了这样的场景。你发出的付款信息，要经过多个服务器转接。如果不加密，你的支付信息就会暴露在互联网上；你自定义一套密码，安全倒是安全，但淘宝也不知道你说的什么，老是“支付失败”你能乐意吗？因而，必须用公钥加密信息。

所以，并不是“败家娘们”通过“买买买”让马云当上了首富，技术进步才是淘宝成功的关键之一。

“川菜招牌菜”与匹配排名

谷歌初创时，不过是斯坦福大学的一个学生研究项目。20年来，从十万美元的初始投资到一千多亿美元的资产净值，从一个小小的搜索框到涵盖手机、通讯、在线教育等数个领域的互联网大鳄，谷歌深远地影响了世界。

为什么谷歌风靡全球？因为谷歌的搜索引擎特别好用。

为什么谷歌的搜索引擎那么好用？因为谷歌的匹配与排名算法极其优秀。

比如，当我们用谷歌搜索“川菜的招牌菜是什么”时，谷歌的服务器首先要进行匹配，找到我们想要的网页；其次要进行排名，判断不同网页的优先度，将我们最想要的，排在最前面。

匹配就像查字典，难的是如何教会计算机查字典。“川菜的招牌菜”是偏正短语，“川菜”用来修饰“招牌菜”，计算机不懂这些。所以，计算机首先要把互联网上的网页都看一遍，找到所有含有“川菜”的网页和所有含有“招牌菜”的网页，将二者进行对比，找出重复的部分。而这，大概就是用户需要的。

问题是，这些网页很多，可能有几百万个，怎么对它们进行排序呢？总不能一股脑都摆第一页吧？否则，50寸的显示器也不够用呐。

谷歌的崛起，就是因为排名。1998年，谷歌创始人拉里・佩奇和谢尔盖・布林发表了《解析大规模超文本网络搜索引擎》。

当时，由于技术限制，人们还不可能让计算机直接模拟人脑，分辨哪些重要、哪些不重要。对此，佩奇和布林找到了一个计算机可以辨识的指标：PageRank值。

PageRank值可以简单理解为网页的被引用次数。比如有一百个网页既包含“川菜”又包含“招牌菜”，符合搜索要求。其中，有九十九个网页通过超链接提到了最后一个网页，那么，最后一个网页，就是最贴近用户需要的。

谢耳朵认脸与图像识别

PageRank值本质上是一种等价思想，用一种计算机可以使用的衡量标准，取代人类的衡量标准，“数值高”就等于人们“最想要”。如此一来，计算机就能出色地完成我们交付的任务。

有时候，问题并不是这么简单。举个例子，计算机该如何进行图像识别呢？更进一步讲，计算机能不能辨识人脸以至于认识到人的喜怒哀乐？

喜爱看美剧的人，对于《生活大爆炸》中的谢耳朵肯定不会陌生，他既是一个物理学方面的天才，十几岁就开始攻读博士学位，让人钦佩；也是一个生活中的弱智，连朋友是开心还是生气都看不出来，令人莞尔。

如果谢耳朵花钱请你教他识别面部表情，你该怎么做呢？

你的第一反应，可能是找一台摄像机，把他朋友的喜怒哀乐都记录下来，一个一个地分析给谢耳朵听，让他记住重点，开心的时候，眉毛在哪，嘴唇如何，生气的时候又是怎样，区别在哪里。

思路没有什么大错，只是有两个缺陷：第一，每一个人每次笑，都有些许不同，还有“激动地流泪”、“长歌当哭”这种场景；第二，就算他学会了，他也只能辨识朋友们的面部表情，陌生人的则不行。

所以，我们改进方案。首先，选取最典型的长相；接着，寻找最典型的表情；最后，设立一个决策树。计算机进行图像识别的方式也与此类似，当计算机拿到一张照片时，它沿着决策树，将测试数据和之前的样本数据进行对比。

最终，计算机给出结论，“这是一张男人的照片，他在哭”。研究人员再对结果进行判断，给予奖励或者修正。这样，计算机就能逐步地建立一个决策体系，准确地识别人的表情。

奇点与未来

在物理上，有观点认为宇宙起源于奇点。奇点是指一个体积无限小、密度无限大的点，所有的物理定律都对它不适用；仿照这一概念，有人提出了技术奇点，认为在未来某一时刻，技术会发生近乎无限的进步，使得我们之前的预测和生活方式都失效。

很多名人，如比尔・盖茨、史蒂芬・霍金，都曾发出警告，认为人工智能可能就是这个奇点，超级计算机也许会导致人类的毁灭。如今，AlphaGo在“人机大战”中已取得压倒性胜利。那么，计算机技术的奇点真的已经到了吗？未来人类又将走向何方？（编辑/余风）