这是Howie-Serious 365日写作计划第041天的写作内容。
这一次的人机大战为什么如此重要
这一次AlphaGo对战李世石，对学习者的影响尤其巨大。因为，
这一次，机器在以人的方式学习。
AlphaGo的学习方式就是现在热门的深度强化学习。
所谓深度强化学习(Deep Reinforcement learning)，是指机器通过模拟人脑的神经网络建立深度的人工神经网络，模拟人脑的学习机制来学习、判断、决策，已经被用于语音识别、人脸识别、笔迹识别和自动驾驶等很多领域。
人脑的学习机制
那么，我们得先回到人脑的学习机制。人类的学习原理基本上是这样：
- 大量输入，提取概念；
从信息/资料中提炼出的基本的、抽象的、通用的、围绕问题本质的理念或思想。
- 加工整理，建立思维模型；
一句话，思维模型就是『安装在人脑中的App』。每个『人脑App』，都专门解决一个主要问题，有一个主场景，它将将解决问题所需的不同步骤捆绑在一起，形成完整的解决行动方案和体系。
- 概念之间建立联系；
将新知识融会贯通，将新知识联系到旧知识，将抽象概念联系到具体事例
- 理论联系自己的实践，解决现实问题；
我们不是为了学习而学习。我们的学习，是为了解决现实问题，这种情况下的学习效率最高，我们也最有动力。
- 新知识整合到已有知识体系，进一步完善知识体系；
建立内容完善、结构清晰、逻辑连贯的知识体系，是达到精通/『学会』的一个必要条件。
AlphaGo以人的方式学习围棋
AlphaGo学习围棋的方法和人类的学习方法可以说是完全一致的：
(来自谷歌官方博客文章：AlphaGo: using machine learning to master the ancient game of Go)
- AlphaGo通过研究3000万步人类围棋大师的走法来学习围棋规则
- AlphaGo利用自身的神经网络自我对弈上千局，探索新的围棋步法
- 在自我对弈的训练中通过不断试错的方式积累胜负经验，评估棋局并形成全局判断
- 构成策略网络给出落子选择，构成评价网络修正落子选择
- 随着训练增加，AlphaGo不断进步
- 这是极其「高强度」的自学过程，背后依托强大的谷歌云计算平台(Google Cloud Platform)；
作为人类学习者，我的问题
那么，作为一个人类学习者，问自己几个问题：
- 机器已经以人的方式学习，人类在学习上还有什么优势？
不论是输入材料的数量级和速度、对材料加工整理提炼规律的能力、完善策略网络/知识体系和经验积累的效率，人类似乎完全没有优势呢。
- 如果人类学习没有优势，是否还会去学习？
哪怕不担心机器威胁人类，假设机器以最大的忠诚服务人类，能干贤惠，帮我们把所有事情干了，没事干的人到底去干什么？
自动驾驶取代老司机，谷歌翻译会淘汰人工翻译，计算机财务系统会淘汰财务人员，计算机审计会取代审计师，等等等等，人啊，去干什么？整天刷微信吗？
- 如果不学习不劳动，怎么自我实现？
从马斯洛需求层次出发，有了如此聪明的机器的帮助，物质极大富足后人人的基本生理需求、安全需求都得到满足，难道从此世界上就充满爱？人们是否会专注于去实现「自我实现」这个人类终极需求？
但是，如果没有了学习和劳动，人是否还有能力去实现自我？
似乎，人类马上就要「被科幻」了
不到一年前，专家们还说计算器在围棋比赛中打败人类至少需要10年。看来，「未来」到来的脚步，比所有人想象的都快些。
未来的人类，会不会这样：
或者这样：
或者这样：
