人工智能這幾年發展勢頭迅猛，先是阿爾法狗擊敗了世界頂級圍棋高手李世石和柯潔。這一次人工智能算法再一次擊敗人類專家，稱霸了另一款電腦游戲，谷歌DeepMind的AlphaStar系統在《星際爭霸2》中戰勝了一名高水平的人類玩家。

這一事件被世界各地的頭條新聞紛紛報道，媒體又開始宣稱這離機器統治世界又近了一步，人類必需對人工智能加強警惕等等。我們除去炒作和夸張的成分來看這件事，AlphaStar的這次勝利至少告訴我們兩點，人工智能對人類創造力的依賴還是很高的，以及人工智能在創造力方面并不能取代人類。

對于大多數人來說，深度學習是一個很深奧的名詞，一般在我們的想象中，我們平時看的科幻小說中的超級人工智能可以學習世界上所有的知識，輕松地掌握一門技能，并且想盡辦法取代人類。事實上，我們今天的人工智能就像其他編程任務一樣，它涉及大量的編碼、算法設計和選擇、數據和邏輯體系結構以及模式實例化。

換句話說，在過去構建情感編碼算法需要大量的訓練數據并對其進行篩選，利用創造力來識別潛在的模式并將其編到編程代碼中。如今隨著深入學習技術的發展，這些將交給機器來識別。在創造力方面機器還是取代不了人類，人類在理解數據模式中表現出的創造力和想象力是機器無法做到的。最重要的是人類可以利用外部世界的知識進行推斷，這也是為什么人類可以集中學習，而機器學習算法需要大量的數據來達到基本的熟練程度。

傳統的人類編碼方法面臨的挑戰之一是查看數據集并預測其內部模式。盡管人類有創造力，但人類確實不如機器擅長搜尋數據。

至于現在的人工智能，人類必須創建和管理訓練和測試數據集，人類必須構建數據架構和支持軟件，這些軟件形成了模型和外部世界之間的接口，從外部世界學習和交互?，F在的許多科技公司，他們的人工智能在工作中唯一需要調整的參數就是輸入數據，準確性來自于更改輸入數據，直到輸出滿足精度要求，而不是調整底層的學習體系。

仔細看看DeepMind的這場比賽，我們可以看到其中運用了大量的深度學習方法。AlphaStar成功不僅僅是將大量訓練數據集合起來，關鍵在于對這些方法的選擇和調整。成功的人工智能應用程序并不只是僅僅通過訓練數據來實現其準確性，同時也要依靠人類的創造力，通過選擇算法構建模塊來引導他們。

我們承認AlphaStar的確取得了巨大的成功，但它也讓我們看到，人工智能的進步并非來自人工智能本身，而是來自人類的創造力，創造新的構建塊。

簡而言之，深度學習進步不是來自機器本身，而是來自傳統的人類創造力。就像我們如果把電腦游戲完全交給機器，讓它完全靠自己掌握游戲，它還差得很遠。我們拋去媒體的炒作和夸張成分，人工智能告訴我們，人工智能算法的成功并非來自某種心靈感應能力，而僅僅是因為我們在將人類行為和自然循環編入計算機代碼的統計模式方面做得更好，我們的生活受到基本模式的支配。

換句話說，這次人工智能的成功告訴我們的是，人工智能沒有想的那么特別強大，而是我們的世界并不像我們想象的那樣混亂，它遵循的結構和模式可以很容易地提取并進行編碼。而且人工智能對我深度學習進步仍完全依賴于人類創造力。最后人工智能的進步也在提醒我們，我們的生活一定程度上遵循著一些結構和模式，我們未來需要更深入地探索人類創造力的本質是什么。