李世石输了，输了三场，有经验的新闻工作者已经开始用惊世之语恐吓观众了，由于对机器的边界定位不清晰，逻辑学不及格的观众开始沉思人类是赢是输。

牧羊犬有信心引导羊群，因为这片草原上的羔羊对头顶的天空一无所知。

谷歌精心策划了一场表演，以此向世界宣告他们在人工智能领域的成绩，代价是东亚文化圈的典藏之技−围棋成为了程序的掌上玩物。

谷歌有理由炫耀，围棋的可能性号称超过全宇宙的原子数量，在这个穷举法难以解决的游戏上，AlphaGo战胜了不能口算微积分的人类。

这在人工智能领域是突破性的进展，与“深蓝”那种只能掰着手指头数数的程序相比，alphago已经成为了截然不同的另一种东西，它可以在确定规则的框架下使用中间概念参与计算。就像一个初中生学会了将算式变形消掉难以计算的变量。

这意味着在所有规则确定，输赢的衡量标准确定的游戏中，alphago都可以成长为不败的王者，前提是IT工作者先将这些东西变成机器能理解的数据。

类似的环境我们可以延伸到电竞，市场经济成熟的金融市场。

除此之外，似乎没有什么是AlphaGo能做的了，毕竟它只是一个短期成果，给狂欢的资本一个交代。常青藤院校毕业的博士生，从事人工智能研究可以拿到百万年薪，这些钱不能白开。

这可能会引起一些从事基础科学研究的科学家的不满，他们累死累活的在探究未知世界的奥秘，每年只有几十万，而这帮百万年薪的家伙却只是在研究如何让机器学会下围棋。

无论观众如何评价，随着资本、人才、时间的持续投入，人工智能将会渗透到娱乐、生产和商业领域，这会倒逼物联网的发展，相应的，传感器产业会得到拉升。

与其说是“人工智能”，笔者更愿意称其为“程序”，它还谈不上什么智慧，因为它还没有自身的边界，换句话来说，它还无法理解“我”这个词的概念，不懂“我思故我在”的含义。它不具备任何自主性。

许多人类习以为常的事情对机器来讲依然是难题，IT工作者把70亿地球人的奔跑数据都翻译给AlphaGo，它依然学不会控制两条腿在山地奔跑。

如果你了解谷歌在人工智能领域的进展，或者知道AlphaGo的算法，你就不会惊异李世石的失败，这跟人类无法跑赢汽车一样正常。

我们不必高估未知的，也不要低估常见的。

人和猪的基因相似度在90%以上，核电厂的本质依然是烧开水，阻碍实现可控核聚变的难题是因为温度太高，混凝土是最复杂的材料，我们依然不懂如何影响它的承受力与耐久。

言归正传，我们何时才能看到真正的“人工智能”呢?

这可以参考人类发明轮子的时间，看一眼那个直到灭亡都没有发明出轮子的玛雅文明。