五局世紀人機大戰(zhàn)終于結束了，最終比分4:1，繼5個月前戰(zhàn)勝歐洲圍棋冠軍樊麾后，AlphaGo再次完勝人類頂尖棋手李世石九段，這個數字必將牢牢鐫刻在人類的歷史上。
重新定義圍棋
人工智能真的重新定義了圍棋。
2016年3月12日，在AlphaGo與韓國李世石九段舉世矚目的世紀人機圍棋大戰(zhàn)第三輪結束，AlphaGo以3：0的絕對優(yōu)勢提前拿下整場戰(zhàn)役的勝利后，人工智能已經在目前最復雜的對抗游戲中完勝人類最頂級選手。AlphaGo挑戰(zhàn)人類這件事，也很快變成了人類挑戰(zhàn)AlphaGo。
直到第四輪，在敗局已定的情況下，李世石甩出了神之一手終于逆轉戰(zhàn)勝AlphaGo，讓全世界看見一個人類可以有的全部自尊、不屈和冷靜。
第五局，AlphaGO執(zhí)黑再勝李世石，世紀大戰(zhàn)完美收官。
這幾天我也看到很多人在問，這幾局棋為什么有這么重要的意義？更有很多人不以為然，生活照舊過，錢照舊賺，似乎不覺得這事情有多了不起。
這讓我想到一個故事。曾經，大竹英雄在一次講棋的時候，一位業(yè)余初段的棋手問他：“經常說職業(yè)棋手的計算很快，到底能有多快呢？一秒鐘能算多少步，一共能算多遠？”
大竹英雄大概說道：“計算的深度與具體棋型有關。至于計算的速度，看這個局部，白1，黑2以下一直到白17徹底做活，這就像一道基本的實戰(zhàn)死活的題目，對于職業(yè)高手來說，這是一秒鐘就可以得出結論的，也就是說，掃視一眼就可以一下子反映出所有的17步棋?！?/p>
這就是圍棋界的一句行話：“把計算力練成條件反射?！?/p>
可想而知，一個人要達到這樣的標準，除了不世出的天賦，還有從七八歲開始多少個日夜刻苦的努力和不斷的學習，都還不一定能實現。就算是成為了職業(yè)棋手，從初段到九段一層層淘汰下來，就算是頂尖的棋手也要熬至少十年，要拿下世界冠軍，就更是難上加難，這一路上炮灰遍地，輸了一步就只能埋沒在歷史的煙塵和瓦礫中。
我從小有一搭沒一搭地學了一會棋，就因為太清楚這樣的差距，所以從小對于圍棋界赫赫有名的傳奇人物，無論是本因坊秀策、吳清源、藤澤秀行、李昌鎬、聶衛(wèi)平、常昊，等等，在內心混雜著一種羨慕又淡然的尊敬，這尊敬里是一個孩子對他注定終生都無法觸及的境界的一種眺望和凝視。
所以有人奇怪說電腦早已經打敗了國際象棋，打敗圍棋是必然的事情，為什么你們這次如此惶恐。我說不一樣，圍棋不是器，是道，打敗圍棋所引起的震撼，不僅僅是因為電腦用全新的深度學習解決了天量的計算任務，能夠用近似于人的方法去思考棋局，而是因為在這天量的計算背后，是人類幾千年的風流、思想與驕傲，每一個偉大的棋手都是一個思想家，每一盤棋也足夠隱喻不同的人生與紛爭，如今竟被一臺機器給顛覆了。
這臺機器不懼怕任何挑戰(zhàn)，棋手因為算不清楚不敢應戰(zhàn)的地方，它可以眼睛不眨就沖進去輾轉騰挪；它在開局不久就下了一大堆大家以為是業(yè)余五段水平的棋，正當大家準備嘲笑的時候，它已經贏了；每一局它都能走出載入史冊的妙手，一堆棋手大呼這簡直是李昌鎬和吳清源的風格。
短短五個月，大家對這臺機器的棋力評估從最開始的職業(yè)初段，已經到了近乎深不可測，誰也不知道它到底還有多少潛能沒有被激發(fā)出來。眼下明明是人類教會了AlphaGo下棋，但它為什么會下棋，竟沒人知道，但大家都不得不承認它對圍棋的理解已經超出了人類。
這是我覺得真正可怕的地方，不是什么人類的計算不如機器，而是人類以往的計算能力限制了我們的理性，更限制了我們的經驗，我們以為是理所應當的判斷，或許并不是最好的答案，我們以為的俗手和昏招，也許只是勝利之路上必經的一步。就好像我們看著一個空空蕩蕩的房間，我們以為一無所有，但機器卻能告訴我們這里還有細菌和PM2.5。
所以AlphaGo在圍棋上的貢獻，就是人類終于在茫茫天地之間有了一個參照物，可以看看人類憑借自己有限的理性對圍棋的理解究竟到了什么地步，如果推而廣之，或許在每個方面，人類都可以憑借人工智能，找到這樣的一個參照物。
重新定義管理
當你想到這些事情的時候，真正細思極恐之處在于，我完全可以用這個觀念去審視人類的一切已知，比如管理這件事。
人類以前對管理這件事的判斷，會不會都是基于有限的理性和經驗做出的？人類以為管理很藝術的那一部分，或者根本就是我們計算能力根本達不到，所以神秘化了的一部分？而人類所以為的不同的管理風格，是否也是在有限理性情況下加上一點個人喜好制造的偽命題？
人類對于管理這件事情的理解，可能是遠遠不如圍棋的，假如哪天我們真的發(fā)明了一個類似AlphaGo的參照物。
所以這就是為什么我一直呼吁，管理領域要注意技術的進展，盡管很多人對此不以為然。技術的進步，必定會拓寬人類理性的邊界，發(fā)展到一定程度，人類反過來要向技術學習，就好像如今很多職業(yè)棋手都反過來學習AlphaGo的棋路。
故而，在技術的加持下，我們會越來越多地發(fā)現我們原來憑借有限理性所做的很多認識根本就是錯誤的，或者是不具備普適性的，比如我們以為胡蘿卜加大棒可以激勵人，就是簡單從理性人假設的角度推測的結果，但真實的人的行為比理性人假設要復雜太多，那么究竟胡蘿卜和大棒誰的激勵更有效，大棒會產生什么副作用反而影響激勵的效果，怎樣的組合是效果最好的，原來的這套金科玉律一般的方法在一系列問題的拷問下顯得如此無力。
因此，算法、大數據、深度學習，這些改變了圍棋的東西也一樣會拓寬人類的理性，進而改變管理，比如我們用機器學習和自然語言處理就可以通過幾個問題發(fā)現候選人的性格特征和能力素質，比如我們用建模就可以輕松搞定以前讓人頭疼不已的workforce planning和組織流程設計，比如我們對溝通行為數據進行測量和分析就能了解組織的真實架構和會議、培訓的效率高低。而這些我相信都僅僅是開始，我們還可以走得更長更遠，會有更多場景等待技術去改變。
在技術的見證下，一切以往的權威學說都終究會與各種新穎大膽的假設和猜想一同放在聚光燈下，接受同等的檢驗和公正的對決，誰勝誰負，尚是未知之數。
所以，我們無論當下在這個領域內擁有什么樣的地位和影響力，都隨時要做好準備，重新學習管理學。因為有時候我們距離經驗越近，距離真理反而越遠，曾經讓我們走向勝利的東西，有一天也會讓我們走向失敗，別忘了，AlphaGo根本不管什么定式和常型，它簡單明了，只管贏棋。
我看到有位網友對此給出了很幽默的形容：“你使出一招破劍式，劍意飄忽，在場的人都驚呆了。對面一掃描，從你的初始動作和動態(tài)勢能分析出你即將掠過的方位，一巴掌胡在你臉上?！?/p>
人的位置
在第四局比賽中，李世石執(zhí)白棋終于戰(zhàn)勝了AlphaGo，很多人會說，機器也不過如此，人類還是最可靠的。
我并不否認李世石的偉大，可是擺在眼前的事實是：第一，在這局棋之前，這場比賽的結果就已經注定了，這場比賽并不能挽回結果；第二，這一局里AlphaGo出了明顯的bug，導致發(fā)揮失常，但機器可以修復bug并不斷進化，最終必然會解決這一問題；第三，AlphaGo可以量產，而李世石和柯潔都僅此一個。
事實似乎很悲觀，但從另一面來看，我們還是能發(fā)現兩個可以讓我們很樂觀的情況：第一，昨天幾乎所有的職業(yè)棋手都發(fā)現了AlphaGo的問題，因此，任何一個基本熟悉棋理的人類，只要和AlphaGo配合，就能戰(zhàn)勝李世石這樣不世出的高手；第二，人類通過與機器的對弈，能讓自己變得更強。
這也是我認為為什么如今做管理的人都需要懂一點技術的另一個原因，因為依靠技術，我們既能在價值創(chuàng)造中所向披靡，也能讓自己更逼近真理。同時，也是最重要的，是技術所創(chuàng)造的參照物讓我們在這個世界面前，學會謙卑和寬容，學會欣賞和共贏。這樣的人類，比從前只以為“人有多大膽，地有多大產”的人類，要可愛太多了。
畢竟，這么美好的東西，如果沒有人類作為見證者，在機器那邊永遠只是一堆代碼和算法，那該是多么無趣。
所以，就算是AlphaGo下得再好，我還是喜歡聽曹大元、古力、柯潔他們的講解，而不是看著機器冷冰冰地在棋盤上落子，連個BGM也不帶。（本文完）
轉載請注明出處：
春暖花開（CCH_chunnuanhuakai）
春 / 暖 / 花 / 開
管理踐行者陳春花的自媒體
管理思想、商業(yè)評論、著作連載、人生感悟
聯系客服
