彩色斑馬有話說：
圍棋人機大戰，谷歌AlphaGo連續兩天打敗李世石。
這不僅是一條科技新聞、體育新聞，還是一條教育新聞。
人工智能發展這么快，未來十幾二十年，肯定有不少工作都被機器人搶了。
哪些職業是機器人無法取代的？現在，該朝什么方向培養孩子？本文你真的該看看。
怎么辦？它會學習了
比你聰明還比你努力
AlphaGo贏第一局之后，它爹戴米斯·哈薩比斯（DemisHassabis）發推慶祝：“贏了！！！！登月成功。為團隊驕傲！！也致敬神奇的李世石。”
之前，中韓圍棋界一致站到了人這邊，預測李世石贏，各路專家各執一詞，比如，王小川挺AlphaGo，李開復覺得李世石贏面大。所以，人們普遍的感覺是，AlphaGo贏得突然。
或者說，有點早。
當然，這次人機大戰一共5局，還有3盤沒下呢，比分勝負還未見分曉。（再說，還有柯潔呢。）
但我們都知道，這件事的關鍵在于：棋手或許還可能贏，但人類已經輸了。
圍棋挑戰，一直被稱為人工智能的“阿波羅登月計劃”。因為，361個子，每個都有黑、白、空三種可能，還得算有沒有氣、活不活，需要計算的可能性多達10^170種。
在人類現在能觀測到的整個宇宙里，原子的總數才10^80。
所以才說圍棋“千古無同局”，落子靠的是經驗積累出來的直覺，也叫“棋感”。這東西機器能有嗎？不可能吧。
可就像當初那英評價章子怡跟汪峰談戀愛：“不可能的事，它就這么發生了……”
10^170的可能性，挨個算肯定不行，就算設備挺得住，電咱也耗不起。（你知道谷歌是用電大戶嗎？用電量相當于幾十棟帝國大廈。）
所以，科學家決定，先用下面的蒙地卡羅樹狀搜索幫AlphaGo確定每步棋的方向。
▲ 國際象棋的落子思路
▲ 圍棋的落子思路
AlphaGo憑著存儲的大量棋局（10萬局），判斷各種可能的勝負概率，縮小范圍，找到“一束”方向。
然后，科學家又給AlphaGo配了“兩根神經”，一個是價值判斷（value networks ），負責評估各個選點的價值，另一個是策略判斷（policy networks），負責做決定，落子。
都說“下棋看五步”，這兩根神經一裝，AlphaGo能看20步。
好吧，我們都get到了：AlphaGo知道的多、很聰明。可這還不算完，它還超勤奮。
科學家逼著AlphaGo自己跟自己下棋，不斷提高，這種強化學習法（reinforcement learning）正是人類棋手每天干的事。
只不過，人要吃飯、睡覺、上廁所、談戀愛，一年練1000盤了不起了。AlphaGo專注、勤奮、不會累，一天就能玩100萬局。
1,000,000局！每天！！
AlphaGo跟打敗國際象棋大師的深藍有本質區別，它不是一臺更大的計算機，而是一個連接了很多數據中心節點的神經網絡系統，就像由幾十億個神經元組成的大腦。
深藍除了國際象棋，連五子棋都不會，但AlphaGo不同，它那套神經網絡系統學習能力超強，玩超級瑪麗、太空侵略者啥的，只要兩三局，就能超越全球任何一個游戲玩家。
哦，對了，它還不失誤。
現在，這些能自我進化的“深度學習（Deep Learning）”人工智能，已經在面部識別、無人汽車駕駛、語音處理、精準治療等各行各業工作了，還可以用于商業、軍事決策，氣候模擬，等等。
谷歌的無人駕駛汽車，看著好萌啊，誰能想到它就是那個讓司機失業的狠角色呢。
這個叫Atlas的小哥，能走、能開門、能搬箱子、摔倒了還能爬起來。要是給它按上人臉識別系統，送快遞都不會丟啊。
還有這些……
▲ 跑得最快的機器人“獵豹”
▲ 專門背包的機器人“大狗”
它們，就是你家娃將來的同事。不用休息，不要工資，不停進步。
好吧，現在你是不是該認真考慮一下孩子的教育問題了？
如何培養孩子，應對未來人工智能廣泛應用的社會，這是一件再重要、再正經、再緊迫不過的事了。比上哪個早教班、學鋼琴還是笛子，都關鍵太多了。
培養“人中人”
注意：不是人上人
“勒布納人工智能獎（Loebner prize）”被稱為人工智能領域的諾貝爾獎。每年它會用聊天測評智能機器人，因為這招是著名數學家圖靈發明的，所以叫“圖靈測試”。
測試是這樣的：12位人類裁判跟電腦聊天，然后猜敲字的是人，還是機器人。忽悠了最多裁判的人工智能，獲得“Most Human Computer”稱號——“最有人味的電腦”。得票最多的人類呢，將被封為“Most Human Human”，最像人的人，或者“人中人”。
布萊恩· 克里斯汀（Brian Christian）參加了2009年的測試，這大哥是學計算機和哲學的，還是個詩人。他把對人、智能、人工智能的思考寫成了一本書《人中人：跟電腦聊教會我生命的那些事》（《The Most Human Human：What Talking With Computers Teaches Us About What It Means To Be Alive》）。2011年《華爾街日報》銷量最佳、《紐約客》最受歡迎圖書，被翻譯成了10國語言。
會聊天，這么簡單的事，怎么就是判斷人和機器的唯一標準了捏？
跟Siri聊過的人應該都有感覺，你可以提要求、下命令，但你沒法跟它交流。除了經常前言不搭后語，Siri的性格也陰晴不定，一會兒嬌羞少女，一會兒腹黑御姐，跟精神分裂似的。
我以前認識一個初學漢語的老外，美國名校畢業，人特聰明，還肯下功夫，先是在美國跟書學，后來來了北京。有好一陣，他說話都一會兒文言文，一會兒北京土話，上半句“雖不中亦不遠矣”，下半句“都掉點兒了你怎么還在這賣呆兒”。
這就是人和機器的區別，人會讀懂場合，聽懂你說了什么，有什么深意，再現場決定我說什么。也就是《美人魚》里最讓鄧超驚喜的：“你懂我？”但機器不會，它既看不懂眉眼高低，也聽不出你話里有話，每一句話都是程序指令。
所以，朋友問你：“親愛的，最近好不好？”你一陣溫暖，覺得有人關心。Siri問你：“親愛的，最近好不好？”你知道別太當真，那姐們兒才不管你好不好呢。
專家說，人有兩種互補的決策方式：1、深思熟慮、理性計算；2、根據環境情勢迅速反應，做出決策。
前者是人工智能的長項，后者才是人類的主場，是人的價值所在，是十幾年后你家娃能贏過機器人的職場（希望不是唯一一個），也應該是現在你培養孩子的方向。
美國麻省理工的教授埃瑞克?布林約爾弗森（Erik Brynjolfsson）就告誡學生們，遠離那些終將被機器人取代的工作，為自己的職業生涯贏的先機。
未來屬于決策者
培養孩子三大能力
美國哈佛大學的教授弗蘭克·萊維（Frank Levy）、理查德·莫內（Richard Murnane）研究了機器人會在哪些領域取代人類，他倆把工作分成了五級：
第一級：做決策；
第二級：解決彈性問題，比如看病；
第三級：不容易規范的體力活，比如，卡車司機；
第四級：可規范的體力活，比如，流水線工作；
第五級：可規范的腦力活，比如，記賬。（做假賬屬于第一級哈。）
教授們說，四、五級工作，將來鐵定是機器人的天下，第三級嘛，也快了。其實，無人駕駛汽車早能上路了，就是亂穿馬路的大媽和小狗不好對付。
第二級暫時還好，但也受到了很大沖擊。美國FDA已經批準強生的麻醉機器人Sedasys給18歲以上的患者服務了，某些外科手術機器人也會主刀。
好吧，只剩下頂層了。那么，在未來社會做決策，需要具備什么能力呢？
丹尼爾·品克（Daniel H. Pink）是《連線》雜志的特約編輯，也是知名的社會趨勢研究專家。他說，未來的決策者得有兩個關鍵能力——高理念（High Concept）、高感知（High Touch）。
▲ 丹尼爾·品克
高理念——指基于思考的創造力，包括辨認模式、賦予意義、創造概念等等。比如，達爾文提出進化論。
高感知——指基于洞察的創造力，包括體察情感、溝通，護理病人、談判、指揮團隊都得有高感知能力。
好吧，這“雙高”能力咋培養呢？
美國密西根州立大學教授潘亞·米夏（Punya Mishra）說，21世紀的學習，朝這三項努力就行了：
1、會處理信息
現在是海量信息，別說背了，連看都看不過來。所以，孩子只要掌握核心知識，會讀、會寫、會算就行了，知識面得盡量打開，得培養獨立思考的能力，這樣Ta就能跨界篩選、處理信息，就能有所創見、做出判斷。
所以，別逼孩子背這背那了，只要Ta大概知道有這么回事，上網一搜什么資料都有了。
2、有執行能力
《Google模式》里不是說了嗎，谷歌就要這樣的人——能產出并執行新奇、實用的點子的人。
點子光新奇不行，還得實用；光會想不行，還得能執行。所以，得培養孩子溝通合作的能力、解決問題的能力。
3、情商
會聊天！
包括：自控以及帶領團隊的領導力，情緒的洞察力、敏感性，對不同文化及生活方式的寬容度。
開發AlphaGo的公司——谷歌Deep Mind在其官網上寫道：我們致力于用算法提煉人類智慧。
▲ Deep Mind三位聯合創始人
所以……把孩子的“人類智慧”發揮到極致吧！這是你能給Ta的最好的教育！
彩色斑馬2016“科學·探索日歷”
