标题：奇袭象棋本可以让投资人更加清醒
奇袭象棋本可以让投资人更加清醒
昨天看了一篇署名斐典的关于人工智能产业融资状况的一篇文章，标题是“投资人逃离人工智能”，作为奇袭象棋的发明人的我颇有一点感慨。如果能让奇袭象棋早些面向世人，早些让更多的人知晓，特别是能进行有一点影响的比赛，投资人的真金白银不会就这样随随便便的打了水漂。请看文章摘录：
2016年曾被称为“人工智能元年”。
这一年的春天，一场AlphaGo与世界顶级围棋选手李世乭的世纪对战，让“人工智能”这一概念几乎一夜之间火遍全球。像科幻小说或电影描述得那样，吃瓜群众们第一次意识到被“天网”支配的恐惧已经距离自己如此之近；各大科技论坛之上，人们谈论的话题也变成了是“奇点已来”和机器人三定律。
“卷积网络”和“深度学习”的横空出世，也让新技术的曙光照进现实，人类文明似乎踏上一条全新的进化之路，把全世界投资者的眼光都吸引过来。巨大的“风口”，各路投资人开始蜂拥涌入AI赛道。
据乌镇智库发布的《全球人工智能发展报告》显示，仅2012年到2016年，全球人工智能企业就新增5154家，融资规模达224亿美元，占2000到2016年累积融资规模的77.8%；其中，光2016一年的融资规模就达到了92.2亿美元，是2012年的近6倍，相当于2000年到2013年13年间总融资额之和。
在大批投资人看来，人工智能是继蒸汽机、内燃机和互联网之后的第四次生产力革命。
然而，事实上，过去一年业界对人工智能有一个共同的评价：2018年，人工智能的进展就是没有进展。以机器视觉为例，经过了5年发展，神经网络算法在这一领域的潜力基本已经被开发殆尽，而雷同的技术也让其渐成红海。
经过了数年的发展，目前深度神经网络算法仍处于“黑箱阶段”，轻微扰动导致的严重的对抗识别的范例尚无法得到有效解释和解决。对此，图灵奖得主、清华大学姚期智院士曾公开表示称：深度神经网络能产生的“价值有限”，即使未来实现了算法的透明化，其结果也很可能“令人失望”；在他看来，与其对现有的神经网络模型小修小补，不如另起炉灶，“探索新路径，寻求突破。”
一个残酷现实是，这其中大部分投资的前景并不乐观。
据IT桔子等数据源显示，2014年至2018年，中国人工智能领域共发生126起退出事件，数量仅为同时期的投资事件的1/20。其中，IPO退出占四成，回报仅为1.83倍。
早在2017年9月，李开复就曾预言：“人工智能创业有泡沫，（融资热）是今年上半年开始的，融资差不多够18个月花，明年底估计有一批公司倒掉。”
而另一个数据则显示，2018年全年有将近90%的人工智能公司处于亏损状态。
不难看出这一波汹涌澎湃的投资热潮与阿尔法狗系列棋类程序的出现有着非常明显的关系，阿尔法狗战胜李世石是在围棋界标志性的事件，大大触动了人们对人工智能好奇心，引来资本大鳄们的兴趣，误判了人工智能发展预期。
其实阿尔法系列棋类程序之所以见好就收，如今想起来或许就是以上原因，因为它除了下棋很难有其他作为，所向往的医疗领域也只不过多在想象和预期之中而已，实际操作中无数不确定都等在路上，可没有围棋那么容易对付。
事实上，阿尔法系列棋类程序，已经可以看做对围棋、国际象棋、日本将棋的破解。这对棋界的人们的震撼是相当大的，而对于更多的人来讲，很可能认为机器真的有了人的智慧，包括哪些怀揣无数真金白银的人们。
然而，事实并非如此。在李世石与阿尔法狗对弈之前的3月7日，我曾在中国象棋大师网上象棋博客写了篇文章《写在阿尔法围棋完胜人类棋手之前》，预测机器必然胜出。然而众多的人们把下棋看成了人完整智慧的体现，在李世石落败以后大为震惊。就是在这里人们出现了严重的认知错误。误以为神经网路要掀起一场革命。
假如那个时候“奇袭象棋”有一点的普及，有一点的知名度，有过简单的比赛让公众所知，那么很多人会有另外的看法，和象棋非常近似的奇袭象棋，阿尔法狗拿它没有办法。
奇袭象棋只将象棋的车马炮改成以下结构的“奇袭子”（互为正反标异名 ），其他包括棋盘无任何变化（图）
请大家注意这几枚棋子的构成，如果任意取出两个棋子作比较，出现“表里都相同；表同里不同；里同表不同；表里都不同“，还请特别注意，这正是万事万物之间的关系，具备非同一般的“概括性“和“形意性“。它们“可以同时模拟演示行为的可见性和确定性与思想的不可见性和不确定性”，这是奇袭象棋的革命性所在（略）
这些棋子用法:（所有棋子按正面标名走子，奇袭子的正反两面通用，两面都可以当正面摆入棋盘）
1,“原位翻子，并记一步棋，记作某变（翻）某”；
2,“盘面上不允许同时出现两个以上的车、马、炮”；（即只有车马炮有被吃掉的以后才产生翻子权利，目的是为了不远离原象棋，保持全面继承）
3,“翻子次数不超过三次”;
4，“车只能翻出一次，且减少两次翻子权利”。
5.“是否翻子、何时翻子，不受其他限制，棋手自定”。总的讲，除了翻子的动作，与原象棋看上去一样。
这样，棋的暗面有100种布局可选择，意图隐蔽，可演示真假虚实的各种变化，有不可知、有不确定，需要直觉和非常灵活的决策，同样的局面，不同的人会有截然不同的认识。下棋所需要的信息不只是来自棋盘之内，渠道非常复杂，因而更需要真正的智慧。
因为奇袭象棋的“不完全信息博弈”，阿尔法狗系列程序做不到完美对应，该翻子的不翻子，不该翻子的乱翻子，真的认为假，假的认为真······棋力大打折扣是必然。但是，这棋在几岁的孩童来看，很容易上手，虽然不免出现好多错误，然而决策是多变的、是灵活的、是考虑对手特质在内的、是依环境变化而变的，玩起来悬念丛生，跌宕起伏。
简单的奇袭象棋，可以让阿尔法狗失去大部分的神秘感，因为它或许是孩童的手下败将。假如之前有这一幕的出现，谁会去疯狂的在这个领域大量投资呢？
”
谢谢队长！
个人认为，除了扔硬币，掷骰子（不作假的情况下）这种随机事件之外，凡是需要博弈、计算、策略分析等游戏方面，无论有多少偶然性，人工智能的能力都是完爆人脑的。
扔硬币、掷骰子和奇袭象棋的翻子有相似之处，但是并不完全相同。由于棋子的暗面本方知道而对手不知道，翻子的行为是多步走子后的一个决策，不是偶然的随机随机，对于本方来讲都是通过思考的或者随机性不大。奇袭象棋的翻子是通过预谋设计达到某些目的，而这种设计虽然是隐蔽的，有时会从棋手的棋局状态、棋手习惯行、为举止中暴露出蛛丝马迹，棋手的信息需要是多方面的。这种需要更多观察局面、洞察心理、回忆以往来做决策的过程，是奇袭象棋的乐趣之一。
由于奇袭象棋棋子的暗面的不确定性，同一局面实质很可能相差极大，所以决策必须灵活（信息或许来自棋盘之外）。这种灵活性人工智能目前还是弱项，因为它任何行为都需要指令，是指令都需要确定，只要确定就失去了灵活。
曾听一个重量级别的业内人士讲，假如让机器人去取一束花，有两束都放在距离机器人一样远的地方，且两束花完全一样，那么机器人会因为不知所措而死机。