社会结构和组织行为：人生活在一个复杂的社会组织中，他们的互动关系极其复杂难解。如何发挥他们的效能，实现有效的管理，无论对于企业领导，还是行政管理者，都是挑战。归结到最后，都有效率和控制的问题。围棋中有现实的问题，有未来的问题，其复杂性不下于管理一个企业或一所学校。越是复杂的结构，越是脆弱，所谓牵一发而动全身，所谓一着不慎，满盘皆输。一个简单系统就顽强多了。一条鱼，你把它肚子掏空了，它还要蹦跶一大会儿。从这个角度看，企业不是越大越好，大型企业容易形成规模效应，但也容易失去灵活性，无法及时有效应对新的形势。再者，一个复杂系统必须有一定程度的“局部自治”，否则就管死了。就像一盘围棋，你不可能计算到所有关系的来龙去脉，政府企图微观管理经济必然会失败，这已经被“计划经济”历史证明。同时，没有宏观调控的微观经济也并不像经典经济学家所说的，由一只“无形的手”来达到平衡，而具有盲目性。围棋告诉我们的是，“目标驱动”和“情境驱动”需要有机地结合起来，才能达到灵活而有序的协调发展。
蔡绪峰说：棋盘是一个人生的实验室’。棋盘会告诉人，为什么会让一些人成功，会让一些人失败。你不必听历史老师说故事，你自己在棋盘上就能悟出道理来。”确实，棋谱里承载的是一部人类心理史，只是我们现在还没有打开这部历史的钥匙。
）第二节 一个伟大的世纪梦想
围棋可能必须取代国际象棋，成为人工智能研究的主要对象。
——汉斯·布里纳计算机毫无用处；它们只能提供答案。
——毕加索
人类日新月异的技术变革根本改变了我们的日常生活，电脑国际象棋更是击败了世界冠军，显示了科学技术的威力。但唯独电脑围棋依然止步不前。认真学上一年围棋的棋童可以打败现在所有的电脑围棋。电脑国际象棋“深蓝”十多年前曾击败世界冠军卡斯帕罗夫；“深蓝”取胜的奥秘，在于相当快的计算能力和相对简单的评价参数。这样的设计思路用在电脑象棋相当成功，用在电脑围棋则不能灵验，为什么人工智能现在还难以驾驭围棋？为什么围棋较之国际象棋对认知科学、人工智能更为重要？这是本篇的主题。
一、象棋的巨人，围棋的侏儒
计算机擅长数字的排列、枚举，最简单的棋类游戏是TIC-TAC-TO，规则类似五子棋，但只有3×3九格，所以放了一颗子，就只有八个选择，再放第二颗子，只有七个选择。计算机可以轻而易举地算清所有变化和结果。荷兰研究者Erik%Van%der%Werf%声称他发明了一个搜索程序，能够解决5×5%棋盘的所有棋局，即从第一步起它都能下出最佳的着手。他的证明是只要黑棋走在正中（天元），白棋怎样走都不活。事实上，用这样的穷尽所有变化的方法，电脑可以通过跟自己对弈所发生的错误不断获得反馈，修正走法，直至达到完美无误的境界。但这样的前提是变化必须是相当有限的。电脑象棋目前依然是沿用经典的信息加工理论，把问题解决看成是寻找恰当“路径”的过程。这样即是把围棋看成是一个一棵巨大无比的“搜索树”，它的枝节不断延伸，数量不断扩大。电脑象棋的工作，就是要找到那条制胜的路径。这种方法在国际象棋和中国象棋是成功的，但在围棋上基本是无效的。
传说印度国王要奖赏发明国际象棋的人，此人说你在第一格放一粒米，第二格放两粒米，第三格放四粒米，第四格放八粒米，依此类推，每格放前一格的两倍数的米，直到把六十四格填满。国王一想，这不用多少米，于是一口答应。结果是他把全印度的米放到棋盘上，还添不了棋盘的六十四格。国际象棋的变化当然要远远超过这个数字。围棋不是8×8%格的空间，而是一个又一个19×19%的空间，是361的阶乘！据专家计算，围棋的全部状态空间（STATE%SPACE）约为10170，比起国际象棋的1050，不是一两个等级的差别，而是天壤之别，因为乘方数每加一，意味着增加十倍！“深蓝”的计算速度为每秒两亿个局面。这个速度加上计算的精巧设计，使“深蓝”能考虑15至16步以后的各种情形，如需要能算到四十几步。但是，用“深蓝”的计算速度计算3分钟所达到的深度，用到围棋上要用70年才能达到！问题还在于，即使让你算到了足够的深度和广度，还有一个评价问题，而在评价上，电脑围棋基本上是围棋初学者的理解力。结论是，电脑围棋必须设计更“聪明”的程序，而不能依靠硬算。
电脑象棋的突破源于速度，而速度是硬件问题。拿硬件来比较，人类智能的“硬件”基础是大脑的构造，是组成大脑的亿万神经细胞所构成的极其复杂的神经回路、模块、系统，构成人下围棋时启用的各种能力，视觉空间的，计算的，分析推理的，归纳和推演的，等等。而电脑的构成是集成电路。电脑的特长，当然是计算能力，但是要计算得聪明，用大量的约束参数，更好的“搜索引擎”去选择更有价值的计算，这是电脑的瓶颈，或者是人工智能的瓶颈。从硬件上说，计算机除了计算、枚举速度，没有其他明显优势，即机械性速度现在还无法与生物性智能较量。20世纪50年代前苏联的《知识就是力量》杂志有一篇文章论证电脑不可能取代人脑，论据是人脑140亿个神经元，用140亿个继电器来代替，要从地球排到月亮。但是，这还不是问题的关键。机械装置自己无法有自我更新能力，无法产生新质，而生命个体发展和生物进化却会有质的突破，形成新的构造，如形成处理围棋时空特征的特殊神经回路或网络。这种“自组织”的，生成更复杂构造的特征是机械装置不具备的。有些学者认为新一代的计算机—量子计算机，将是电脑和人工智能的未来。但是，目前我们还看不到即使是超级计算机对围棋会有何作为。
二、电脑应该怎么下围棋
美国物理学家，诺贝尔奖得主Richard%Feynman%这样评论电脑围棋的意义：
计算机可以计算百万种不同的变化，但是一个国际象棋大师用的是完全不同的方法。他识别各种样式，他在作决定走哪一步前只计算三十到四十个变化。因此，虽然围棋的规则比国际象棋简单，下围棋的机器现在水平不高，因为每一步可选择的下法太多，需要考虑的东西太多，以致机器无法算路很深。因而，如何识别样式，在这些情形下如何行事，依然让电脑工程师（有时他们称自己是电脑科学家）感到很伤脑筋。这显然是将来电脑发展最重要的事情之一，也许比我先前谈的问题还要重要。让电脑下围棋下出水平来！
Feynman将电脑围棋的突破性成长看作是人工智能超越性发展的标志。电脑国际象棋的最早研制者之一汉斯·布里纳（Hans%Berliner）1978年在《人工智能》期刊上撰文记述国际象棋时就把电脑围棋看作是人工智能在21世纪的最大挑战。他的观点即使在今天看仍然很透彻。他认为虽然电脑国际象棋也可以变得“有思想”（原话是“conceptual”），只要计算机速度够，完全可以解决主要问题，但对于围棋来说，“完全搜索”（brute-force%search）方法一是不可能，二是无效，所以，正如美国围棋业余高手David%Mechner所说，围棋逼着人工智能学者直面他们面临的问题。
电脑围棋对于人工智能为什么重要，还不在于现在人在设计更强大的电脑围棋问题上依然无从着手，而是电脑象棋虽然技术上是成功了，达到了人类世界冠军那样的顶级水平，却还谈不上是真正的“智能”。斯坦福大学的计算机学教授John%McCarthy认为，像“深蓝”这样的电脑象棋与人工智能无关，因为它绕过了“智能”的一些根本问题。它是工程学意义上的巨大成功，但谈不上是认知科学意义上的突破，因为它无法提供高级思维的一般模型，如人怎样学习，怎样作策略思维，怎样决策，怎样表征外部世界，怎样获得直觉，等等。从常识来看，对一个简单问题要做繁冗的计算，是愚蠢的标志，而不是“智能”的显现。从认知科学的角度，人工智能的关键，应该在“软件”的精巧和创意。这就像我们人要提高水平是增加计算速度有效呢，还是掌握围棋的要领，改进思想方法，提高境界重要呢？电脑围棋的困难主要不是计算速度跟不上，而是分析思考、判断评价的问题，也就是说，问题在软件，而不是硬件。电脑象棋把人工智能的真正问题绕过去了，电脑围棋绕不过，它必须思考怎样让电脑围棋的思维更像人的思维，更显现“智能”的本质。斯坦福大学的数学教授Daniel%Bump认为人下围棋，主要是结合三种要素：空间样式识别、知识的积累和逻辑思维。电脑围棋要提高，也要结合三者；电脑围棋尤其要能够像人脑那样善于甄别有关和无关的信息。硅谷工程师、“多面围棋”的设计者David%Fotland认为：“从长远来说，研制高水平的电脑围棋的唯一可能途径是使它有从错误中学习的能力，这也是经典人工智能的工作，而现在还没有人知道如何实现这个目标”。从人的智力心理学观点看，围棋电脑至少还要克服下面这些瓶颈。
瓶颈一：空间关系的知觉。美国电脑专家、围棋业余棋手Bruce%Wilcox和他的同事曾经尝试让电脑围棋具有空间知觉的能力。他们设想围棋从一个基点向外做180度甚至360度的雷达式探测，能够发现棋子与棋子间的距离，包括辨认敌方和我方的棋子。还有电脑围棋设计者试图将围棋基本的空间格局用形式化的语言固定下来（如角上的“定式”、“定形”，边上的“拆”、“逼”），指导围棋的行棋取向。这些思路虽然有趣，也有一定效果，但最终还是不能解决根本问题。那么，问题在哪儿呢？第一，围棋空间的子与子的关系，在空间呈现，所以确实可以被某种类似雷达或声纳的计算装置探测到。但是，即便电脑能够探测到一定样式的存在，电脑还要解决样式的“意义”的问题。如果说对物理空间样式的抽象是一级抽象的话，对空间样式的“意义”或功能特质的抽象则是二级抽象。“围棋知觉”本质上是这种二级抽象。电脑围棋的困难在于，它可以把握一级抽象，但很难做二级抽象，因为每个样式并没有固定的功能意义，要看周边情形而定。一个定式，对电脑来说在理论上说是很容易辨认的，因为可以把所有定式输入电脑系统。但如何确定这些定式的作用，什么时候用哪个定式，电脑围棋缺乏灵活把握，往往还只能机械应用。在这方面，象棋要成功得多，由于棋盘小，开局的可能局面相对有限，所以前十几步基本可以不用“思考”，按电脑里储存的路子走即可。第二，电脑对空间关系的信息摄入量是相当有限的。人脑在处理棋盘上看到的黑白世界时，仿佛是有许许多多传感器同时向大脑输送棋盘上的有用信息，大脑又很快地，几乎不假思索地作出筛选和整合。许多奇妙的“直觉”都是这样仿佛得来全不费工夫。人工智能在对待“直觉”上基本上是一筹莫展。
瓶颈二：抽象和形成概念和概念性理解。知觉的问题自然就带出了抽象问题。除了局部的形状、手筋，包括局部死活，可能储存到电脑里，可以通过直接识别机制从“记忆”中提取，而绝大多数情形下过去的棋谱需要理解和活用，这恰恰是电脑的“软肋”。理解需要把握“意义”，即事物的缘由，意义必然是某种对事物的抽象（即使是“苹果”这个具体概念，已经包含了了不起的抽象概括了）。比如围棋中的“厚薄”、“味”，乃至更抽象的“缓急”、“弃取”，都是电脑无法“理解”的语言。没有这些概念，它就很难去防范自己的“薄味”，等到成了瓮中之鳖已经为时晚矣。
瓶颈三：学习和举一反三。选择恰当的行为是人的智能的重要标志，学习能力则是根据环境需要改变自己行为、灵活应变的能力。而人工智能在围棋上的突破也要能体现这些原则。现在的电脑围棋（包括电脑象棋）都还没有自我校正功能。2003年初，以色列两位青年专家设计的“青出于蓝”（Deep%Junior）跟卡斯帕罗夫有一番较量；但每下完一盘棋，它的设计者都要根据比赛情形对设计做一些临时的调整，“青出于蓝”自己还无法完成这项工作。当然，让电脑围棋能够“记住”自己哪一步吃了亏，并且下一次遇到相同情况会自我矫正，不犯同样的错误，还是可能的。但是，围棋中要出现完全相同的情况是很难的。如果情形稍稍变化，电脑无法辨认情形的相似性（如我在《学习篇二》用过的关于“腾挪”的案例）。目前的电脑程序只认“死理”，你给它设定规则，它就这样做，它无法做“迁移”或举一反三，因为举一反三需要抽象和类推（类比思维）。虽然有些电脑围棋设计者试图让围棋有高级学习和迁移能力，人类目前还没有能够用机器来模拟人类的诸如利用“概念”来把握符合这个概念的种种表现的这类高级智能的能力。
瓶颈四：评价问题。作为实验，我让Fotland%设计的“多面围棋”解答《运筹篇三》藤泽秀行与加藤正夫对杀的第93手。出乎我的意料，“多面围棋”不偏不倚，选择下在藤泽下的位置。当然，“多面围棋”靠的不是缜密的计算，而是用多种启发性思路。下面是“多面围棋”给出的“理由”：
杀眼
逼迫对手
薄形
急所
紧气
防卫领地而白的应手也下在加藤正夫下的位置上。给出的“理由”是：
杀眼
局部的形
逃逸并同时分割开对手的棋
对上一步棋的直接反应
但是，接下去一步，“多面围棋”走得就离谱了。“多面围棋”下围棋，用的是多种启发式作引导，加上一些前瞻性计算。和其他电脑围棋软件一样，“多面围棋”的表现缺乏稳定性，主要的根源是围棋的得失评价极其复杂和微妙，现在的电脑围棋难以把握。最终在计算上，很可能需要模糊逻辑或模糊数学的参与。
