輸不要緊，重要的是，我們還有機會猜測AlphaGo的獨特思維。

為什么某一階段的最優策略，有時恰恰是全局最劣策略？

“破壞性創新”的經典案例：鋼鐵巨人是如何倒下的。

1、致兩千年后的你

那一天，人類終于回想起，曾經一度被AlphaGo支配的恐怖，還有被囚禁于棋局中的那份恥辱。

李世石能贏一局，水平更高的柯潔卻一局都贏不了，因為人類進步靠經驗，經驗積累靠感覺，而AlphaGo進步的方向只有一個：不斷積累“勝率”更高的走法。

AlphaGo 開發團隊主管使用 Elo 算法評估AlphaGo對陣柯潔，每局的勝率為99.37% 。

劍未出手，勝負已分，這不是古龍小說，這是AI時代的游戲規則。

AlphaGo的開發團隊沒有圍棋高手，只負責算法和喂“棋局”（據說現在連棋局都不“喂”了），AlphaGo可算是不折不扣的“自學成才”。

所以，輸不要緊，重要的是，我們還有機會猜測AlphaGo的獨特思維。

2、AlphaGo為什么常下“臭棋”？

圍棋大師能夠記憶實戰棋局，卻記不住棋盤上隨意擺放的棋子。因為人類下棋的方法，是把棋局分為幾塊，左下角、右下角、邊路、中腹……，再去評估每一塊的得失。

人類這么做也是沒辦法，因為我們可以評估每一步棋對某一塊的形勢影響，卻無法計算這一步棋對整個棋局的影響。人類也有“內勢”和“外勢”概念，只不過，所有不基于概率的思考，都是“人類一思考，AlphaGo就發笑”。

AlphaGo不是一塊一塊地思考。每手棋，它都要重新評估整個棋盤，這個能力，既來自它強大的計算能力，也在于它看過棋局，是對手的幾十上百倍。

去年的時候，人類還嘲笑AlphaGo經常下“臭棋”。后來人類明白了，對某一塊棋是“臭棋”的，恰恰提升了全局的勝率。

總結成一句話：“某一階段的最優策略，有時恰恰是全局的最劣策略?！?/b>

這個說法，讓我想起了美國管理學家克萊頓·克里斯坦森（Clayton Christensen）提出的“破壞性創新”理論（Disruptive Innovation）。

3、鋼鐵巨人是如何被打敗的？

讓我們重溫作者的一個鋼鐵行業的經典案例吧。這樣的事情，在每個行業都發生過，尤其在中國。

假設有一家行業NO.1的巨型鋼鐵企業，我們暫時叫它“宇宙鋼鐵”，技術牛，產品線豐富，資本雄厚。

看上去，“宇宙鋼鐵”沒有競爭對手了？當然不會，一定會有一些“小不點兒”鋼廠，質量雖然不行，但成本更低，它們的下游客戶也是利潤微薄的小企業，買不起也不需要好鋼材。

“宇宙鋼鐵”一開始沒把這些“小不點兒”當回事，直到經濟繁榮忽然停止，“宇宙鋼鐵”發現，自己的大客戶因為利潤下降，用不起自己的產品，紛紛改買“小不點兒”們的產品。

怎么辦呢？董事會找來了咨詢公司，請專家分析鋼鐵行業。他們分析了“宇宙鋼鐵”的產品結構，發現其中最基礎的鋼筋產品，技術難度低，客戶對成本更敏感，而鋼板產品，工藝最復雜，客戶對品質更敏感。

“磚家叫獸”們給出了一個理所當然的“聰明”建議：避免劣勢，退出低利潤的鋼筋市場；發揮優勢，大力拓展高利潤的鋼板市場。

這個策略看上去一點問題都沒有，我們常常在上市公司年報中看到“產品升級，進入利潤率更高的XX市場”這樣的字眼，再被證券研究機構一忽悠，股價立刻來個漲停板。

接下來會發生什么呢？花開兩朵，各表一枝，我們先講“宇宙鋼鐵”。由于放棄了低毛利產品，高利潤帶動資本收益率大幅上升，投資人紛紛看好，股價一路上揚。但其中的危機，卻沒有人看出來。

花的另一枝就是行業本身的巨變，由于“宇宙鋼鐵”撤出低利潤的鋼筋市場，這個市場被大量“小不點兒”企業占據，它們之間發生了慘烈的價格戰，被分析師判定為最危險的行業。

所有殺不死你的，都會讓你更強大。那些最后活下來的企業，要么是經過收購兼并重組，要么是保持低成本的同時升級了技術。而價格戰的噩夢，也讓他們把眼光投向更高利潤的鋼板市場。

這個策略的問題就開始暴露了，“宇宙鋼鐵”再次成為靶子，只是對手比當初更強大。當你放棄了一個細分市場的時候，只要市場需求還在，你其實是在為自己培養競爭對手。

“宇宙鋼鐵”的好日子到頭了嗎？還沒有，董事會又作出了“英明”的最優決策：進入利潤更高的鋼架市場——只是這一次，它已經無法再用高利潤來掩飾市場份額的下降了。

新一輪循環開始了，但巨人的命運早已注定。可我們還是要繼續追問開始的那個問題：我們能否避免“現在的優勢導致未來的敗局”呢？

4、“贏多少”重要，還是“贏面多大”重要？

讓我們再回到“人機大戰”，看看人類和AlphaGo的決策方法有什么不同。

前面說了，人類下圍棋是一塊棋一塊棋的累積優勢。所以，人類的最佳策略是把握好每一塊棋，打得過的地方盡量多贏幾目，打不過的地方盡量少丟幾目，能夠斬對方大龍的機會，絕不放過，用每一塊的優勢，爭取全局的勝利。

一句話概括：人類直接計算的是“勝幅”——這一手棋下去，能賺幾目。

而AlphaGo不同，前面說它是全局思考的，所以它直接計算的是“勝率”——這一手棋下去后，最終的贏面概率是多少。只要它覺得這么下可以提高未來的“勝率”，哪怕眼前讓對方賺上幾目，也就是人類眼里的“臭棋”，也可以接受。

換一種說法：在98%概率贏5萬，和99%的概率贏1萬元之間，人類選前者，AlphaGo選后者。

我們能否從“勝幅”和“勝率”的不同思維出發，再反思一下“宇宙鋼鐵”的案例呢？

5、100年之后的企業生存概率

“宇宙鋼鐵”在第一次危機中，有兩個選擇：一是保利潤，保住自己現在的優勢（勝幅策略），二是保市場，加入兩敗俱傷的價格戰，遏制競爭對手，爭取未來活下來的概率（勝率策略）。

現在我們知道了，選擇一是錯誤的。但當初，“宇宙鋼鐵”能夠避免這個錯誤嗎？

如果CEO不是一個披著人類外皮的機器人，基本上，這個，很難。

選擇一注重現在的優勢，我們稱之為“百強企業戰略”，它有一套財務指標體系，利潤率、銷售額、凈資產收益率……

選擇二注重長遠的生存，我們稱之為“百年企業戰略”，但它無法被評估。如果一定要有一個指標的話，那我們就開個腦洞，叫它“存活指數”——100年之后的生存概率。

如果企業以后能發展出自己的“人工智能”，它恐怕最關心的就是這一條指標，就像人人都怕死一樣。

遺憾的是，人類不擅長概率計算，這個指標，恐怕只有AlphaGo這樣的人工智能才有可能學會計算。

人類只能看到眼前的利益。“宇宙鋼鐵”的選擇，我們完全可以理解，一個守著低毛利產品不放還打價格戰CEO，財務數據一定很難看，一定會被股東掃地出門。

但希望未必沒有，人類直覺學習的能力，從未被真正開發過。在AlphaGo打敗李世石之后，圍棋界出現了“AlphaGo流”，模仿它一些獨特的下法，反思被過去奉為圣經的定式。

因為這些，都可能是人類思維的盲區。

6、致兩千年后的你

記得《棋魂》中有一段對話：

“圍棋的樂趣在于有對手的存在?！?/p>

“那棋神不是很寂寞了嗎？”

“因為這樣，所以神教會人類下棋，希望人類能理解他的世界?！?/b>

近期熱文

邏輯性差怎么辦？4個“蘇格拉底式提問”一定有幫助

節日怎樣安排加班，才能人人滿意又公平？

碎片化學習是如何把林則徐帶到“坑”里去的？