2017年5月27日，美国东部时间上午5:17，VoxMedia发布了一份报告，题为：“AlphaGo在以三比零击败世界第一的对手后退休”。柯杰被认为是中国古代围棋的世界上最好的棋手。昨天在中国著名的旅游城市乌镇，AlphaGo计算机在最后一场比赛中战胜了柯杰。我衷心祝贺谷歌取得的技术进步。

图1：2017年5月27日，在中国举行的围棋峰会期间，AlphoGo对阵柯杰。 照片来自 Quartz Media。

从1997年IBM 深蓝国际象棋计算机击败了世界冠军GarryKasparov后，围棋是等着电脑击败人类的一个主要游戏 。与国际象棋相比，围棋的规则更简单，棋盘更大。 这意味着机器围棋比机器象棋更难以打败人类。

我们现在可以猜测，计算机在所有主要符号游戏中赢得所有人的可能性已经相当高。 这里“符号”是指输入是符号。例如每个棋子是白色或黑色的，每个棋子的位置必须是整数的行号和列号。

但是，从摄像机传来的图像不是符号。 从耳朵传来的的声音也不是符号。

在BMI 出版社2012年出版的《自然与人工智能》一书中，我花了整整第一章来解释什么是干净的任务（或问题），什么是模糊的任务。我解释了多个模糊因素的度量，并把它们归为五个类。 我从书中摘出了个表，翻译后在图2内展示。

图 2：翁巨扬著《自然和人工智能》中的表1.1 。对于每个条目的说明，请参阅原书。图像内容由BMI出版社提供。

例如，如果输入是符号（像围棋这样的电脑游戏就是如此），那么这个任务的输入因素的模糊度量就是干净的。如果输入是直接来自真实的传感器（例譬如摄像机），那么这个任务的输入因素的度量就是模糊的。

在那本书中，我进一步提出了一种复合模糊性的度量。它是所有模糊因素度量值的乘积，其中每个因素以1为最小可能值。所有的机器游戏的复合模糊性的度量都是非常小的（接近1）。 相比之下，人类每天做的任务，甚至包括人类儿童做的，都有极高的复合模糊性的度量。

那本书然后继续解释如何理解自然智能和人工智能，以及我们如何有了个框架，模型和算法，它们是世界上首个从发育的意义上处理模糊的人工智能通用任务，譬如通用视觉，通用听觉和通用自然语言理解。它们也力求在通用计算发育的意义上对人类智能进行理解和建模。

在这个时间节点上，很少有科学家对这一重大进展表现出浓厚的兴趣。 很少有媒体有兴趣报道。 然而，AIML2016年竞赛已经通过各参赛的实验室独立地验证了这一进展。

总之，人工智能的未来不在游戏中，而是在处理诸如通用视觉，通用听觉和通用自然语言的模糊任务中。

2017年5月28日于美国密西根州奥克莫斯市