同时我在考虑机器创新时，也遇到了类似的问题：假设机器穷举方案，结果发现了比现有更好的方案，以及优化设计等方法，严格说来它并不（直接的）需要人类智慧，这些机器的产出能否算作创新？

Google的天才们最近用人工智能打败了水平极高的人类围棋选手，在这之前它们更是消灭了所有其他围棋软件。围棋是典型的无法通过穷举解决的问题之一，正因如此围棋被视为机器在棋类竞技中对人类最后的挑战。我记得很多年前看一些有关的文章，讲如今的围棋软件最多只有业余X段水平云云……不过今天情况似乎完全不同了。

通过大量学习棋局似乎根本不能够解决什么问题。这和象棋不同，象棋的决策树是有限的（至少是可想象的），而围棋是近乎无穷的，你在19x19上下的每一盘棋都和你所学习的其他棋局完全不同。布局上相似的棋局，一个子的差别就能显著影响局势。这是一个混沌系统，难以通过一个函数对当前的局势进行评价，也就是说没有办法指定一个明确的规则应该怎么做；而通过学习他人棋局，又无法获得比被学习的选手更强的能力。这似乎是个不可逾越的鸿沟。

还好，围棋对于胜负的评判规则是明确的。所以天才们就让机器不断自己跟自己下棋，不断将获胜的一方所采用的策略（这里的“策略”很可能不过是内存中一个巨大的矩阵）看作是优秀的，不断用获胜方的策略对智能本身加以训练。如果各位读者读过我的《什么是机器学习》，就会明白这其实就如同机器蚯蚓的培养过程。这里是需要“创新”的：新的策略通过旧策略产生（遗传算法等等），但又不受旧策略的限制，正如同机器蚯蚓的副本和母本各有不同，最后通过一定的标准来筛选，将其中更为优秀的后代保留下来。

这样的创新，使得Google的这两位围棋爱好者打败了世界级的大师。

这是对引文的一个回应：机器可以以类似人类的方式产生创新，但它仍然服务于人类目的（在围棋棋局中获胜）。但不总是用穷举的方式，而会用一些更高效的方式，一些近似于人类的方式。当然，我们无法用人类大脑体验一台打败了所有人类的围棋机器的“思维”，但我们无法不承认这种“思维”过程的存在。

如果把“新的认识比旧的认识更有助于完成人类目标”作为创新的标准，显然，未来的机器创新将会比我们高效得多（它们将发明一些我们无法理解的“策略”解决我们设定的问题）。也许以后我们将设定足够多的限制条件，比如保证地球上尽可能多的人类存活，然后期待机器开始宣传可兰经。