尽管对“阿尔法围棋”（AlphaGo）能否代表智能计算发展方向还有争议，但比较一致的观点是，它象征着计算机技术已进入人工智能的新信息技术时代（新IT时代），其特征就是大数据、大计算、大决策，三位一体。

生命是智能之源，著名人类学家和哲学家德日进曾说：“生命就是复杂化的物质。”实际上，就技术而言，智能的实质就是有效地简化复杂性，将其约简到人类可以理解、操作和应用的水平。因此，智能化与复杂性本质相同，“所谓复杂，就是对立统一”。如何从技术上化对立为统一，正是人工智能研究的核心问题。

其实，作为典型的集成智能技术，阿尔法围棋本身在智能理论与方法上没有创新，但在应用和实践上的确是一次巨大的飞跃。其战果主要表明，通过特征提取并形成新的状态和决策空间，即所谓的“价值网络”和“策略网络”，深度神经元网络技术能够合适地简化围棋态势，评估和决策问题的复杂性，进而加强有效学习和深度搜索，最终让阿尔法围棋的深度学习方法取得成功。

七十多年前，关于可计算性的“邱奇-图灵命题”激发了冯·诺依曼的灵感，著名的诺依曼结构应运而生，催生了第一台现代意义下的计算机和后来蓬勃发展的信息产业。今天，阿尔法围棋的成功，也让我们思考：任何机器可求解的复杂性问题和机器可实现的智能化问题，都可通过类似于阿尔法围棋的方法和技术来解决？

毫无疑问，阿尔法围棋不是解决智能问题的唯一途径——按照德日进的观点，充分的可调参数、可变结构和可用资源，一定可以产生智能。因此，上述命题可进一步推广为关于特定问题的通用智能命题：任何有限资源条件下机器可处理的智能决策问题，其算法程序都可以通过具有充分可调参数和可变结构的网络方式实现。

提出智能命题的动机在于强化新IT的时代意识，激发想象，推动整体社会在智能技术的研发和应用上进行多样、深入、全方位的创新与实践。

首先是数据驱动的深度学习的多样化与广泛普及。阿尔法围棋的实践表明，真正的大数据产生于深度分析和深度评估，而非其他过程，而如何将这些数据约减之后付诸解析和行动，是智能技术成败的关键。

为此，我们需要软件定义的虚拟组织，如软件定义的车间、企业等，在此基础上形成“生产”“管理”，以“自我进行”的方式，产生大数据。从这些大数据中提取出特征与规则，然后进行深度学习、规划、决策等等。最后，利用开源、实时的社会媒体与社会网络信息，及时有针对性地搜索针对性的相关情报，通过物理形态组织与软件形态组织的平行互动，形式反馈式的平行智能，实现各类组织的可编程智能化运营与管理。

从技术角度上看，深度学习与决策的普及必然导致平行智能，其核心就是软件定义一切。工业社会是工作自动化的社会，知识社会也必然实现知识自动化。平行智能的深化，必将导致可编程的智慧经济与社会成为现实，使各类组织在面对不定、多样、复杂的问题与任务时，具有灵捷神速、聚焦准确、收敛到位的能力，从而变自然调控的“无形之手”，为智能管控的“智慧之手”。

著名的科学哲学家波普尔认为，世界是由三部分组成，即第一物理世界、第二心理世界、第三人工世界。回顾人类社会的发展，农业社会和工业社会开发了第一和第二世界，而新IT时代，就是智慧社会的开始，其原料和驱动力就是大数据，而核心任务就是构建各种各样软件定义的系统（SDX），开发人工世界。

在未来的智能世界里，SDX就是一个社会的基础智能设施，如同当代的高速公路、机场、车站、码头、电网、互联网。没有这些设施，一个社会就无法被称为现代化社会。其实，人工智能意味着人工SDX有多广，实际智能才能多深。

计算机围棋程序的开发者之一，著名物理学家格林教授曾认为：对于复杂决策，人很难做到公平优化，最好让人工智能去做。阿尔法围棋的成功，不仅使格林的希望向现实更进一步，也让我们更有信心从智能技术走向智慧社会。

（作者为中国科学院自动化所研究员）