Google DeepMind 開發的圍棋程式 AlphaGo 三月十五日以 4:1 擊敗韓國棋士李世乭九段。人工智慧第一次在如此困難的問題勝過人類。回到探究圍棋與智慧本質的脈絡，我們能夠從中學到什麼？
了解圍棋
圍棋的計算複雜度太高，人腦與電腦對它都無法完全掌握，都必須找到好的解題策略來簡化問題至自身運算能力能夠負荷的範圍。AlphaGo 發現的新策略讓我們獲得了一個重新了解圍棋的機會。
在三月十二日第三局結束、AlphaGo 以 3:0 的成績確定贏得這場總共五局的比賽後，負責即時解說的 Michael Redmond 九段在記者會上有一段非常精采的評論：
「圍棋在歷史上經歷了多次新發現。在古代日本，本因坊道策的全新布局理論改變了人們下棋的方式。上個世紀，吳清源再次完全改變人們下棋的方式。如果棋士受到 AlphaGo 的啟發與協助、開始研究新的布局方式，或許我們會看到第三次布局革命。」
到最後，對弈的輸贏已無關宏旨了。這是圍棋的勝利。
了解智慧
智慧極其複雜。心理學、神經科學與生命科學藉由研究既有的智慧系統試著了解它們如何運作。人工智慧藉由建造有智慧的系統來試著了解智慧。語言學與哲學則在結構與抽象的層次嘗式探索智慧的本質。
人工智慧如何能夠協助我們了解人類智慧，如果兩者看起來並不一樣？人類的知識其實經常在意外的來源獲得啟發。例如飛行。就像我在《想像的力量》推薦序〈如此相似，卻又如此不同〉說過的：
「自古以來人類都在試圖藉由研究鳥類了解飛行，卻長期沒有進展。直到最近一百年開始藉由建造飛機研究飛行，飛行知識才開始快速累積。當人們再回去研究鳥類，卻驚訝地發現兩者的飛行原理完全一樣：都必須平衡推力、阻力、升力與重力。不僅如此，還有更多新發現。例如以前認為鳥類藉由向下拍動翅膀產生升力，事實上是藉由翼尖旋轉產生類似螺旋槳的推力，進而產生升力。
人類因為對機器的研究反而促進對生物的了解，在上個世紀發生不只一次。除了飛機與鳥類，還有電腦與認知。因為電腦的出現，心理學家開始了解認知也是一種演算法與資料結構（歷程與表徵）。而之後認知心理學與人工智慧對彼此的發展也持續提供了有幫助的線索。」
解題能力以外，AlphaGo 的表現也再次提醒我們智慧的終極問題：意識。當有一天人工智慧足夠複雜時，是否會產生意識？我在〈機器能否產生意識〉介紹過相關的觀點。嘗試回答這些問題同樣也能幫助我們了解人類的意識。