3月15日，谷歌阿爾法圍棋與李世石的人機大戰五番棋第五局在韓國四季酒店戰罷，李世石執黑中盤落敗，雙方比分最終定格為阿爾法4：1取勝。

AlphaGo最終以4:1的大比分大勝李世石，并不意味著人工智能主宰世界和人類被奴役時代的到來，理由也并非只是因為AlphaGo是人類設計出來的，而是因為，AlphaGo其實開啟了人類利用人工智能的新時代。準確地說，是拓寬了讓機器人為人類干活的新天地，并有可能深入而廣泛地讓人類文明迅速發展。

AlphaGo是靠深度學習、蒙特卡洛樹搜索算法和自我進化三招戰勝人類棋手的，這三大功能也是人類駕馭其為人類服務的途徑。由于人工智能能夠自我學習，學習能力會越來越強，而且搜集和貯存的數據會越來越多，將會在新產品的研發、預測分析、推廣等方面產生巨大的效應。

具體而言，如果AlphaGo的自我學習能力、大數據貯存和分析功能應用到醫藥領域，將會是人類的福音而非悲劇。研發出AlphaGo的Deep Mind公司并非只是專注于讓AlphaGo與人類棋手過招，而是注重把人工智能通過學習解決實際問題的能力貫穿應用到醫學領域。

2016年2月，Deep Mind公司就已經發布了在醫護領域使用的深度學習程序Deep Mind Health。這是一款手機應用程序，包括“識別風險病人”（Stream）和“早期臨床護理管理”（Hark）兩個模塊。這種手機應用程序當然也是一種人工智能，它們需要學習和幫助醫護人員監護一些表面上不嚴重但實際很危險的病人，或者一些急性發病者。

當然，這些只是人工智能開發和應用的冰山一角。實際上，在醫藥領域利用計算機技術和人工智能最早和進展較大的是藥物的研發與監控。計算機和人工智能對于藥物的研發在很多方面都起到了作用，如研發新藥、老藥新用、藥物篩選、預測藥物副作用、藥物跟蹤研究等。這實際上已經產生了一門新學科，即藥物臨床研究的計算機仿真(CTS)。

對于傳統的藥物研發來說，一種藥物必須經過動物試驗和人體的I、II、III期臨床試驗。而且，即便三期試驗后批準上市，還有IV期臨床研究，即新藥上市后進行的臨床研究，而且一類新藥要求進行2000個病例的IV期試驗，這也是造成藥物研發周期長、費用高的重要原因。

但是，在今天，有了計算機程序，特別是以AlphaGo為代表的能自我學習的計算機程序（軟件），就為人們提供了一個檢測藥物的人工智能安全專家。首先是在新藥篩選時可以獲得安全性較高的幾種備選物。當很多種甚至成千上萬個化合物都對治療肝癌顯示出某種療效，但又對它們的安全性難以判斷時，便可以利用AlphaGo的策略網絡和評價網絡，以及蒙特卡洛樹搜索算法來挑選最具有安全性的化合物，作為新藥的最佳備選者。

同樣，對于尚未進入動物和人體試驗階段的藥物，也可以利用AlphaGo這樣的人工智能來檢測新藥的安全性。因為，每一種藥物作用的靶向蛋白和受體都并不專一，如果作用于非靶向受體和蛋白就會引起副作用。AlphaGo等程序可以通過對既有的近千種已知藥物的副作用進行篩選搜索，以判定一種藥物是否會有副作用，或副作用的大與小，由此選擇那些副作用幾率最小和實際產生副作用危害最小的藥物進入動物和人體試驗，就會大大增加成功的幾率，節約時間和成本。

當然，利用AlphaGo等程序還可模擬和檢測藥物進入體內后的吸收、分布、代謝和排泄、給藥劑量-濃度-效應之間的關系等情況，讓藥物研發進入快車道。

AlphaGo人工智能軟件戰勝人類棋手，為人類提供更多的是機遇和基礎，而不是威脅。當然，威脅也會存在，就看人類如何控制和駕馭人工智能。（張田勘）