【英国《金融时报》网站10月14日文章】题：我如何借助人工智能，在16岁成为国际象棋特级大师(作者 阿拉夫·登拉) 　　我在6岁之前参加了人生第一场国际象棋正式比赛。十年之后，我坐在波斯尼亚的一个酒店房间里，使用两个人工智能国际象棋引擎谋划进攻，这一步将铺平我通往特级大师的道路。 　　当我仔细分析即将对阵的对手在近期比赛里走出的每一步棋时，人工智能给出的策略出现了分歧。一个建议采取强势的震慑打法。另一个推荐更为平缓的压迫战术，试图在数小时的对局中消耗对手。 　　我化解了这两种思路的冲突，制定了一套先主动进攻、之后转为保守打法的方案。但第二天上午对局开始后，这一计划遇到了麻烦。我损失的棋子超出预期，这意味着我必须做出选择：要么继续强攻，承担输掉比赛的风险；要么以走向和棋为目标。人工智能无法在一局比赛中间提供帮助。由于我的剩余时间少到危险的地步，我决定继续进攻。 　　十步棋之内，我把对手的王逼到一个位置，将死已经不可避免。他伸出手表示认输，我在结束这项赛事时拿到了我需要的积分。 　　我知道人工智能技术的进步加快了我成为特级大师的进程。如今我会在比赛前使用多个大型数据库，查找对手惯用走法的潜在应对方案。我依靠两个国际象棋引擎开展专门推演，即“如果这样走，就那样应对”的全面走法规划。其中一个基于规则的传统引擎可以在数秒内推演数万种变化。如果由我自己来计算每一种变化，就需要耗费数小时。另一个是神经网络引擎，基于谷歌深层思维公司AlphaZero程序的理念打造，它会更加审慎地评估。 　　使用这两个引擎，可以帮助我从完全不同的战略角度思考走法。第一个引擎更擅长依靠直接计算评估棋局局势。第二个引擎更擅长构思乍看之下我会质疑，但实际效果出人意料的好棋。无论两个引擎是结论一致，还是像我在波斯尼亚取胜前一晚那样出现分歧，它们都有价值。但最终做什么，只能由我自己决定。我在生活中其他方面对人工智能的定位也类似：人工智能可以出点子、做准备，但最终判断仍由我做出。 　　今年我升入高中三年级。我听到评论人士主张，我们应当让教育远离人工智能，因为大范围使用它会造成过度依赖、削弱智力。对此，我希望告诉这些评论人士，他们这种预测的假定条件在国际象棋领域就能看到，但灾难性的结局并未到来。 　　我每周会花数小时使用人工智能辅助的国际象棋工具进行训练。我认识的所有认真下棋的选手，训练时长都不比这少。按照有些人应用在教育领域人工智能上的逻辑，这意味着我们的判断力现在应该已经衰退。然而事实恰恰相反。这批借助人工智能引擎训练的棋手，属于史上实力最强的群体之一。 　　自从1997年加里·卡斯帕罗夫和国际商业机器公司(IBM)的机器对弈之后，人们一直说，国际象棋作为一项有意义的人类活动，前景堪忧。但直到如今，国际象棋仍在蓬勃发展。 　　其中一个原因，是对人工智能何时使用、何时不使用进行清晰划分。国际象棋计时器一旦启动，我们棋手就必须依靠自身的直觉和判断。人工智能抬高了门槛，而我们跨越了这道门槛。中小学和大学也应当做出类似区分：学习阶段可以拥有充足的人工智能资源和支持，而考核阶段必须严格独立作答。 　　大语言模型可以作为随时能提供帮助(且富有耐心)的辅导老师。借助大语言模型，我的一些朋友现在对于某些学科已经足够精通，能够看懂大学里前沿的研究进展。我借助人工智能语言学习应用学习西班牙语，现在我的西班牙语水平已经可以学习西班牙文学课程。 　　就算我手动完成棋局推演、花更长时间成为国际象棋特级大师，世界也不会变得更糟。但面对令人惊叹的技术创新，如果我们在整个教育体系里对人工智能采取封闭的心态，那么由此带来的损失，是所有个人荣誉加起来都远远无法抵消的。