这自然奠定了接下来会场的主流基调，那就是不断有围棋爱好者自告奋勇，愿意上台配合顾言的指挥，接连在各种围棋ai身上复现“极度愚蠢的一手”

。

另一边，就是顾言通过这数个同类案例，证明ai在特定盘面，且大优势的局面下，实际由于此类型的对弈历史缺乏，也就是没有相应的自我学习经历，会直接无视黑白棋大龙纠缠的具体变化，转而在其他区域不断丢子计算。

在这种忽视重要因素的前提下，ai的选点模拟胜率当然谬误极大。

而如果再深刻些，就是ai暴露了不同于人类的思考方式。

作为菜鸟人类棋手，哪怕才刚入门，很多棋局变化从未经历过，但鉴于大脑既已了解规则，那么会自然推导后续局面。

但ai理解的从不是规则，而是指向结果的路径。

所以遇到从无接触过的局面，它要么报错，要么按照程序的设置，对某些无法理解的部分机械忽略。

也正因为ai曝露出的这一问题，顾言还对提交iclr的论文主题进行了升华与反思，将其不再局限于围棋ai，而是探讨起人工智能需要警惕的应用场景。

在实验室里，开发人员或许已经自信满满地给ai输入，数以百万千万计的基本数据。

之后又让程序经过了无数次的自我学习完善。

但这就足够了吗？

现实中的意外状况永远超乎想象，如果ai享有全部情况下的最终处置权，它又能应付得了一切吗？

或许数十个传感头中的一个出现微小故障，读取到错误信息的程序就会使一整个飞机疯狂压头，直至在机组精疲力竭的绝望眼神里直冲地面。

或许是车载摄像头扫过路边飘来的某个泡沫纸箱，汽车就会因错误判断风险而大幅偏离车道，引发一次本不该发生的事故。

还有

综上，在当前人工智能与深度学习概念极其火热的阶段，无数研究者和企业都在期待着让其更快投入应用，本文提出以“对抗攻击”

为代表的考核ai方式同样值得关注，这是人工智能程序从实验室走向市场时，人类对自己必要的保护

回忆着自己的论文内容，还有这几天通过“黑科技浏览器”

，顾言实时掌握到的实名与匿名评价，他对过稿的信心可以说是非常充足。