1、人机大战后，人工智能会走多远在一场令世人瞩目的人机围棋大战后，AlphaGo 以胜利者的姿态告诉人们，人工智能真的来了，它不再只是电影中的场景，而是现实世界里正在上演的又一轮产业变革。与此同时，有专家担忧人工智能将超越人类智能的潜力和控制，迅速改变人类文明。 前不久，一场围棋大战吸引了全世界的目光。这场大战在韩国首尔上演，共 5 轮。大战之所以举世瞩目，是因为对战的双方是韩国九段棋手李世石与围棋人工智能程序 AlphaGo。令人惊叹的是，整个比赛过程中，AlphaGo 的表现都堪称完美，最终以 4：1 击败李世石。 这个战胜人类世界围棋冠军的 AlphaGo 程序到底是何方神圣？它为什么如此厉
2、害？人工智能对人类来说到底意味着什么？ 从“深蓝”到AlphaGo 人工智能是计算机科学的一个分支，它企图了解人类智能的实质，并生产出一种新的、能以与人类智能相似的方式做出反应的智能机器。人工智能是对人的意识、思维的信息过程的模拟，使得机器能像人那样思考，甚至超过人的智能。自 1956 年这个概念被提出并确立以来，该领域就被视为人类最高的梦想之一。 1997 年，IBM 的超级计算机“深蓝”以 2 胜 1 负 3 平的成绩战胜了当时世界排名第一的国际象棋大师加里?卡斯帕罗夫，一时间全球轰动，而“深蓝”的设计者们当时就畅想：何时计算机也能下围棋呢？ 而现在无疑又是一个人工智能历史上最重要的时刻。
3、围棋和国际象棋在复杂程度上不属于一个量级，围棋是一种变数极多、充满不确定的竞技，每一步棋的可能性都是一个几乎无法穷尽的量级，一回合有 250种可能，而一盘棋可以多达 150 回合。 此外，下围棋的过程中还会出现“吃子”情况，加剧了其复杂性。曾任职谷歌公司的李开复说，当年“深蓝”与卡斯帕罗夫的对局，实际上使用的是人工调整的评估函数，并用特殊设计的硬件和“暴力”的搜索征服了国际象棋级别的复杂度，围棋则不行。 “因为它的搜索太广，每一步的选择有几百而非几十；也太深，一盘棋有几百步而非几十步。 ”李开复在知乎上如此回答。 此外，围棋问题与现实生活中的问题相通，国人甚至将下围棋视为洞悉人性、参悟人生的过
4、程。然而，现在下围棋的却是一个机器，意味着这个机器除了拥有超强的记忆能力、逻辑思维能力，还要拥有创造力甚至个性。 “感觉就像一个有血有肉的人在下棋一样，该弃的地方会弃，该退出的地方退出，非常均衡的一个棋风，真是看不出出自程序之手。 ”围棋排名世界第一的柯洁说，AlphaGo 有好几次落子极其“非常规” ，许多专业棋手都表示看不懂。而“棋圣”聂卫平甚至表示自己想要对 AlphaGo的“惊人一手”脱帽致敬，因为它“用不可思议的下法辟立了围棋常识之外的新天地” 。也就是说，这不是 AlphaGo 从既往棋局中复制过来的，而是自己创造的战术打法。 人工智能进入实用阶段 实际上，AlphaGo 是通过蒙
5、特卡洛树搜索算法和两个深度神经网络合作来完成下棋。在与李世石对阵之前，谷歌首先用人类对弈的近 3000 万种走法来训练 AlphaGo 的神经网络，让它学会预测人类专业棋手怎么落子。然后更进一步，让 AlphaGo 自己跟自己下棋，从而又产生规模庞大的全新棋谱。谷歌工程师曾宣称 AlphaGo 每天可以尝试百万量级的走法。“它们的任务在于合作挑选出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围内。在本质上，这和人类棋手所做的一样。 ”中科院自动化研究所博士研究生刘加奇说。 “传统的棋类软件一般采用暴力搜索，包括深蓝计算机，它是对所有可能结果建立搜索树，根据需要进行
6、遍历搜索。这种方法在国际象棋、跳棋等方面还具有一定可实现性，但对于围棋就无法实现。 ”中科院自动化研究所研究员易建强说， “ AlphaGo 利用深度学习的方法降低了搜索树的复杂性，搜索空间得到有效降低。比如，策略网络负责指挥计算机搜索出更像人类高手该落子的位置，而估值网络负责指挥计算机搜索出后续更有可能获胜的一个落子位置。 ” 刘加奇进一步解释，深度神经网络最基础的一个单元就类似人类大脑的神经元，很多层连接起来就好比是人类大脑的神经网络。AlphaGo 的两个神经网络“大脑”分别是策略网络和估值网络。 “策略网络主要用来生成落子策略。在下棋的过程中，它不是考虑自己应该怎么下，而是想人类的高手
7、会怎么下。也就是说，它会根据输入棋盘当前的一个状态，预测人类下一步棋会下在哪里，提出最符合人类思维的几种可行的下法。 ” 然而，策略网络并不知道自己要下出的这步棋到底下得好还是不好，它只知道这步棋是否跟人类下的一样，这时就需要估值网络来发挥作用。刘加奇说：“估值网络会为各个可行的下法评估整个盘面的情况，然后给出一个胜率。这些值会反馈到蒙特卡洛树搜索算法中，通过反复如上过程推演出胜率最高的走法。蒙特卡洛树搜索算法决定了策略网络仅会在胜率较高的地方继续推演，这样就可以抛弃某些路线，不用一条道算到黑。 ” AlphaGo 利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会判断当前局面以
8、及推断未来的局面一样。在利用蒙特卡洛树搜索算法分析了比如未来 20 步的情况下，就能判断在哪里下子赢的概率会高。 “奇点”正在临近？ 人工智能越来越近。显然，它并不会只用来下棋，实际上它正掀起一轮轮产业变革、经济变革甚至社会变革。 “人工智能将有助于人类解决疾病、医疗、气候、能源、数据、游戏等多个领域的问题，我们将与各领域最顶级的研究人员合作，促进人工智能与创业、产业领域的有机结合。 ” AlphaGo 开发者德米什?哈萨比斯表示。 哈萨比斯当然不想把人工智能局限于棋盘上，他将目光投向了更为广阔的世界，力争开发出可以用于多个领域的通用型学习机器，制造出可以像人类一样从白纸状态通过自主学习找到问
9、题解决方案的人工智能。他将这一目标比喻为实现人类登月梦想的“阿波罗计划” 。哈萨比斯还说，未来将开发在任何地方都能使用的通用人工智能。也就是说，从硬件到软件、从个别商品到系统的统合，这种趋势将会改变产业和人们的日常生活。 同哈萨比斯一样，全球顶级企业也将“赌注”压在了人工智能之上。全球科技商业预言家、畅销书失控作者凯文?凯利认为，未来 20 年，全球最重要的技术就是人工智能。英国帝国理工学院的人工智能学者马克?戴森罗克说：“如果人工智能以这种速度发展下去，我们或许在未来 10 年到 20 年里就能看到电影钢铁侠中那个人工智能助手贾维斯。 ” 韩国中央日报的报道称，人工智能的威力正在进入实用阶段
10、，因为像谷歌、IBM、微软、苹果、Facebook 这种世界级的信息通信技术企业，把与大数据相结合的人工智能技术陆续在医疗、金融、体育、社交网络领域实现实用化。人工智能技术与制造业的接轨也在变快。有人预测，如果人工智能与无人驾驶汽车接轨，那么将没有交通事故，保险公司也将无需存在。如果让人工智能与无人机接轨，毫无疑问这将使得商业化如虎添翼，也将给武器系统带来影响。 此外，2015 年，专注于初创企业的市场调查公司“风险扫描”追踪分析了全球 855 家人工智能初创企业，发现这些企业横跨 13 个门类，总估值超过 87 亿美元，其中计算机深度学习和视觉图像识别两个方向最受投资者青睐。 在科幻电影超验
11、骇客中，约翰尼?德普饰演的科学家因为研发人工智能而被恐怖组织暗杀，临死之前仓促地将自我意识上传至电脑。最后，这名科学家成为一个能够不断进化的结合生物智慧和人工智能的“超级计算机” 。 AlphaGo 战胜李世石之后，人工智能通过自我进化增加智慧已变为现实。搜狗 CEO 王小川认为，人工智能能做到随着时间推移变得越来越聪明，正如金庸小说中老顽童让自己的左手和右手“互搏” ，从而练就绝世武功。 “在下棋这个领域，AlphaGo 这样一台在算法上没有天花板的机器，将有机会登峰造极。 ”王小川评价说。 并非所有人都对人工智能抱以乐观的态度。早在 1993 年，美国科幻作家弗诺?文奇在即将到来的技术奇点
12、一文中写道：“在未来 30 年间，我们将有技术手段来创造超人的智慧。不久后，人类的时代将结束。”在他的描述中，所谓“技术奇点”是指在未来的某个时期，当机器达到“强人工智能”时，智商将超过人类，从而对人类社会造成巨大冲击。而自称美国未来学家的库兹韦尔则在他 2005 年出版的奇点临近一书中，把“技术奇点”进一步转述为“奇点理论” 。他描述道：“2045年将出现奇点时刻，人类文明走到终点，生物人将不复存在，取而代之的是一个叫做奇点人的新物种。 ” 霍金也对人工智能表示极度担忧：“人工智能开发成功将会是人类历史上最大的事件。但不幸的是，这可能也会是最后一个大事件。 ”去年，霍金还与特斯拉创始人伊隆?
13、马斯克、苹果计算机共同创办人史蒂夫?沃兹尼克等数百名顶尖精英发表联署公开信，表示人工智能对人类生存的威胁更甚于核武器。 霍金认为，特别是高科技军事装备的普及，如美军在战场上大量使用无人机远程杀敌，或多或少印证了这种忧虑。 不过，人工智能研究者则认为，这多半属于杞人忧天。中科院计算所副研究员陈天石表示，AlphaGo 虽然展示了非凡的才能，但人工智能不大可能像人们想象的那样进步神速。早在上世纪八十年代，人工神经网络的算法基础就已经基本构建好，但那时处理器的运算能力上不去，使人工神经网络的威力不能完全发挥。AlphaGo 的成功展示了处理器芯片运算能力的进步。 “随着芯片摩尔定律的终结，处理器芯片的运算能力不再高速增长，人工智能也很可能会进入一个瓶颈。 ”陈天石说， “我们距离真正的强人工智能还差得很远，也许五十年，也许一百年或者更久。 ”（本刊综合）
