人工智能 进入“深度学习”阶段

本篇文章1639字，读完约4分钟

谷歌的超级人工智能系统alphago在与顶级围棋大师李世石的较量中胜出，这是人工智能发展史上的一个重要里程碑，表明人工智能开始在复杂的游戏中挑战人类最高水平的玩家。“深度学习”将为人工智能打开一扇新的大门。

围棋是一种古老的游戏。下棋的规则很简单，但在千变万化的世界里有无穷无尽的秘密。以最基本的“公式”为例，公式的选择只有在合适的场合下才能发挥作用，而不是机械记忆。有必要了解其内涵，掌握各种变化下的反应。否则，它可能是有害的，而不是有益的。

围棋的特殊性不在于变量的大小变化，而在于选择的“不确定性”。与其他游戏不同的是，在围棋游戏中，最好的选择很难用数学语言定量准确地表达出来，顶级玩家对“下一手牌”意见不一基本正常。这不是由玩家之间的能力差异造成的。事实上，选择不同的“下一手牌”并不是好事或坏事，而是形成不同的路线，而结果取决于玩家随后的综合技能。因此，对于大师来说，计算能力非常重要，但游戏更注重棋感。所谓现实与潜在应该是平衡的，“高者求潜，低者求现实。”

电脑游戏更新非常快，其中一个重要原因是玩这些游戏的“解决方案”通常是确定的。一场比赛打好之后，后续的过程通常是意料之中的，它的魅力当然会很快消失。

由于围棋游戏缺乏“定量”解决方案，通过搜索和比较棋谱与海量数据很难找到最佳“下一手”，而机器取胜的唯一途径就是掌握“学习”能力。因此，阿尔法戈通过神经网络引入了“直觉”。直觉让棋手成为大师，但这不是传统数字世界的规则。阿尔法戈连续击败李世石表明，通过学习，人工智能在潜在和现实的虚拟领域达到了令人震惊的高度。

人工智能可以分为人形人工智能和非人形人工智能。仿人人工智能的思维和推理就像人类的思维一样，可以通过实践和学习获得知识和能力；非人形人工智能主要通过感知和感知等专业技能来完成特定任务。解决问题的重要方法是将所有的可能性构建到一个搜索树中，并通过比较和决策找到最佳解决方案。对于这种人工智能，它背后的数据库越强大，它的“水”就越深，但它的能力基本上在预期范围内。

Google alphago结合了高级搜索树和深层神经网络，其背后的数据库只是理论上的学习材料，而不是简单的争夺记忆和计算，它通过实践和学习获得知识和能力。正如阿尔法戈开发者大卫所说:“阿尔法戈是我们创造的，但我不知道‘他’是怎么想的。”九段棋的棋手古力哀叹阿尔法围棋队没有围棋大师，但却创造了一个如此高水平的象棋系统。“深度学习”能力的重大突破意味着人工智能将继续进化并向更高水平发展。这就是“深学”的魅力所在。

职业围棋手的反应值得关注。在这次“人机大赛”之前，大多数职业棋手都对李世石持乐观态度，目前中国排名第一的柯杰甚至预测李世石会以5:0获胜。棋圣聂卫平认为，用电脑打败职业棋手是“傻瓜”，欧洲冠军范辉被阿尔法戈打败是可耻的。在李世石两次失败后，仍有九名玩家质疑这个游戏很棘手，不愿意接受这个事实。这群人对围棋有更深的理解，但他们没有意识到人工智能的高度。

人工智能已经广泛应用于经济决策、控制系统和仿真系统中，但它主要集中在非人类人工智能领域。阿尔法戈选择go只是为了测试它的能力。未来，谷歌希望为灾害预测、风险控制、医疗卫生和机器人技术以及其他复杂领域建立一个通用智能系统。

目前，alphago仍需改进，还不知道它能否跨越go领域。从盘面来看，它的局部战斗性能是优秀的，但它的动作太过强硬，在布局阶段仍然存在一些缺陷，其中“棋感”是最重要的。上半场比赛中，李世石在前两场比赛中有很多机会。欧洲冠军范辉开始使用复杂的雪崩公式，并一度利用了这一点。

此外，alphago可能会帮助我们重新理解go。阿尔法戈的许多“非人动作”曾经被专业人士嘲笑，但后来他们发现他们取得了良好的效果。事实上，人们对围棋的理解一直在改变。当李世石崭露头角时，他的韩式硬拼风格并未得到认可，许多“不讲道理的手”甚至“邪恶的手”在那些关注“棋论”的人眼中都是不可接受的。但是这种风格现在已经成为主流。