新華社發 徐駿作
1997年5月11日，國際象棋冠軍卡斯帕羅夫(左)和超級電腦“深藍”在對弈中。卡斯帕羅夫在當年的“人機大戰”中以一勝二負三和的戰績敗北。新華社記者 毛眾役攝
今年3月10日，“阿爾法圍棋”的執子人黃士杰(前左)在比賽中落子。當日，人工智能“阿爾法圍棋”戰勝韓國棋手李世石九段，總比分以2比0領先。新華社發
3月12日，韓國圍棋世界冠軍李世石與谷歌人工智能程序AlphaGo的第三場對弈就將開始，此前李世石已接連兩場敗北。有人將李世石稱作“最后的武士”，認為他將悲壯地成為人類與機器人對弈的“末代帝王”。因為人工智能程序AlphaGo在圍棋這個被譽為“人類智慧的堅固堡壘”的領域接連取得勝利，似乎更印證了人工智能已經發展到可以輕易超越人類水平的階段。它們會是天使還是魔鬼？人工智能的發展現狀如何？
大樣本計算支撐AlphaGo取勝
據AlphaGo的研發者介紹，它之所以能在圍棋這種擁有“3的361次方”種局面的超高難度棋類比賽中獲勝，在于它突破了傳統的程序，搭建了兩套模仿人類思維方式的深度神經網絡，第一種叫“策略網絡”，它讓計算機程序學習人類棋手的下法，挑選出比較有勝率的棋譜，拋棄明顯的差棋，使總運算量維持在可以控制的范圍內；另一種叫價值網絡，主要用于減少搜索的深度，它不會一下子搜索一盤棋所有的步數，而是一邊下一邊進行未來十幾步的計算，這樣也就大量減少計算量。
其實，神經網絡并非AlphaGo獨有。據IBM中國研究院大數據及認知計算研究總監蘇中介紹，這種計算模型最早出現于1943年，但由于當時的計算機運行速度難以滿足其巨大的計算量而遭受“詬病”，因此沉寂了很長時間。近年來，計算機技術迅速發展，運行速度大幅提高，這一計算模型才重新煥發出了生機。即便如此，與李世石對弈，AlphaGo仍需將CPU增加至1200多個才能滿足其龐大的計算量。
據研發出AlphaGo的研究人員之一——大衛·希爾韋介紹，這款程序還會自己與自己下棋，普通人一年也許能下一千盤，但AlphaGo每天能下三百萬盤棋，通過大量的鍛煉，它拋棄可能失敗的方案，精中選精，這就是所謂的“深度學習”能力，即通過大樣本量棋局對弈，不斷從中挑選最優的對弈方案并保存下來。
與人腦學習差距仍很大
“大數據對人工智能的發展是一種‘取巧’，為深度學習提供了眾多數據。”在2015中國人工智能大會上，中國科學院院士譚鐵牛曾就深度學習做過解讀。他說，這就像人類見多識廣后會積累一些經驗一樣，機器學習也需要豐富多彩的內容。只是這個內容的數據量之龐大，與人腦學習所需不是一個數量級。因此，人工智能的學習與人腦的學習有非常大的不同。“給一個孩子看看卡片上的蘋果，他就能認識蘋果，但機器要認出一個蘋果，可能需要把互聯網上所有蘋果的照片都認一遍，標識出蘋果的所有特征，才有可能成功識別蘋果。”蘇中說。
與此同時，人腦與人工智能的很大區別還在于，人腦是一腦萬用的，同一個大腦既可以識別圖像，也可以聽音樂，還可以識別語音；可以擦地，也可以拖地和擦桌子。但目前的人工智能顯然不具備這樣的能力，功能相對單一。譚鐵牛認為，人類的智慧是比智能更高的層次，現有的人工智能系統，仍然局限在有智能沒智慧，沒有悟性的階段，并且是有智商沒有情商，不能察覺人類的情感的階段。
成為人類強大的“秘書”
盡管大衛·希爾韋稱，“開發AlphaGo的目的不是為了模仿人類，而是為了戰勝人類。”但他也強調，相較于對弈本身，更希望大家把關注點放在AlphaGo可以給人類生活帶來的變化上。與當年擊敗世界國際象棋冠軍的深藍不同，AlphaGo可以學習醫療數據，掌握治療方法，并可以利用它制造出可以完成各種雜事的家用機器人。據他介紹，AlphaGo已經開始與英國國立衛生局合作提供“定制型醫療服務”，還可以擴展到其他產業領域，帶來積極正面的變化。
蘇中也認為，人工智能會是一個非常強大的“秘書”，例如，它可以在暴風雨來臨前，自動識別哪些地方可能被淹，電力可能被中斷，從而幫助分析整理數據，制定備選應急預案，或是在未來的醫院應用這樣的智能系統進行會診。
對于人工智能會威脅到人類生存的擔憂，百度首席科學家吳恩達表示，這種擔憂有些類似現在擔心火星人口過多，而這種情況可能是幾百年后有人在火星時才會發生的事情。但專家們也表示，盡管在未來一段時間人工智能還難以超越人類，但確實應該將人工智能社會學提上議事日程，以便盡早規避未來潛在的風險，使人工智能更好地為人類服務。
【推薦】
分享到：
手機版|
