陳卓

舉世矚目的“人機(jī)大戰(zhàn)”即將落下帷幕，谷歌人工智能AlphaGo（阿爾法圍棋）對(duì)戰(zhàn)韓國(guó)頂尖棋手李世石，雖然這場(chǎng)對(duì)決，以機(jī)器取勝而告終，但人類真的輸了嗎？“人機(jī)大戰(zhàn)”背后，我們更應(yīng)該關(guān)注什么？

人工智能，并非首次在棋盤上戰(zhàn)勝人類。超級(jí)計(jì)算機(jī)“深藍(lán)”，曾于1997年戰(zhàn)勝國(guó)際象棋大師加里·卡斯帕羅夫。此次圍棋“人機(jī)大戰(zhàn)”的裁判長(zhǎng)、歐洲圍棋冠軍樊麾也曾在之前，以0：5敗給AlphaGo （阿爾法圍棋）。

而細(xì)數(shù)“人機(jī)大戰(zhàn)”，沃森也是赫赫有名的一員。2012年，在美國(guó)智力競(jìng)賽節(jié)目“危險(xiǎn)邊緣”的人機(jī)對(duì)戰(zhàn)中，IBM超級(jí)計(jì)算機(jī)系統(tǒng)沃森戰(zhàn)勝了人類冠軍。

沃森是20多名IBM研究人員4年心血的結(jié)晶，正是他們突破性地給予了沃森理解自然語(yǔ)言和精確回答問(wèn)題的能力，才將人工智能推向了新的階段。

雖然沃森取得了比賽的勝利，但對(duì)于人工智能研究者來(lái)說(shuō)，圍棋一直有著其特殊的吸引力，圍棋看似是種比較簡(jiǎn)單的棋類，下法規(guī)則很簡(jiǎn)單，但要下好卻是非常難的。圍棋中蘊(yùn)藏著最復(fù)雜的算法，但人工智能遠(yuǎn)不能與最好的人類棋手相比。

直到去年，DeepMind公司開發(fā)的自我學(xué)習(xí)程序“阿爾法圍棋”以5：0戰(zhàn)勝歐洲圍棋冠軍樊麾，他們才決定此次要在韓國(guó)首爾，與世界圍棋冠軍李世石做五番對(duì)決。

在谷歌人工智能“AlphaGo”（阿爾法圍棋）與世界圍棋冠軍李世石的對(duì)戰(zhàn)中，連續(xù)三場(chǎng)都是以人類的棄子認(rèn)輸告終。而在13日舉行的第四場(chǎng)對(duì)決中，李世石發(fā)力追擊，最終執(zhí)白180手中盤取勝，為人類扳回一局。

而最終，人工智能“AlphaGo”與韓國(guó)棋手李世石結(jié)束了五場(chǎng)對(duì)弈中的最后一場(chǎng)，以4：1大勝人類。賽后“AlphaGo”獲得韓國(guó)棋院頒發(fā)的名譽(yù)九段證書。從去年10月至今，“Alpha Go”以9勝1負(fù)的戰(zhàn)績(jī)，積3586分，排名世界第二，僅次于中國(guó)選手柯潔九段。

雖然“阿爾法圍棋”戰(zhàn)勝了李世石，但這并不代表人工智能超過(guò)了人類的智能。同樣的技術(shù)未必能夠解決人工智能的其他問(wèn)題，因?yàn)椤鞍柗▏濉庇兄罅康挠?xùn)練樣本。但人的智能恰恰表現(xiàn)在，只需很少量的樣本，就能知道未來(lái)應(yīng)該怎樣做。

可以設(shè)想，下一代棋手可能會(huì)毫不猶豫地把“阿爾法圍棋”拉到自己一方。世界上最好的氣候變化研究員、醫(yī)生或教育工作者，也會(huì)用機(jī)器學(xué)習(xí)工具來(lái)幫助自己。

真正的考驗(yàn)不是機(jī)器能否戰(zhàn)勝人類，而是人類和機(jī)器能否一起攻克那些全球性難題。

過(guò)去數(shù)十年來(lái)，人工智能的話題一直在不斷地吸引著公眾眼球，看似是一個(gè)遙不可及的存在，而經(jīng)過(guò)此番人機(jī)世紀(jì)對(duì)決后的冷靜分析，可發(fā)現(xiàn)實(shí)際上人工智能已是觸手可及。

由谷歌開發(fā)的阿爾法圍棋，是一款圍棋人工智能程序，這個(gè)程序利用“價(jià)值網(wǎng)絡(luò)”去計(jì)算局面，用“策略網(wǎng)絡(luò)”去選擇下子。主要的工作原理是“深度學(xué)習(xí)（Deep Learning）”。

根據(jù)網(wǎng)絡(luò)上的定義，“深度學(xué)習(xí)”是指多層的人工神經(jīng)網(wǎng)絡(luò)和訓(xùn)練它的方法。一層神經(jīng)網(wǎng)絡(luò)會(huì)把大量矩陣數(shù)字作為輸入，通過(guò)非線性激活方法取權(quán)重，再產(chǎn)生另一個(gè)數(shù)據(jù)集合作為輸出。這就像生物神經(jīng)大腦的工作機(jī)理一樣，通過(guò)合適的矩陣數(shù)量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡(luò)“大腦”進(jìn)行精準(zhǔn)復(fù)雜的處理，就像人們識(shí)別物體標(biāo)注圖片一樣。不同于“機(jī)器學(xué)習(xí)（Machine Learning）”的是，“深度學(xué)習(xí)”受人類的干擾相對(duì)少些。

科技部部長(zhǎng)萬(wàn)鋼近日回應(yīng)“人機(jī)大戰(zhàn)”時(shí)表示，圍棋中存在隨機(jī)性、未知性和情緒的好壞，更貼近人的生活。

無(wú)論科技發(fā)展到什么程度，人和人的交流仍然是人類活動(dòng)的重要組成部分?！皬南缕宓慕嵌?，我還是喜歡人人對(duì)弈?！?/p>

其實(shí)，真正的挑戰(zhàn)不是“人類對(duì)機(jī)器”之戰(zhàn)，而是人類加上所有我們能搜集到的工具，對(duì)我們周圍那些難以解決的復(fù)雜問(wèn)題的挑戰(zhàn)。無(wú)論氣候變化、醫(yī)療衛(wèi)生還是教育，這些問(wèn)題均影響到我們每個(gè)人，已有成千上萬(wàn)優(yōu)秀人才，針對(duì)這些最重要的問(wèn)題在努力，推動(dòng)它們的解決和相關(guān)領(lǐng)域的不斷進(jìn)步。

就拿人工智能技術(shù)來(lái)說(shuō)，它為我們提供了強(qiáng)大的工具，有助于專家更快做出突破，提高我們應(yīng)對(duì)那些亟待解決的全球性難題的能力。我們需要機(jī)器學(xué)習(xí)來(lái)幫助處理復(fù)雜問(wèn)題、預(yù)測(cè)未知，支持我們實(shí)現(xiàn)以往不可能實(shí)現(xiàn)的目標(biāo)。

隨著我們的工具變得更智能，用途更加多樣化，我們就可以義不容辭地思考更雄心勃勃和富于創(chuàng)新性的方法，以解決社會(huì)最嚴(yán)峻的全球性難題。我們要抵制那種問(wèn)題太難的想法，這樣才能有更高的目標(biāo)。