陳卓
舉世矚目的“人機大戰(zhàn)”即將落下帷幕,谷歌人工智能AlphaGo(阿爾法圍棋)對戰(zhàn)韓國頂尖棋手李世石,雖然這場對決,以機器取勝而告終,但人類真的輸了嗎?“人機大戰(zhàn)”背后,我們更應該關注什么?
人工智能,并非首次在棋盤上戰(zhàn)勝人類。超級計算機“深藍”,曾于1997年戰(zhàn)勝國際象棋大師加里·卡斯帕羅夫。此次圍棋“人機大戰(zhàn)”的裁判長、歐洲圍棋冠軍樊麾也曾在之前,以0:5敗給AlphaGo (阿爾法圍棋)。
而細數(shù)“人機大戰(zhàn)”,沃森也是赫赫有名的一員。2012年,在美國智力競賽節(jié)目“危險邊緣”的人機對戰(zhàn)中,IBM超級計算機系統(tǒng)沃森戰(zhàn)勝了人類冠軍。
沃森是20多名IBM研究人員4年心血的結晶,正是他們突破性地給予了沃森理解自然語言和精確回答問題的能力,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,但對于人工智能研究者來說,圍棋一直有著其特殊的吸引力,圍棋看似是種比較簡單的棋類,下法規(guī)則很簡單,但要下好卻是非常難的。圍棋中蘊藏著最復雜的算法,但人工智能遠不能與最好的人類棋手相比。
直到去年,DeepMind公司開發(fā)的自我學習程序“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首爾,與世界圍棋冠軍李世石做五番對決。
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戰(zhàn)中,連續(xù)三場都是以人類的棄子認輸告終。而在13日舉行的第四場對決中,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”與韓國棋手李世石結束了五場對弈中的最后一場,以4:1大勝人類。賽后“AlphaGo”獲得韓國棋院頒發(fā)的名譽九段證書。從去年10月至今,“Alpha Go”以9勝1負的戰(zhàn)績,積3586分,排名世界第二,僅次于中國選手柯潔九段。
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了人類的智能。同樣的技術未必能夠解決人工智能的其他問題,因為“阿爾法圍棋”有著大量的訓練樣本。但人的智能恰恰表現(xiàn)在,只需很少量的樣本,就能知道未來應該怎樣做。
可以設想,下一代棋手可能會毫不猶豫地把“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,也會用機器學習工具來幫助自己。
真正的考驗不是機器能否戰(zhàn)勝人類,而是人類和機器能否一起攻克那些全球性難題。
過去數(shù)十年來,人工智能的話題一直在不斷地吸引著公眾眼球,看似是一個遙不可及的存在,而經過此番人機世紀對決后的冷靜分析,可發(fā)現(xiàn)實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,這個程序利用“價值網絡”去計算局面,用“策略網絡”去選擇下子。主要的工作原理是“深度學習(Deep Learning)”。
根據(jù)網絡上的定義,“深度學習”是指多層的人工神經網絡和訓練它的方法。一層神經網絡會把大量矩陣數(shù)字作為輸入,通過非線性激活方法取權重,再產生另一個數(shù)據(jù)集合作為輸出。這就像生物神經大腦的工作機理一樣,通過合適的矩陣數(shù)量,多層組織鏈接一起,形成神經網絡“大腦”進行精準復雜的處理,就像人們識別物體標注圖片一樣。不同于“機器學習(Machine Learning)”的是,“深度學習”受人類的干擾相對少些。
科技部部長萬鋼近日回應“人機大戰(zhàn)”時表示,圍棋中存在隨機性、未知性和情緒的好壞,更貼近人的生活。
無論科技發(fā)展到什么程度,人和人的交流仍然是人類活動的重要組成部分。“從下棋的角度,我還是喜歡人人對弈。”
其實,真正的挑戰(zhàn)不是“人類對機器”之戰(zhàn),而是人類加上所有我們能搜集到的工具,對我們周圍那些難以解決的復雜問題的挑戰(zhàn)。無論氣候變化、醫(yī)療衛(wèi)生還是教育,這些問題均影響到我們每個人,已有成千上萬優(yōu)秀人才,針對這些最重要的問題在努力,推動它們的解決和相關領域的不斷進步。
就拿人工智能技術來說,它為我們提供了強大的工具,有助于專家更快做出突破,提高我們應對那些亟待解決的全球性難題的能力。我們需要機器學習來幫助處理復雜問題、預測未知,支持我們實現(xiàn)以往不可能實現(xiàn)的目標。
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,以解決社會最嚴峻的全球性難題。我們要抵制那種問題太難的想法,這樣才能有更高的目標。