余靖靜

人工智能研究長期以來的一個目標(biāo)是，在最具挑戰(zhàn)性的領(lǐng)域，在沒有人類輸入的條件下，創(chuàng)造出實現(xiàn)超越人類能力的算法

AlphaGo（以下稱“阿爾法狗”）是首個在圍棋中戰(zhàn)勝人類世界冠軍的系統(tǒng)。該系統(tǒng)開發(fā)團隊DeepMind近日公布，最強版AlphaGo Zero（以下稱“阿爾法元”）能零基礎(chǔ)“自學(xué)成才”，通過幾天的訓(xùn)練，就以100比0的戰(zhàn)績擊敗了“阿爾法狗”。

“阿爾法元”為何能短時間內(nèi)“完爆”“阿爾法狗”？它給人工智能（AI）的發(fā)展帶來什么啟示？人工智能成長不再受限于人類經(jīng)驗，是否要喟嘆“顫抖吧，人類”？

零基礎(chǔ)“自學(xué)成才”意味著什么

對于在如此短的時間超越了“阿爾法狗”，浙江工業(yè)大學(xué)副教授、博導(dǎo)姚信威認(rèn)為，這種“無師自通”的學(xué)習(xí)模式在AI整個發(fā)展上是具有里程碑意義的。

姚信威說，“阿爾法元”的偉大之處是第一次讓機器在不“學(xué)習(xí)”任何棋譜、只設(shè)定規(guī)則的情況下，從“一張白紙”的狀態(tài)開始，迅速成為圍棋大師，“在這個過程中，‘阿爾法元是自己的老師?！?img alt="" src="https://cimg.fx361.com/images/2017/12/07/lwdf201742lwdf20174236-1-l.jpg" style="">

“‘阿爾法元豐富了人工智能成長的方式，在方法論上是有重大意義的進步?！眹仪擞媱澨仄笇＜伊_歡認(rèn)為，“阿爾法狗”學(xué)習(xí)人類經(jīng)驗，需要大量數(shù)據(jù)，學(xué)習(xí)成果是訓(xùn)練數(shù)據(jù)集里隱含的人類專家認(rèn)知的集合；而“阿爾法元”通過機器間的博弈來提高，不需要人類經(jīng)驗，在判別模型給定的目標(biāo)下，可以超越人類經(jīng)驗，發(fā)現(xiàn)人類專家還沒有探索過的博弈路徑。

“人工智能研究長期以來的一個目標(biāo)是，在最具挑戰(zhàn)性的領(lǐng)域，在沒有人類輸入的條件下，創(chuàng)造出實現(xiàn)超越人類能力的算法。‘阿爾法元的成功，是朝這個目標(biāo)邁進的一大步?！币π磐f，“阿爾法元”證明了，即使在最具挑戰(zhàn)的領(lǐng)域，純強化學(xué)習(xí)的方法是完全可行的——即不需要人類的樣例或指導(dǎo)，不提供基本規(guī)則以外的任何領(lǐng)域知識，能夠?qū)崿F(xiàn)超越人類的水平。

技術(shù)驚艷，何時成為主流

姚信威分析說，“阿爾法元”得到這樣的結(jié)果，是利用了一種新的強化學(xué)習(xí)方式。該系統(tǒng)從一個對圍棋游戲完全沒有任何知識的神經(jīng)網(wǎng)絡(luò)開始，通過與一種強大的搜索算法的結(jié)合，它就可以自己和自己下棋了。在這個自我對弈的過程中，神經(jīng)網(wǎng)絡(luò)不斷被調(diào)整、更新，以預(yù)測下一個落子位置以及對局的最終贏家。

他解釋說，每一次迭代，更新后的神經(jīng)網(wǎng)絡(luò)都會將與搜索算法重新組合，進而創(chuàng)建一個新的、更強大的“阿爾法元”版本，使得神經(jīng)網(wǎng)絡(luò)的預(yù)測越來越準(zhǔn)確，得到更加強大的“阿爾法元”版本。

“無師自通”雖然在技術(shù)上令人驚艷，姚信威認(rèn)為，其在短期還是無法成為主流。“目前人工智能解決的很多事情，實際上都是在模擬人類的某一種技能，讓機器應(yīng)用這一技能去完成任務(wù)，而這需要海量的數(shù)據(jù)與更多的信號輸入。所以，在今后很長一段時間內(nèi)，監(jiān)督學(xué)習(xí)依然是AI研究與AI商業(yè)化的主流方向。”

“‘阿爾法元是對增強學(xué)習(xí)理論的一個很好的驗證，非常鼓舞人心?！绷_歡認(rèn)為，將來我們會陸續(xù)看到大量的研究成果和實際應(yīng)用出現(xiàn)，“當(dāng)然，從理論初步驗證到實用肯定還有一個工程化的過程?！?/p>

姚信威也認(rèn)為，對弈之外，“阿爾法元”的技術(shù)可能在其他領(lǐng)域應(yīng)用，比如新材料開發(fā)、新藥的化學(xué)結(jié)構(gòu)探索等，“但這需要時間驗證”。

他認(rèn)為，“阿爾法元”的自主學(xué)習(xí)帶來的技術(shù)革新，并非適用于所有人工智能領(lǐng)域——圍棋是一種對弈游戲，信息透明，有明確結(jié)構(gòu)；而語音識別、圖像識別、自然語音理解、無人駕駛等領(lǐng)域，數(shù)據(jù)無法窮舉，也很難完全無中生有；“阿爾法元”的技術(shù)可以降低數(shù)據(jù)需求，但依然需要大量的數(shù)據(jù)。

機器如此，人類如何自處

面對如此強大的“阿爾法元”，部分人士難免覺得“被碾壓”“有些可怕”。專家們則認(rèn)為，其實不必驚慌。

“嚴(yán)格講，圍棋規(guī)則和判定棋局輸贏也是一種監(jiān)督信號。因此，說人類無用，或者說機器可以自己產(chǎn)生認(rèn)知，都沒有準(zhǔn)確地理解‘阿爾法元?！币π磐f。

“‘阿爾法元畢竟是個模型，它不是智慧生物。人類棋手依然可以利用智慧，以更奇特的招數(shù)來取勝?！鄙虾：Ｊ麓髮W(xué)信息工程學(xué)院教師朱昌明說。

“人的歸人，機器的歸機器?！绷_歡說，圍棋人是下不過機器了，而譬如五子棋、象棋等，人早就下不過機器了，但還是有非常多的愛好者。

“圍棋有確定的目標(biāo)，確定的規(guī)則，確定的評價方法，這個問題就變成了一個搜索問題，而難點就在于對巨大的搜索空間的剪枝，以及得分的預(yù)測。這樣的問題往往是機器最擅長的?！睆?fù)旦大學(xué)博士生四年級陳新馳說，人類不擅長這些，但從語義理解的角度，機器什么都做不了。

“所以即使‘阿爾法元（下圍棋）可以戰(zhàn)勝人類，也不能說明什么問題，因為它根本不知道自己在下棋。”陳新馳說，從實現(xiàn)人工智能的角度，仍有很長的路要走。

“增強學(xué)習(xí)理論的能力邊界離自主意識還很遠?！柗ㄔ饕门袆e模型取代了數(shù)據(jù)標(biāo)注，其對應(yīng)的是一個簡單規(guī)則的封閉系統(tǒng)；而對目標(biāo)不能用數(shù)學(xué)模型描述的領(lǐng)域，它還無能為力。”羅歡說。

“一個孩子在1歲時，碰幾次樹就知道以后要避開樹行走，而人工智能創(chuàng)造的無人駕駛車卻需要碰撞幾萬次才能學(xué)會避開障礙物。這是人類先天的優(yōu)勢?！敝觳髡f。