本篇文章2541字，讀完約6分鐘

m?o ch?i keno vietlott【科技在線】

文/東也落

最近，人工智能在學(xué)習(xí)能力方面又有了很大的提高。 斯坦福大學(xué)的一個研究小組發(fā)現(xiàn)，人工智能系統(tǒng)已經(jīng)具備了根據(jù)人類目前正在進行的動作預(yù)測下一步行動的能力，這種能力主要是通過人工智能學(xué)習(xí)故事而形成的。

研究人員將該系統(tǒng)連接到保存有60萬以上故事的寫作社區(qū)wattpad上。 這些故事包括主人公進屋后需要開燈、被夸獎時害羞、開會時不接電話等。 人工智能通過學(xué)習(xí)這些故事來實現(xiàn)預(yù)測人類行為的能力。

人工智能的首要目標(biāo)是使機器能夠承受一般需要人類智能的許多瑣事。 因此，深度學(xué)習(xí)的能力在其中尤為重要。 隨著技術(shù)的飛速發(fā)展和人工智能的進步，其深度學(xué)習(xí)能力也迅速提高。

但是，由于深度學(xué)習(xí)的背后有數(shù)學(xué)模型作為支撐，人工智能的本質(zhì)仍然只是處理問題的算法。 與真正的人腦相比，人工智能仍然相差甚遠(yuǎn)。

一、與圍棋高手比試身手，會提高人工智能的深度學(xué)習(xí)能力

在上述人工智能現(xiàn)場測試中，能夠準(zhǔn)確區(qū)分人和物體的概率高達(dá)91%，能夠準(zhǔn)確預(yù)測人下一步行動的概率為71%，這一成績優(yōu)于以往。

人工智能再次受到關(guān)注的是圍棋名將與人工智能系統(tǒng)的戰(zhàn)斗。 據(jù)外國媒體報道，3月9日，韓國圍棋名將李世石將在首爾接受谷歌人工智能系統(tǒng)alphago的挑戰(zhàn)。

即將開始的圍棋比賽非常重要，人們甚至認(rèn)為它將與1997年國際象棋大師卡斯帕羅夫和ibm超級計算機深藍(lán)的對決比肩。

1997年5月3日至5月11日，當(dāng)時34歲的卡斯帕羅夫與ibm企業(yè)的國際象棋電腦“深藍(lán)”進行了6局游戲?qū)官悺?在前5局以2.5比2.5平局的情況下，第6局僅用19步就讓卡斯帕羅夫輸了。 深藍(lán)取得勝利標(biāo)志著計算機技術(shù)的迅速發(fā)展又上了一個臺階，也成為了科學(xué)技術(shù)史上的里程碑。

這次的人工智能系統(tǒng)alphago與圍棋高手競爭，具有更重要的意義。

圍棋是一款凝聚了中國2500多年歷史的古老智慧的游戲，從數(shù)學(xué)范疇來看，圍棋的多與雜比象棋高n個等級，是世界公認(rèn)的難棋類游戲。

為了讓alpha go能很好地應(yīng)對這么多復(fù)雜的游戲，谷歌開發(fā)團隊的人工智能專家們做了很多努力。

首先，他們向alpha go輸入了包含3000萬步走法的棋譜數(shù)據(jù)。 3000萬這個數(shù)字看起來很多，但和所有圍棋的走法相比都是小事。 因此，必須采取更先進的方法。

專家們沒有像對待深藍(lán)一樣，為alpha go開發(fā)一點固有的程序，而是賦予了alpha go自我編程的能力，成為了數(shù)字自學(xué)者。 之后，電腦開始了自我游戲，也就是深度學(xué)習(xí)，直到掌握了高端圍棋的妙招。

對此，谷歌的研究者demis hassabis表示，在所有以前流傳的人工智能做法可行的位置建立了搜索樹。 對圍棋來說，這種做法行不通。 因此，在想要打破圍棋難題的時候，我們采取了不同的做法。 我們開發(fā)的系統(tǒng)是探索樹和深度神經(jīng)互聯(lián)網(wǎng)相結(jié)合的。 這些神經(jīng)互聯(lián)網(wǎng)以圍棋棋盤的描述為輸入，在包括數(shù)百萬個神經(jīng)元連接在內(nèi)的12個不同的互聯(lián)網(wǎng)層次上得到解決。

由此可見，alpha go將比深藍(lán)更強。 當(dāng)時，紺掌握的程序中，大部分都包括了競爭對手卡斯帕羅夫的對局解體。 光這一點，碾壓任何高段圍棋大師都足夠了。 那么，更先進的alpha go的出現(xiàn)，無疑面臨著人工智能向人類棋手提出的難度更高的挑戰(zhàn)。

二、深度學(xué)習(xí)的背后支撐著數(shù)學(xué)模型，與人腦相去甚遠(yuǎn)

事實上，阿爾法go過去的成績表明了其程度。 阿爾法戈在與其他圍棋人工智能系統(tǒng)的對戰(zhàn)次數(shù)為500次的游戲中贏得了499局。 去年10月，阿爾法go以5比0的成績擊敗了職業(yè)棋手歐洲圍棋樊麿。 這也是人工智能打敗了職業(yè)棋手。

關(guān)于即將到來的谷李大戰(zhàn)，圍棋界的專家也發(fā)表了自己的意見。 臺北紅面棋王、九段圍棋選手周俊勛表示，他堅決認(rèn)為李世石將以5比0完勝阿爾法go，但在看了一點報道后，科技界人士拆除阿爾法go后，他的態(tài)度發(fā)生了慎重的改變。

周俊勛認(rèn)為，從阿爾法go和樊麿對決的5局棋譜來看，特定條件下，特別是官子階段，計算機精度有了明顯提高。 毫不夸張地說，各自局部的定型收斂并不一定比全盛時代的石佛李昌鎬差。 如果這樣進步，中盤的戰(zhàn)斗力也會格外提高。

這個突破具有重大意義。 在過去的幾十年里，圍棋軟件未能突破人類初級水平，更不用說對抗人類高手了。 目前，人工智能圍棋系統(tǒng)突飛猛進的狀況與深度學(xué)習(xí)的能力分不開。

雖然人工智能行業(yè)的迅速發(fā)展如火如荼，但與真正的人腦相比，仍有很大的差距。

深度學(xué)習(xí)是人工智能的重要能力，但深度學(xué)習(xí)的本質(zhì)離不開數(shù)學(xué)模型。 簡言之，人類設(shè)計框架，人工智能系統(tǒng)基于該框架進行一系列動作。

以深藍(lán)與卡斯帕羅夫的對決為例。 卡斯帕羅夫可以計算出在x回合中可能發(fā)生的y個變化，但深藍(lán)可以與y的某些部分進行比較導(dǎo)出，進化為m個變化。

在這個過程中，很明顯m比y大。 那么在同一比賽時間，人類棋手卡斯帕羅夫一定會在m和y的差距變化上出現(xiàn)漏洞。 這是卡斯帕羅夫輸給深藍(lán)的首要原因。

在談到即將到來的谷李大戰(zhàn)時，周俊勛說，與阿爾法go相比，李世石的一大特點是具有只有人類的想象力和創(chuàng)造力。 中期，谷歌出現(xiàn)了一個令人費解的招式，可以對判斷阿爾法go提出新的挑戰(zhàn)。

由此可見，谷歌贏家的100萬美元報酬也只是一點點投資。 方法是通過與世界公認(rèn)的圍棋選手李世石的游戲，為alpha go提供驗證價值判斷體系的樣本。

對人類科學(xué)界來說，這是一個巨大的突破。 但是，對人工智能本身來說，模仿人類進行學(xué)習(xí)和思考并不是很正確的方向。

法國思想家帕斯卡曾說過:“人是有思想的蘆葦?！?人類可以在圍棋中爆發(fā)自己的智慧，從中感受到喜悅，所以圍棋對人類來說有意義。 對人工智能來說，只是執(zhí)行一點數(shù)學(xué)模型的運算，并不能從中感到幸福。 因為，人工智能仍然與人腦相去甚遠(yuǎn)。

與其授魚，不如授魚。 我認(rèn)為對機器來說真正的智能是擁有自己獨特的思考方法。 例如，當(dāng)人工智能看到很多數(shù)據(jù)時，它不是簡單地模仿人類的思考方法，而是可以用自己的方法思考。

要實現(xiàn)這種狀況，人工智能的改善性很重要。 一種人工智能應(yīng)該通過自行重寫核心代碼來適應(yīng)周圍不斷變化的生存環(huán)境。 我的意思是應(yīng)該積極創(chuàng)造人工智能。 當(dāng)然，要實現(xiàn)這些并不容易，人工智能仍然要經(jīng)歷長期的快速發(fā)展。