周志华长江学者 （南京大学计算机系教授） 谷歌“阿尔法狗”（AlphaGo）围棋程序与韩国李世石九段的百万美元“人机大战”近几天吸引了很多眼球。李九段连败两局，眼看着要向0：5进发，社会舆论为之哗然。“人工智能威胁论”、“AI即将统治世界”等说法迅速在街头巷尾被热议。 那么，“阿尔法狗”获胜意味着什么？人工智能的威胁到底有多大？ 首先我们来看看阿尔法狗是什么。它是谷歌公司耗巨资打造的一个围棋程序，这个程序基于强大的“机器学习”技术，通过对大量棋谱数据的分析，能达到与李世石这样的人类顶尖棋手抗衡的实力。这里的技术关键是“机器学习”——这是目前人工智能最前沿的技术，能在数据样本中寻找规律，从而构建出具有“举一反三”泛化能力的模型。 事实上，在围棋人机大战之前，机器学习技术早已在很多应用中使用。人工智能研究者早已知道，对许多具体的任务，只要收集到足够多的高质量数据样本，就可以利用机器学习技术构建出达到或接近人类顶级专家水准的模型。阿尔法狗的获胜，通过围棋这个广为人知、迄今最困难的棋类游戏，将上述认识清楚地传递给社会大众，其启示是：今后只要能收集到足够的高质量数据，就能通过使用机器学习技术帮助人们解决许多过去认为困难的问题。 机器学习这么厉害的话，人工智能会不会威胁人类呢？这个担心大可不必。事实上，人类现实生活中人工智能技术早已无处不在，无论互联网搜索、手机语音交互、安全门禁系统、实时交通调度…… 后面都是人工智能技术在作关键支撑。人工智能技术在很多方面能胜过人类，更不是新鲜事。例如使用人工智能技术可以很快地从数百万张图片中找到我们需要的图片，而如果靠人力一张张地找，恐怕要数天甚至数月。 我们要清楚地认识到，作为严肃科学的“人工智能”和影视科幻中的“人工智能”是两回事。打个比方，就好比原来人们看到鸟在天上飞，想造个东西帮助人也飞起来，后来就造出了飞机；人工智能呢，是看到人做很多事情很聪明，想借鉴一下，让机器能把事做得更好一点，成为人类更好用的工具，仅此而已。严肃的人工智能研究从来没想过要“威胁人”、“取代人”，而且本身也不可能。因为这是一门科学，做出来的东西都有理论上下限，使用了什么技术，能达到什么能力，都是有数的。就像人们造出来飞机，一定知道再怎么发展它也不会像真鸟一样能生小鸟。人工智能的名字虽然很容易引人遐想，但其实我们把它当做高级一点的仿生学就好了。人工智能绝不比造飞机火箭的技术更不安全。 那为什么有不少名人在宣扬“人工智能威胁论”呢？不妨听听FaceBook公司人工智能实验室负责人Yann LeCun是怎么说的：“有些人是因为对人工智能的原理不理解而导致恐惧，有些人是为了个人名望而宣扬人工智能威胁论，有些人则是为了商业的利益推动人工智能威胁论。” 回到围棋上来。电脑下围棋战胜了人，会不会导致围棋这项智力运动今后变得无人问津呢？不妨想想，汽车跑得比人快，轮船游得比人远，但这并不妨碍田径、游泳仍是备受瞩目的体育运动。事实上，先进技术不仅不会阻碍、反而会促进人类社会的发展。 阿尔法围棋是怎么做到的？ DeepMind团队表示，“阿尔法围棋”的关键在于使用的深度神经网络。 在这样的网络中，如果你将足够多的关于树木的照片输入进去，它们就能学会识别出一棵树。如果输入足够多的对话，它们就能学会如何进行一段得体的对话。如果输入足够多的围棋走法，它们就能学会下围棋。 实际上，在“阿尔法围棋”中有两种不同的神经网络：“策略网络”（policy network）和“值网络”（value network）。 它们的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋手所做的一样。 “阿尔法围棋”利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会判断当前局面以及推断未来的局面一样。这样“阿尔法围棋”在分析了比如未来20步的情况下，就能判断在哪里下子赢的概率会高。 也有许多专家相信，人类掌握围棋的秘诀在于模式识别——通过棋子组成的图形形状来判断优势和弱点，而不是预测几步棋后的走向。 也正是因为这个原因，模式识别算法的最新进展有可能会大大改进计算机的表现。新算法利用大型的图片数据库，训练深度卷积神经网络（deep convolutional neural networks）来识别物体和面孔。这一网络借鉴了人脑的信息处理机制，与人脑的神经结构有相似之处。 因此，可以预想，这样的算法用在围棋棋局自动评估上，也能发挥巨大的作用。 根据研发者的介绍，这种神经网络可以自主学习，而非传统的对人工智能进行“监督训练”的算法。 此外，AI很容易通过大量的训练积累足够多的经验。人类或许一年可以下1000局围棋，但AI一天就能玩100万局，不会疲劳。 所以理论上来讲，只要“阿尔法围棋”经过足够的训练，就可以击败所有的人类选手。 人工智能一日千里 未来应用：语音识别、自动驾驶 相对于棋盘上的胜负，人工智能一日千里的进展更加激动人心。 《自然》杂志将“阿尔法围棋”的成果归功于“深度学习”（Deep Learning）。 深度学习是目前人工智能领域中最热门的科目，它能完成笔迹识别，面部识别，驾驶自动汽车，自然语言处理，识别声音，分析生物信息数据等非常复杂的任务。 2006年之后，深度学习实际使用多于三层的神经网络，即深度神经网络。这是复杂的非线性模型，拥有复杂的结构和大量的参数，有非常强的表示能力，特别适合于复杂的模式识别问题。 这种能力在“阿尔法围棋”身上就体现的很充分。另外，这一能力将能帮助人类在未来揭示丰富的信息，并对未来或未知事件做出更精准的预测。 这些能力也是自动驾驶的汽车、Siri 等语音识别技术以及Face.com（Facebook 最近获得的面部识别软件）的基础，越来越精准的翻译软件也归功于这样的AI技术。 谷歌高级工程师也还预测神经网络会在其他科学领域扮演重要工具，例如在基因行为预测，药物，蛋白质，新的医疗方案等。 “AI一定会进入我们的生活，我们不可能躲开。这一接触虽然很可能悄无声息，但意义或许不亚于我们第一次接触外星生命。” AlphaGo的计算能力到底有多强呢？ 曾经声名显赫、轰动世界的IBM“深蓝”。深蓝是美国IBM公司生产的一台超级国际象棋电脑，重1270公斤，有32个大脑（微处理器），每秒钟可以计算2亿步，计算能力11.38 GFLOPS，输入了一百多年来优秀棋手的对局两百多万局。 IBM的深蓝曾在1997年战胜国际象棋世界冠军卡斯帕罗夫。而现在，一台笔记本的计算能力已经超过了深蓝。搜狗CEO王小川表示，AlphaGo计算能力是当年IBM计算机深蓝的3万倍。ps.我们国家的天河二号是世界最快的超级计算机，它浮点运算能力已经达到了33.86 PFLOPS，是深蓝的30万倍。 据了解，AlphaGo超强的学习能力，它使用蒙特卡洛树搜索算法，借助值网络与策略网络这两种深度神经网络，通过值网络来评估大量选点，并通过策略网络选择落点。机器最初通过模仿人类玩家，尝试匹配职业棋手的棋局，一旦它达到了一定的熟练程度，它开始和自己对弈大量棋局，使用强化学习进一步改善它。 就机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。 传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法对围棋并不适用。此次谷歌推出的AlphaGo，将高级搜索树与深度神经网络结合在一起。这些神经网络通过12个处理层传递对棋盘的描述，处理层则包含数百万个类似于神经的连接点。 其中一个神经网络“决策网络”(policy network)负责选择下一步走法，另一个神经网络“值网络”(“value network)则预测比赛胜利方。谷歌方面用人类围棋高手的三千万步围棋走法训练神经网络，与此同时，AlphaGo也自行研究新战略，在它的神经网络之间运行了数千局围棋，利用反复试验调整连接点，这个流程也称为巩固学习(reinforcement learning)。通过广泛使用Google云平台，完成了大量研究工作。
AlphaGo所使用的神经网络结构示意图 征服围棋对于谷歌来说有重要意义。AlphaGo不仅是遵循人工规则的“专家”系统，它还通过“机器学习”自行掌握如何赢得围棋比赛。谷歌方面希望运用这些技术解决现实社会最严峻、最紧迫的问题——从气候建模到复杂的灾难分析。 在具体的机器训练上，决策网络的方式是输入人类围棋专家的比赛，到系统可以预测57%人类行动为止，此前最好成绩是44%。此后AlphaGo通过在神经网络内部进行比赛的方式(可以简单理解成和自己下棋)，开始学习自主探索新的围棋策略。目前AlphaGo的决策网络可以击败大多数具有庞大搜寻树的最先进的围棋程序。 人工智能飞跃史 1950年，计算机科学先驱阿兰·图灵预测到2000年计算机就可以思考：拥有与人类同等水平的创造力、解决问题的能力、个性和适应性行为。他提出了一种判断机器能否进行思考的测试：图灵测试。 1956年，在达特茅斯会议上，一些研究者提出创造一个人工大脑，人工智能（AI）领域终于诞生。 在1980年代，“专家系统”的概念被计算机公司广泛应用，这是对于人工智能山野探索的开端。 1989年，卡内基梅隆大学研发了名为“Deep Thought”的专家系统，能够像大师一样下象棋。 1997年，IBM的计算机深蓝第一次击败了国际象棋大师卡斯帕罗夫。2006年，人类最后一次打败顶尖的国际象棋AI。 2005年，斯坦福大学延至的机器人赢得了美国Darpa大挑战，在这个美国国防高级研究计划局组织的自动驾驶汽车挑战中，它在荒漠赛道中行驶了131英里。 2011年，Watson 战胜了电视智力竞赛Jeopardy 的冠军。 |
 |
 |
|申请友链|网址导航|网站导航|小黑屋|扫一下二维码进入手机版|祈安网 ( 闽ICP备06000414号-7 )|公安备案号35052402000130
GMT+8, 2024-5-3 00:26 , Processed in 0.296609 second(s), 49 queries , Gzip On.
