人类棋手被电脑打败后人工智能的发展

　　27. 这些棋类是怎样一个一个被打败的？

　　跳棋：1992 年，跳棋程序 Chinook 挑战跳棋高手马里恩·廷斯利(Marion Tinsley)，战败。1995 年，Chinook 再次挑战，6 局平手，之后廷斯利因病退赛，Chinook 最终取得了冠军。现在 Chinook 已经不会输（跳棋容易平局）。

　　国际象棋：卡斯帕罗夫 1985 年连续跟 32 台电脑下棋并取得胜利、1996 年 4:2 战胜深蓝，但在 1997 年，卡斯帕罗夫 2.5:3.5 败给深蓝。

　　围棋：AlphaGo 在 2015 年 5:0 战胜樊麾；2016 年 3 月以 3:1 战胜李世乭；2017 年 5 月，暂时 1:0 领先柯洁。

　　28. AlphaGo 的进化看上去更快？

　　确实如此。

　　可以参考国际象棋比赛里，人工智能和象棋大师卡斯帕罗夫的对弈。

　　卡斯帕罗夫不只是世界冠军，他在很长一段时间被认为是人类历史上最厉害的棋手。

　　即便在卡斯帕罗夫退役后，他的定级分也等了 8 年才被目前的世界冠军，挪威棋手芒努斯·卡尔森（Magnus Carlsen）超过——而早已变成政治运动家的卡斯帕罗夫从 2009 年就开始帮着培训卡尔森。

　　1989：深思 vs. 卡斯帕罗夫

　　台湾学生许峰雄(Feng-Hsuing Hsu)，写了一个象棋程序深思（Deep Thought），由此开始了一个惯例，即在程序前加个前缀“deep”来表示它运行在并行处理器上。比赛中，电脑根本不是对手。

　　1994：Fritz, Genius 在快棋赛 vs. 卡斯帕罗夫

　　1994 年上半年，英特尔在慕尼黑组织了可能是史上最强的闪电战大赛，有 17 名特级大师参加。Fritz 最后和卡斯帕罗夫并列第一。在复赛中，卡斯帕罗夫 4:1 大胜。

　　英国人 Richard Lang 编写的程序 Geniu 举行的英特尔职业国际象棋联合会拉力赛中战胜卡斯帕罗夫，并把他淘汰出局。不过那是 25 分钟的快棋赛。

　　1996：深蓝 VS 卡斯帕罗夫

　　许峰雄加入 IBM，和协作程序员莫雷·坎贝尔（Murray Campbell）开发深蓝。首局深蓝获胜，但之后卡斯帕罗夫两和、三胜打败深蓝。

　　1997 深蓝 vs帕罗夫

　　1997 年版本的深蓝运算速度为每秒 2 亿步棋，是其 1996 年版本的 2 倍。1997 年 6 月，深蓝在世界超级电脑中排名第 259 位。一个说法是，深蓝可搜索及估计随后的 12 步棋，而一名人类象棋好手大约可估计随后的 10 步棋。

　　最后卡斯帕罗夫以 1 胜、2 负、3 和，总比分 2.5:3.5 输掉了比赛。再之后，就没有人类象棋冠军能在正式规则比赛中打赢人工智能。

　　28. AlphaGo 会改变围棋选手的训练方法

　　在国际象棋领域，卡斯帕罗夫被深蓝战胜之后一样，一个人机对战的时代结束了，一个人与电脑一起探索棋力的时代开始了。

　　人工智能的胜利，并不意味着这门游戏的终结，它帮助提升了棋手的水平，廉价、智能的国际象棋软件也吸引到了更多的人来参与这项运动。

　　卡斯帕罗夫之后，国际象棋界仍然有明星诞生，克拉姆尼克、阿南德和近年最耀眼的卡尔森，都是普通人可能听说过的名字。

　　十多年来，提供计算机和大量数据分析，已经成为国际象棋顶级赛事的常规服务，顶级国际象棋选手也越来越多借助超级电脑制定竞赛计划。前国际象棋世界冠军阿南德曾表示：“电脑对于提高(国际象棋)水平有很大帮助。”

　　尤其是用电脑进行开局的准备。国际象棋特级大师王皓告诉《好奇心日报》，他们平时都会依靠软件训练，比赛结束之后也会用计算机分析棋局。

　　2014 年，23 岁的挪威人马格努斯·卡尔森卫冕国际象棋之后，《金融时报》发表了一篇题为《卡尔森：战胜电脑的国象大师》的文章，这并不是说那场赛事有计算机选手参赛，而是说卡尔森的对手们都习惯用超级计算机来计算开局，卡尔森则不像他的对手们那样依赖计算机分析。卡尔森的做法，已经成了特例。

　　在深蓝战胜人类国际象棋大师之后的十几年后，不使用计算机的人类棋手成为了罕见的特例。但是卡尔森也曾接受过人工智能的训练，他也被认为是所有人类棋手中最接近电脑的棋手。

　　可以想象，围棋的未来也会是类似的方向。

　　去年年末与 Master 对战之后，柯洁深夜写道：“人类数千年的实战演练进化，计算机却告诉我们人类全都是错的。我觉得，甚至没有一个人沾到围棋真理的边。”

　　但他也继续说棋手会结合计算机，迈进全新的领域，达到全新的境界，就像“新的风暴继续来袭”。

　　围棋，应该也不会例外。只是未来不会再有超越电脑的围棋大师，只会有最接近电脑的棋手。

　　人工智能历史很久，但最近突然热了起来

　　30. 人工智能可以往前追溯到神话，但它真正接近我们是从电子计算机开始的

　　1950 年代的黑客马文·明斯基被普遍认为是人工智能之父，他在去年年初去世。（文中链接请在“阅读原文”相应位置找）。

　　另一位从如何看待“思考”考虑人工智能的先驱则是计算机之父阿兰·图灵。1950 年，图灵写了一份关于机器思考的论文，叫做“机器会思考吗？”，里面提到了一个测试机器是否有“感觉”的方法，简单来说就是让人透过屏幕跟机器聊天，看看能否判断屏幕背后的是真人还是机器，这个方法后来被称作是“图灵测试”。

　　他的图灵测试是多年来人工智能研究者的目标，2015 年，首次人工智能算法通过了图灵测试。

　　话说回来，图灵还是世界上第一个象棋计算机程序的创作者。不过当时他的程序没有计算机有足够的计算能力去执行，每下一步棋需要 30 分钟。

　　31. 人工智能研究经历过两次高潮和低谷

　　人工智能研究在高潮和低谷之间不断交替。

　　第一次低谷出现在 1974-1980 年，这时候人工智能研究开始遭遇批评，随之而来研究所缺少资金支持。批评主要集中在，研究者们过于乐观，承诺无法兑现。美国英国政府这期间停止向没有明确目标的人工智能研究项目拨款。

　　第二次在 1987-1993 年这一轮低谷主要在于人工智能商业化的失败。受到日本政府研究规划的刺激，美国政府和企业再次在人工智能领域投入数十亿美元的研究经费，但到了 80 年代末他们重新撤回了投资。一个征兆在于，1987 年的硬件市场需求下跌同时 XCON 等最初大获成功的专家系统维护费用居高不下。

　　到了 80 年代晚期，战略计算促进会决定大幅削减对人工智能的资助，认为人工智能不是“下一个浪潮”。到 1991 年，人们发现十年前日本宏伟的“第五代工程”也并没有实现。

　　32. 近 5 年的人工智能发展可能是史上最快的

　　据彭博社，2015 年是 AI 的，Google 内部应用 AI 的项目从 2012 年的“零星几个”扩展到 2700 个。

　　2016 年，超过 30 个公司说要做自动驾驶。由于数据和人才的关系，人工智能是一个大公司占优的关系。但行业内的大公司都在积极收购。根据 ，过去两年时间收购人工智能公司最多的是 Google，买了 9 家公司，包括 AlphaGo。接着是苹果买了 5 家人工智能创业公司，以及同样买了 4 家人工智能公司的英特尔和 Twitter。

　　2012 年到 2015 年，在代表计算机智能图像识别最前沿发展水平的 ImageNet 竞赛（ILSVRC）中，参赛的人工智能算法在识别准确率上突飞猛进。 2014 年，在识别图片中的人、动物、车辆或其他常见对象时，基于深度学习的计算机程序超过了普通人类的肉眼识别准确率。

　　33. 这次热，背后有实际的应用驱动

　　这一次浪潮背后, 是机器学习在商业产品上的应用，现在它可以解决实际问题了。Google 工程师杰夫·迪恩（Jeff Dean）说：“我认为在过去 5 年，最重大的突破应该是对于深度学习的使用。这项技术目前已经成功地被应用到许许多多的场景中，从语音识别到图像识别，再到语言理解。而且有意思的是，目前我们还没有看到有什么是深度学习做不了的。希望在未来我们能看到更多更有影响力的技术。”

　　实际上最积极推动人工智能的公司，已经把 AI 放进可用的产品之中、解决各种日常问题了。Google 不仅要知道你搜索过什么，还能看懂你上传的图片内容。亚马逊用人工智能帮助推荐商品、调整定价。整个 Facebook 上，用户看到什么信息也都是由人工智能决定。这些看上去突然对人工智能热衷起来的公司，已经投入了多年研发。

　　34. 关于 AlphaGo，经常提到深度学习，这是什么？

　　在今年的 Google I/O 开发者大会上，Google 公司的 CEO 桑达·皮蔡解释了未来战略：“我们将会在人工智能和机器学习上加大赌注。”“因为深度学习的优势，我们现在可以让图片、视频变得更有用了。”

　　这样的发言不少，很多科技公司都会声称自己进入了人工智能领域，靠深度学习。

　　传统程序是根据事件条件，给出结果。“机器学习”的定义是不用明确编写程序，就能让计算机学习——让机器大量接触数据，自己从中找到规律，改进判断。而深度学习则是机器学习里最热门的分支，被认为推动了这次人工智能跃进。

　　“深度学习就是一种人工智能学习技术，通过把大量数据‘喂’进系统，尝试自己建立模型，通过模型自己做决定，就像我们现在认为的人类大脑工作的原理那样。”英国阿尔斯特大学计算机科学教授、IEEE 安全技术专家，专门研究计算机网络和系统凯文·科伦（Kevin Curran）在早先的采访中这么对《好奇心日报》解释深度学习是什么。

　　具体到 AlphaGo 身上。深度学习是通过审视记忆来做出决定的，因为 AlphaGo 已经看过那么多的例子，接下来深度神经网络中会自动权衡重要性然后进一步做出决定。

　　所以说，深度学习是通过审视记忆来做出决定的，因为 AlphaGo 已经看过那么多的例子，接下来深度神经网络中会自动权衡重要性然后进一步做出决定。

　　之前开发跳棋应用打败所有人类的计算机教授乔纳森·谢弗用地图来解释深度学习的工作方式：

　　你可以把它想象成一个带有点和连接的网络吧。就像一个地图一样，我们假设城市是点，然后连接是路。

　　我们来假设这地图上的连接会动态变化。例如，本来从 A 到 B 点只需要走 10 分钟，但现在看着这条路的实时路况，系统自动调整了时间，例如上下班高峰期 13 分钟，其他时间 9 分钟。这就是一个学习的例子。更进一步说，这个网络还可以建新的路，所以 A 和 B 之间的最佳路径还可能会改变。

　　对应到 AlphaGo 上，每一个“城市”就是一个知识点，他们之间连接的“路”就是知识与知识之间的连接。想象使用一个地图在城市中导航，每个城市的计算价值，是连接它的路数量的总和。同样的，一个知识点的价值，也依赖于它的连接情况。

　　当我们看纸质地图的时候，这个地图是二维的。然后想想两张地图叠在一起，在地图上不同的连接也交织着。AlphaGo 使用的是十三层的网络，所以也能让不同的知识点有更多连接的可能。

　　在一场围棋比赛中的特定时刻，有些知识点会使用，而另一些则不会。就像是你能去某一些城市，另外一些则禁止你入境一样。知道这些信息，会改变“城市点”的连接情况，更会改变这个城市的连接价值——这也就是每一个棋步的来源。

　　人工智能引起的争议不少，也没有一边倒的定论

　　35. 人工智能显然会抢走工作，但它会创造新的么？

　　一方面，人工智能取代人类就业的。

　　网景创始人、著名风险投资人，“就像今天我们大多数人都从事着 100 年前不存在的工作一样，100 年后也会是如此。”

　　目前来看人类的某些技能机器很难复制，比如常识、适应性和创造力。麻省理工学院的经济学家 David Autor 说，“即使是实现了自动化的工作岗位，常常也需要人工的参与，比如自动化麻醉设备旁边，就需要有医生值守协助操作。”

　　再比如用机器人为新闻媒体写稿，这并没有导致记者数量的减少。人工智能写的只是需要速度但不需要深入分析的东西，比如体育比赛结果快讯、以及不那么模板一致的公司财报快讯。它们做了许多人没有精力做的工作，让有经验的记者去写更有价值的报道。

　　但如果没有经历低价值的“笨工作”的训练，刚走出学校的人又有多少能一下获得经验、找到一个不能被人工智能替代的高级工作呢？

　　36. 如果人工智能真的抢了工作，人们的生活方式会发生怎样的变化？

　　未来学家马丁·福特（Martin Ford）在今年的 TED 大会做了一场演讲，为我们描述了一个人工智能主导社会生产的社会。

　　从积极的一面来看，人们有了更多的时间休闲，有更多时间来陪伴家人，这似乎是我们现在努力追求的东西，但是问题也出现了。

　　未来或许人类可以接受没有工作，或者只领少许的薪水，但是这一切都会给社会造成经济压力，因为人类没有有工作、或者只拥有少量收入，消费能力就就会减弱，从现有的社会经济制度来看，社会产品和通货紧缩，容易造成社会动荡。

　　福特认为，我们必须在传统的工作中找到分离收入的办法，在他看来，最好的解决方案是从保证最低收入开始，这么做很可能会变得必不可少。

　　但是需要在基本工资的基础上增加“奖励机制”，鼓励那些没有工作的人去完成教育、参加社区服务，因此获得更多的奖励薪资。更重要的是，人们要知道如何在不需要工作的社会里还能找到生活的意义和满足感。

　　而这一切都需要社会的机制、体系进行改革和重塑，不会是件容易事。

　　福特的观点可以看他的畅销书。

　　37. 悲观主义者包括霍金、马斯克还有比尔·盖茨，他们相信无节制发展人工智能可能导致人类的毁灭

　　这三位都在最近表示过对人工智能的担忧。

　　史提芬·霍金：“我们已经拥有原始形式的人工智能，而且已经证明非常有用。但我认为人工智能的完全发展会导致人类的终结。”

　　埃隆·马斯克：“我们需要万分警惕人工智能，它们比核武器更加危险。”

　　比尔·盖茨：“如果我们处理得好，人工智能具有积极意义……我同意伊隆·马斯克和其他一些人的说法，不明白为什么有些人并不关心。”

　　去年 4 月，马斯克和美国初创公司孵化机构 Y Combinator 成立了一个非营利组织 OpenAI，准备筹集 10 亿美元的资金，去对抗人工智能可能会带来的问题。

　　去年 9 月，亚马逊、Facebook、Google、IBM 和微软五家公司在去年 9 月联合发起人工智能联盟 Partnership on AI，旨在努力减轻公众对于正在学习自主思考的机器的恐慌。基于这五个巨头的共识，这一行业联合组织制定了一系列用于工程开发和科学研究的基本道德标准。

　　38. 就连机器人是不是应该决定人类生死，今天都还没有定论

　　科幻小说家阿西莫夫在 1942 提出了著名的“”：机器人不得伤害人类，或因不作为使人类受到伤害；除非违背第一法则，机器人必须服从人类的命令；在不违背第一及第二法则下，机器人必须保护自己。

　　但这只是阿西莫夫的设想，不是各国军队的共识。事实上机器可以轻而易举地决定人类的生死。目前在全球已经有超过 30 个国家配备了“致命性自主武器系统”，未来战争的一些区域可能是人工智能在自主决定是否射杀屏幕上出现的运动物体。

　　美国国防部让无人机自己判断地面上谁是需要被消灭的敌人。

　　从军队角度，人工智能决定生死有诸多好处，比如它效率更高、几乎一定比人更准确，并且杀人不会有负罪感和战后创伤。这引起巨大争议。2013 年 5 月，由它引发的道义、伦理、人权问题首次被提到联合国人权理事会。但这并不是一场一边倒的争论，阿西莫夫的三定律不一定是我们将会面对的未来。

　　用 MIT 斯隆商学院研究员 Michael Schrage 的话说，“如果库布里克再拍《奇爱博士》，他会拍这些自动化的武器。”

　　马云谈到柯洁和AlphaGo的人机大战时表示，中国企业搞AlphaGo这些东西没多大意义。“下围棋本来多有乐趣，结果机器从来不下臭棋，快乐都没了，有啥意思？”

　　马云认为不必担心机器战胜人类，技术是用来解决问题的，“机器会比人类更强大，但不会比人类更明智。”