近日，人工智能又一次成為媒體和公眾關(guān)注的焦點：谷歌旗下一家公司研制出的人工智能程序“阿爾法圍棋”（AlphaGo）在比賽中5:0完勝歐洲職業(yè)圍棋冠軍樊麾二段,，在這種復(fù)雜度最高的棋類游戲上,，人工智能顯示出有望超越人類頂尖高手的“智力”。今年3月,，AlphaGo將挑戰(zhàn)世界冠軍李世石九段,。 1997年，IBM開發(fā)的計算機(jī)程序“更深的藍(lán)”在六局棋比賽中,，擊敗國際象棋棋王卡斯帕羅夫,，成為載入史冊的人工智能突破,。然而，圍棋的復(fù)雜度遠(yuǎn)遠(yuǎn)高于國際象棋,，前者最多有10的約170次方種局面,，后者的最多局面僅為10的約47次方種。近年來,，人工智能有了什么發(fā)展,，才有底氣與職業(yè)圍棋選手一較高下？它能否擊敗圍棋世界冠軍,？如果擊敗,，意味著什么？對于這些問題,，專家給予了解答,。

深度學(xué)習(xí)“消化” 2000萬局棋

復(fù)旦大學(xué)哲學(xué)學(xué)院教授、人工智能哲學(xué)專家徐英瑾介紹,，傳統(tǒng)的計算機(jī)下棋程序的基本原理,，是有限步數(shù)的搜索樹，即采用數(shù)學(xué)和邏輯推理方法,，把每一種可能的路徑都走一遍,，從中選出最優(yōu)解。顯然,，這種下棋思考方法是人類無法做到的,，發(fā)揮了計算機(jī)速度快、運(yùn)算量大的優(yōu)勢,。不過,，這種“暴力算法”并不適用于圍棋。據(jù)計算,，圍棋每回合有250種可能,，一盤棋可長達(dá)150回合，所以圍棋最多有10的170次方種局面,。即便對計算機(jī)而言,，這個運(yùn)算量也是相當(dāng)大的。除了復(fù)雜度高,，圍棋還有一大特點——黑白兩方棋的每個棋子是一樣的,，沒有大小之分、角色之別,。這給計算機(jī)程序的運(yùn)算推理帶來了很大難度,，因為從哲學(xué)上看，圍棋具有“語境敏感性”,，不太適合邏輯推理,；　而棋子各不相同的中國象棋,、國際象棋具有“超語境性”，每個棋子角色明確,，不因棋局的變化而改變,，非常適合邏輯推理，這正是計算機(jī)的強(qiáng)項,。近年來,，不同于搜索樹的深度學(xué)習(xí)技術(shù)逐漸成熟,，給圍棋程序的研發(fā)帶來了突破,。深度學(xué)習(xí)源于人工神經(jīng)網(wǎng)絡(luò)，其模仿對象是人腦,。研究表明,，人腦由約10的11次方個神經(jīng)元構(gòu)成，神經(jīng)元細(xì)胞的外表有很多突起,。其中,，比較短的放射性突起叫“樹突”，外形似樹枝分叉,，具有接受刺激并將沖動傳入細(xì)胞體的功能,。而要把信息向其他神經(jīng)元輸送，就得依靠“軸突”,。人工神經(jīng)網(wǎng)絡(luò)從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行了抽象和模擬,，建立運(yùn)算模型。這種網(wǎng)絡(luò)由大量模擬神經(jīng)元的節(jié)點相互連接構(gòu)成,，每個節(jié)點代表一種特定的輸出函數(shù),，稱為激勵函數(shù)。每兩個節(jié)點間的連接,，都代表一個對于通過該連接信號的權(quán)重值,，形成人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則根據(jù)連接方式,、權(quán)重值和激勵函數(shù)的不同而不同,。 “深度學(xué)習(xí)系統(tǒng)是人工神經(jīng)網(wǎng)絡(luò)的升級版?！毙煊㈣忉屨f,，這種系統(tǒng)由輸入層、中間層和輸出層構(gòu)成,，其中,，中間層由多層人工神經(jīng)網(wǎng)絡(luò)構(gòu)成，可多達(dá)七八十層,，故名為“深度學(xué)習(xí)”,。每增加一層,，就意味著增加了一個人工智能分析維度。當(dāng)人把某種大數(shù)據(jù)樣本輸入系統(tǒng)后,，這種系統(tǒng)即可進(jìn)行學(xué)習(xí),，掌握樣本中蘊(yùn)含的規(guī)律。為了讓　Al－phaGo具有一流的圍棋水平,，谷歌科研人員輸入了2000萬局棋譜,。假如一個人要學(xué)習(xí)2000萬局棋，每局棋耗時15分鐘,，他需要一刻不停地下570年,！

戰(zhàn)勝圍棋世界冠軍是遲早的事

Facebook　專家也在研發(fā)圍棋程序，但谷歌走在了他們前面,?？戳斯雀鑼＜医找苑饷嫘问桨l(fā)表在《自然》上的論文后，F(xiàn)acebook人工智能組研究員田淵棟博士表示,，從算法上說,，這篇文章并沒有太多新意，主要是通過大量訓(xùn)練數(shù)據(jù),，包括以往的棋譜和自我對局,，把性能“堆”出來。谷歌團(tuán)隊訓(xùn)練了一個走子的神經(jīng)網(wǎng)絡(luò),，又訓(xùn)練了一個可以評估局面的網(wǎng)絡(luò),，然后在“蒙特卡羅樹搜索”中同時使用這兩個網(wǎng)絡(luò)。香港科技大學(xué)計算機(jī)科學(xué)碩士陳經(jīng)介紹,，采用“蒙特卡羅樹搜索”這種算法,，是圍棋程序在采用深度學(xué)習(xí)系統(tǒng)之前的一次突破。2010年左右,，開發(fā)者們引入“蒙特卡羅樹搜索”,，其特點是模擬棋局一直到下完算子、判斷勝負(fù),，模擬多次后,，看哪個選點的獲勝概率最高。模擬時,，會利用“棋形”等經(jīng)驗減少選點,，一直模擬下去直至終局。時間不夠或電腦計算能力不足,，模擬的局面數(shù)就少,，棋力就低。由此可見,，這是一種基于概率的“暴力搜索”算法,。如今,，AlphaGo將“暴力搜索”與“大數(shù)據(jù)+深度學(xué)習(xí)”結(jié)合在一起，取得了突破,。經(jīng)過2000萬局“自我對局”訓(xùn)練,，它擁有了擊敗職業(yè)棋手的能力?！斑@個訓(xùn)練規(guī)模,，我實在沒有想到過，谷歌在這方面是很有優(yōu)勢的,?！碧餃Y棟坦言，他們的“默認(rèn)策略”也是經(jīng)過處理的,，能夠僅耗時2微秒就走一步,，而且準(zhǔn)確率也不錯,?？傊雀璧淖龇ǔ浞掷昧恕按髷?shù)據(jù)+深度學(xué)習(xí)”的優(yōu)勢,，而且?guī)缀跬耆从玫絿宓膶I(yè)知識,。“若是以后棋力能再往上走,，我也不會驚訝,。” 不斷學(xué)習(xí),、不斷進(jìn)步的Al－phaGo,，今年能否戰(zhàn)勝李世石？華東師范大學(xué)計算機(jī)系賀樑教授認(rèn)為,，有這個可能,，即使今年沒有戰(zhàn)勝，計算機(jī)程序擊敗圍棋世界冠軍也是遲早的事,。這是因為,，計算機(jī)的運(yùn)算速度比人腦快得多，能憑借“大數(shù)據(jù)+深度學(xué)習(xí)”在短期內(nèi)分析完一個人一生也無法窮盡的棋譜,，棋力提升的速度和幅度會很驚人,。

打造“通用人工智能” 需新算法

在不少人看來，如果　Al－phaGo擊敗圍棋世界冠軍,，意味著人類將喪失在棋類游戲中最后的尊嚴(yán),。對此，徐英瑾認(rèn)為大可不必妄自菲薄,。從訓(xùn)練棋局?jǐn)?shù)量與圍棋水平的“投入/產(chǎn)出比”來看,，人工智能還是沒有人類圍棋高手聰明,。要知道，Al－phaGo可是訓(xùn)練了2000萬局棋后,，才能戰(zhàn)勝職業(yè)圍棋二段選手,。而一個人在成長為職業(yè)九段高手前，訓(xùn)練的棋局?jǐn)?shù)量遠(yuǎn)小于2000萬,。從這個意義上說,，人工智能程序的聰明程度遠(yuǎn)不如大多數(shù)人，盡管擁有了深度學(xué)習(xí)能力,，但它戰(zhàn)勝人類的主要原因仍和以前一樣：運(yùn)算速度快,、不受生物屬性限制。因此,，我們不必沮喪,，而是要為人工智能技術(shù)的進(jìn)步感到欣喜。谷歌團(tuán)隊表示,，他們打算利用研發(fā)AlphaGo過程中的技術(shù)來解決一些當(dāng)今社會的重要問題,，如醫(yī)學(xué)診斷、全球變暖,。自然語言理解,，也是人工智能研發(fā)的一個重點領(lǐng)域。目前,，代表這一領(lǐng)域國際先進(jìn)水平的蘋果手機(jī)Siri,，在與用戶對話時，仍顯得較為幼稚,，有時答非所問,。谷歌、Facebook,、微軟,、百度等許多知名互聯(lián)網(wǎng)企業(yè)都在投入重金，開展研發(fā),，以期在人機(jī)問答領(lǐng)域取得突破,。徐英瑾表示，AlphaGo擊敗圍棋高手,，也許還稱不上人工智能領(lǐng)域的重大突破,。人工智能唯有能模仿“整全的人”，具備人類思維的大多數(shù)功能,，才是真正震撼人心的事件,。他分析說，計算機(jī)程序的許多單項能力早已超越人類，即使是一個小小的計算器,，其算數(shù)能力也非人類可比,。計算機(jī)程序如今成為圍棋高手，不過是增加了一種單項能力,。與之相比,，實現(xiàn)“通用人工智能”的難度高得多，要求一個人工智能系統(tǒng),，可以像人一樣做很多事情：做算術(shù),、寫文章、畫畫,、下棋……這種系統(tǒng)能處理生活中紛繁復(fù)雜的情況,，如果科學(xué)家能開發(fā)出一套優(yōu)質(zhì)的家政服務(wù)系統(tǒng)，能讓機(jī)器人獨立做各種家務(wù),，那么它就基本可算作通用人工智能,。賀樑和徐英瑾都認(rèn)為，“大數(shù)據(jù)+深度學(xué)習(xí)”技術(shù)并不能打造出通用人工智能系統(tǒng),，科技界需要開發(fā)出新的算法和技術(shù),，更好地模擬人腦工作方式，才有望把人工智能推向新的高度,。（俞陶然）