从AlphaGo的胜利看人工智能的未来.docVIP

从AlphaGo的胜利看人工智能的未来 　　未来人工智能将作为一种基础服务渗透到人类生产和生活的各个方面，并极大地重塑人类社会 　　AlphaGo执白中盘战胜李世石，显示人工智能技术已经前进了一大步。事实上，光环四射的AlphaGo仅是聚焦单项领域的弱人工智能。目前弱人工智能已经遍布生活各处，并广泛应用在人机交互、大数据分析、医疗护理、无人驾驶、工业机器人和智能家居等多个领域。未来，随着人工智能变得越来越强、应用领域越来越广，未来人工智能将作为一种基础服务渗透到人类生产和生活的各个方面，并极大地重塑人类社会。 　　AlphaGo的胜利让人类前进一大步 　　随着人工智能技术的进步，各种棋类高手一一被电脑斩落马下，围棋是人类硕果仅存的骄傲。从3月9日开始到15日，一场人与机器的围棋大战吸引了全世界的目光。这场在韩国首尔上演的人机大战持续了5轮。大战之所以举世瞩目，是因为对战的双方是世界围棋冠军李世石与围棋人工智能程序AlphaGo。令人惊叹的是，整个比赛过程中，AlphaGo的表现堪称完美，最终以4：1击败李世石。所以这个战胜人类世界围棋冠军的AlphaGo程序引起了全世界的关注。 　　李世石在赛后表示：“我非常吃惊，没想到真的会输，AlphaGo的实力居然如此强悍。” 　　AlphaGo的胜利如此引人注目是有其深层原因的。 　　英国围棋联盟裁判托比表示：“围棋是世界上最为复杂的智力游戏，它简单的规则加深了棋局的复杂性。”正是因为围棋超凡的复杂性，想要成为传奇选手，你需要经过多年的训练。棋手需要磨练自己的直觉并学习识破各种棋路。对于人工智能而言，围棋的难度则是顶级的难度。因为围棋每一步的可能下法非常多，棋手起手时就有19×19=361种落子选择。一局150回合的围棋可能出现的局面多达10的170次方。其次，是规律太微妙，在某种程度上落子选择依靠的是经验积累而形成的直觉。此外，在围棋的棋局中，计算机很难分辨当下棋局的优势方和弱势方。因此，围棋挑战被称作人工智能的‘阿波罗计划’。” 　　那么，AlphaGo是如何取得这场胜利呢？ 　　据AlphaGo官方博客介绍，AlphaGo采用了一种更加“通用”的人工智能方法，即采用将改进的蒙特卡洛决策树算法与深度神经网络算法相结合的方法构建最终的学习系统（2016年1月，国际顶尖期刊《自然》曾经报道了谷歌研究开发的名为AlphaGo的人工智能电脑，这款人工智能于去年10月以5比0完胜欧洲围棋冠军、职业二段樊麾，具体文章参见Nature论文Mastering the game of Go with deep neural networks and tree search）。 　　其中，深度神经网络由一个多达12层的包含上百万个神经元节点的神经网络构成，其包括两个部分：策略网络与价值网络。其中策略网络在当前给定的棋局中，负责预测下一步的走棋，并对下一步走棋的好坏进行打分，如果是好棋，就打高分，最终，最高分的走法被策略网络选为下一步棋的走法。而这个最高分如要如何评定呢？此时，现存于人类数据库中的围棋棋谱的作用就体现出来了，对比以往高手对决的棋谱，如果如此走法能得到最终的胜利，那就是好棋，这步就可以评高分，因为以往棋谱的胜负是已知的，反之亦然。在这里，人类历史上的大量围棋起了训练数据的作用，好比老师在“监督”学生做练习，答对了就给高分，答错了不给分。 　　通过对于3000万步人类棋谱的学习，AlphaGo对于人类棋手下一步走棋的预测准确率高达57%（之前为43%）。策略网络的作用好比“模仿”人类棋手的各种走法，以达到预测的效果。所以，AlphaGo能有如此成绩，则得益于对数百万项围棋数据的学习，包括各种棋路和棋手的比赛。 　　此外，AlphaGo 的特点还在于充分利用现在的机器学习技术，可扩张的架构，它不仅仅是用一台超级计算机，而是可以利用谷歌庞大的计算资源来做这个深度学习，提升学习能力。谷歌提供了15-20名世界顶级的计算机科学家和机器学习专家和全世界最庞大的谷歌后台计算平台。正因为如此，AlphaGo才有如此高的水平来挑战世界第一的棋手，并且可以通过快速对各种可能性做分析，提前考虑后面几步的落子和排兵布阵。 　　弱人工智能已经广泛应用 　　人工智能分为弱人工智能和强人工智能。弱人工智能（Artificial Narrow Intelligence，简称ANI）是指仅在单个领域较强的人工智能程序。强人工智能（Artificial General Intelligence，简称AGI）是指能够达到人类级别的人工智能程序。不同于弱人工智能，强人工智能可以像人类一样应对不同层面的问题， 还具有自我学习以及理解复杂理念等多种能力。也正因此，强人工智能程序的开发比弱人工智能要困难很多