人機大戰后，人工智能會走多遠

在一場令世人矚目的人機圍棋大戰后，AlphaGo以勝利者的姿態告訴人們，人工智能真的來了，它不再只是電影中的場景，而是現實世界里正在上演的又一輪產業變革。與此同時，有專家擔憂人工智能將超越人類智能的潛力和控制，迅速改變人類文明。

前不久，一場圍棋大戰吸引了全世界的目光。這場大戰在韓國首爾上演，共5輪。大戰之所以舉世矚目，是因為對戰的雙方是韓國九段棋手李世石與圍棋人工智能程序AlphaGo。令人驚嘆的是，整個比賽過程中，AlphaGo的表現都堪稱完美，最終以4：1擊敗李世石。

這個戰勝人類世界圍棋冠軍的AlphaGo程序到底是何方神圣？它為什么如此厲害？人工智能對人類來說到底意味著什么？

從“深藍”到AlphaGo

人工智能是計算機科學的一個分支，它企圖了解人類智能的實質，并生產出一種新的、能以與人類智能相似的方式做出反應的智能機器。人工智能是對人的意識、思維的信息過程的模擬，使得機器能像人那樣思考，甚至超過人的智能。自1956年這個概念被提出并確立以來，該領域就被視為人類最高的夢想之一。

1997年，IBM的超級計算機“深藍”以2勝1負3平的成績戰勝了當時世界排名第一的國際象棋大師加里·卡斯帕羅夫，一時間全球轟動，而“深藍”的設計者們當時就暢想：何時計算機也能下圍棋呢？

而現在無疑又是一個人工智能歷史上最重要的時刻。圍棋和國際象棋在復雜程度上不屬于一個量級，圍棋是一種變數極多、充滿不確定的競技，每一步棋的可能性都是一個幾乎無法窮盡的量級，一回合有250種可能，而一盤棋可以多達150回合。

此外，下圍棋的過程中還會出現“吃子”情況，加劇了其復雜性。曾任職谷歌公司的李開復說，當年“深藍”與卡斯帕羅夫的對局，實際上使用的是人工調整的評估函數，并用特殊設計的硬件和“暴力”的搜索征服了國際象棋級別的復雜度，圍棋則不行。“因為它的搜索太廣，每一步的選擇有幾百而非幾十；也太深，一盤棋有幾百步而非幾十步。”李開復在知乎上如此回答。

此外，圍棋問題與現實生活中的問題相通，國人甚至將下圍棋視為洞悉人性、參悟人生的過程。然而，現在下圍棋的卻是一個機器，意味著這個機器除了擁有超強的記憶能力、邏輯思維能力，還要擁有創造力甚至個性。

“感覺就像一個有血有肉的人在下棋一樣，該棄的地方會棄，該退出的地方退出，非常均衡的一個棋風，真是看不出出自程序之手。”圍棋排名世界第一的柯潔說，AlphaGo有好幾次落子極其“非常規”，許多專業棋手都表示看不懂。而“棋圣”聶衛平甚至表示自己想要對AlphaGo的“驚人一手”脫帽致敬，因為它“用不可思議的下法辟立了圍棋常識之外的新天地”。也就是說，這不是AlphaGo從既往棋局中復制過來的，而是自己創造的戰術打法。

人工智能進入實用階段

實際上，AlphaGo是通過蒙特卡洛樹搜索算法和兩個深度神經網絡合作來完成下棋。在與李世石對陣之前，谷歌首先用人類對弈的近3000萬種走法來訓練AlphaGo的神經網絡，讓它學會預測人類專業棋手怎么落子。然后更進一步，讓AlphaGo自己跟自己下棋，從而又產生規模龐大的全新棋譜。谷歌工程師曾宣稱AlphaGo每天可以嘗試百萬量級的走法。

“它們的任務在于合作‘挑選出那些比較有前途的棋步，拋棄明顯的差棋，從而將計算量控制在計算機可以完成的范圍內。在本質上，這和人類棋手所做的一樣。”中科院自動化研究所博士研究生劉加奇說。

“傳統的棋類軟件一般采用暴力搜索，包括深藍計算機，它是對所有可能結果建立搜索樹，根據需要進行遍歷搜索。這種方法在國際象棋、跳棋等方面還具有一定可實現性，但對于圍棋就無法實現。”中科院自動化研究所研究員易建強說，“ AlphaGo利用深度學習的方法降低了搜索樹的復雜性，搜索空間得到有效降低。比如，策略網絡負責指揮計算機搜索出更像人類高手該落子的位置，而估值網絡負責指揮計算機搜索出后續更有可能獲勝的一個落子位置。”

劉加奇進一步解釋，深度神經網絡最基礎的一個單元就類似人類大腦的神經元，很多層連接起來就好比是人類大腦的神經網絡。AlphaGo的兩個神經網絡“大腦”分別是策略網絡和估值網絡。

“策略網絡主要用來生成落子策略。在下棋的過程中，它不是考慮自己應該怎么下，而是想人類的高手會怎么下。也就是說，它會根據輸入棋盤當前的一個狀態，預測人類下一步棋會下在哪里，提出最符合人類思維的幾種可行的下法。”

然而，策略網絡并不知道自己要下出的這步棋到底下得好還是不好，它只知道這步棋是否跟人類下的一樣，這時就需要估值網絡來發揮作用。

劉加奇說：“估值網絡會為各個可行的下法評估整個盤面的情況，然后給出一個勝率。這些值會反饋到蒙特卡洛樹搜索算法中，通過反復如上過程推演出勝率最高的走法。蒙特卡洛樹搜索算法決定了策略網絡僅會在勝率較高的地方繼續推演，這樣就可以拋棄某些路線，不用一條道算到黑。”

AlphaGo利用這兩個工具來分析局面，判斷每種下子策略的優劣，就像人類棋手會判斷當前局面以及推斷未來的局面一樣。在利用蒙特卡洛樹搜索算法分析了比如未來20步的情況下，就能判斷在哪里下子贏的概率會高。

“奇點”正在臨近？

人工智能越來越近。顯然，它并不會只用來下棋，實際上它正掀起一輪輪產業變革、經濟變革甚至社會變革。

“人工智能將有助于人類解決疾病、醫療、氣候、能源、數據、游戲等多個領域的問題，我們將與各領域最頂級的研究人員合作，促進人工智能與創業、產業領域的有機結合。” AlphaGo開發者德米什·哈薩比斯表示。

哈薩比斯當然不想把人工智能局限于棋盤上，他將目光投向了更為廣闊的世界，力爭開發出可以用于多個領域的通用型學習機器，制造出可以像人類一樣從白紙狀態通過自主學習找到問題解決方案的人工智能。他將這一目標比喻為實現人類登月夢想的“阿波羅計劃”。哈薩比斯還說，未來將開發在任何地方都能使用的通用人工智能。也就是說，從硬件到軟件、從個別商品到系統的統合，這種趨勢將會改變產業和人們的日常生活。

同哈薩比斯一樣，全球頂級企業也將“賭注”壓在了人工智能之上。全球科技商業預言家、暢銷書《失控》作者凱文·凱利認為，未來20年，全球最重要的技術就是人工智能。英國帝國理工學院的人工智能學者馬克·戴森羅克說：“如果人工智能以這種速度發展下去，我們或許在未來10年到20年里就能看到電影《鋼鐵俠》中那個人工智能助手賈維斯。”

韓國《中央日報》的報道稱，人工智能的威力正在進入實用階段，因為像谷歌、IBM、微軟、蘋果、Facebook這種世界級的信息通信技術企業，把與大數據相結合的人工智能技術陸續在醫療、金融、體育、社交網絡領域實現實用化。人工智能技術與制造業的接軌也在變快。有人預測，如果人工智能與無人駕駛汽車接軌，那么將沒有交通事故，保險公司也將無需存在。如果讓人工智能與無人機接軌，毫無疑問這將使得商業化如虎添翼，也將給武器系統帶來影響。

此外，2015年，專注于初創企業的市場調查公司“風險掃描”追蹤分析了全球855家人工智能初創企業，發現這些企業橫跨13個門類，總估值超過87億美元，其中計算機深度學習和視覺圖像識別兩個方向最受投資者青睞。

在科幻電影《超驗駭客》中，約翰尼·德普飾演的科學家因為研發人工智能而被恐怖組織暗殺，臨死之前倉促地將自我意識上傳至電腦。最后，這名科學家成為一個能夠不斷進化的結合生物智慧和人工智能的“超級計算機”。

AlphaGo戰勝李世石之后，人工智能通過自我進化增加智慧已變為現實。搜狗CEO王小川認為，人工智能能做到隨著時間推移變得越來越聰明，正如金庸小說中老頑童讓自己的左手和右手“互搏”，從而練就絕世武功。

“在下棋這個領域，AlphaGo這樣一臺在算法上沒有天花板的機器，將有機會登峰造極。”王小川評價說。

并非所有人都對人工智能抱以樂觀的態度。早在1993年，美國科幻作家弗諾·文奇在《即將到來的技術奇點》一文中寫道：“在未來30年間，我們將有技術手段來創造超人的智慧。不久后，人類的時代將結束。”在他的描述中，所謂“技術奇點”是指在未來的某個時期，當機器達到“強人工智能”時，智商將超過人類，從而對人類社會造成巨大沖擊。

而自稱美國未來學家的庫茲韋爾則在他2005年出版的《奇點臨近》一書中，把“技術奇點”進一步轉述為“奇點理論”。他描述道：“2045年將出現‘奇點時刻，人類文明走到終點，生物人將不復存在，取而代之的是一個叫做‘奇點人的新物種。”

霍金也對人工智能表示極度擔憂：“人工智能開發成功將會是人類歷史上最大的事件。但不幸的是，這可能也會是最后一個大事件。”去年，霍金還與特斯拉創始人伊隆·馬斯克、蘋果計算機共同創辦人史蒂夫·沃茲尼克等數百名頂尖精英發表聯署公開信，表示人工智能對人類生存的威脅更甚于核武器。

霍金認為，特別是高科技軍事裝備的普及，如美軍在戰場上大量使用無人機遠程殺敵，或多或少印證了這種憂慮。

不過，人工智能研究者則認為，這多半屬于杞人憂天。中科院計算所副研究員陳天石表示，AlphaGo雖然展示了非凡的才能，但人工智能不大可能像人們想象的那樣進步神速。早在上世紀八十年代，人工神經網絡的算法基礎就已經基本構建好，但那時處理器的運算能力上不去，使人工神經網絡的威力不能完全發揮。AlphaGo的成功展示了處理器芯片運算能力的進步。

“隨著芯片摩爾定律的終結，處理器芯片的運算能力不再高速增長，人工智能也很可能會進入一個瓶頸。”陳天石說，“我們距離真正的強人工智能還差得很遠，也許五十年，也許一百年或者更久。”（本刊綜合）