從人機大戰談人工智能

何永華　朱衛綱　唐曉婧

【摘 要】本文主要從圍棋人機大戰中AlphaGo的表現談起，尤其是被贊為“神之一手”的稱其有“吳清源”之風的“黑37”步棋，可能包含了無窮無盡的計算、判斷與預謀。AlphaGo的勝利，讓如今已經很火的深度學習益發成為人工智能領域的焦點，昭示了未來幾年人工智能很可能會以超出我們想象的速度發展，也許能夠勝任更多人類智力所不及的任務。但是，人工智能在某種程度上來說，也許并不在它的創造者的控制范圍內，出于失控的風險考慮，是否有一些人工智能從一開始就不應該被發明出來？

【關鍵詞】李世石；AlphaGo；人工智能

在今年三月份這場歷史性的圍棋人機（李世石和AlphaGo）大戰中，世人的目光都集中在李世石和AlphaGo身上——一個是當世最偉大的圍棋手，一個是全世界最好的人工智能專家花了兩年時間開發出來的強大的自學習系統。

縱觀韓國圍棋界，李世石是繼獨步天下的李昌鎬之后，韓國最具代表性的棋手，自2002年加冕富士通杯以來，10年時間里他共獲得14個世界冠軍，數量僅次于李昌鎬的17個。

比賽結果是李世石1：4落后于AlphaGo。在這場舉世矚目的人機大戰中，很多人折服于AlphaGo的精準、聰明和大局意識。人們問AlphaGo為什么如此厲害，工程師給出的答案是它有“兩個大腦”；一個輸入了3000萬盤人類頂級棋手對弈數據，通過“自我對戰”來進行增強學習，改善此前的決策網絡；另一個通過價值網絡來進行整體局面判斷，決策網絡與價值網絡協作決定落子位置。

關于這場萬眾矚目的世紀大戰，賽前最大的懸念，也是構成比賽最大的魅力之一就是，賽前沒有人、連谷歌DeepMind的工程師都不知道AlphaGo的棋力到了什么水平。即使比賽之后，人們仍然搞不清楚AlphaGo的棋力到底到了什么水平，以及他能夠達到什么水平。

大家記憶中應該還深刻記得，最為意味深遠的一幕是在第二局，AlphaGo在下第37手棋時，突然從右下角的戰役中離開，跑到右上側開闊的疆域作戰。當時現場解說員邁克。西蒙（西方唯一的圍棋九段職業棋手）吃了一驚，說：“這一著很怪。”另一個顯然水平比較差的解說員附和著笑了一下，不經意的說：“也許是機器又犯傻了”。但李世石看到此棋一落，突然一言不發，面無表情的出去了，回來以后喝了一口咖啡，陷入了漫長的15分鐘沉思。還記得李世石在賽前宣稱自己將以5：0全勝。他相信下圍棋這件事情里面有一些東西是機器不可能模仿的。作為人類代表，他發誓要守護圍棋之美。但事實上，從第二局開始，形勢已經發生了驚人的逆轉。在此之前，是AlphaGo挑戰李世石，但在此之后，已經是李世石在挑戰AlphaGo了。10秒鐘后，AlphaGo下的那一顆看似與之前的棋子毫無關聯的黑棋，奇跡般的以燕尾之勢與它之前的18顆黑子相聯合。在圍棋職業棋手們事后的不斷回味中，AlphaGo的這步棋（黑37）被人贊為“神之一手”，其中似乎包含了無窮無盡的計算、判斷與預謀，現場解說員甚至稱其有“吳清源”之風。

AlphaGo的技術框架采用的是模仿人類大腦神經的模式，通過深度學習把人工神經網絡的層級大大增加，提升了計算能力。AlphaGo的勝利，讓如今已經很火的深度學習益發成為人工智能領域的焦點。

簡單地說，人工神經網絡是一種從信息處理角度對人腦神經元網絡進行抽象，按不同的連接方式組成不同網絡的算法數學模型。它由一層一層的神經元構成，層數越多就越深。而所謂深度學習就是用多層神經元構成的神經網絡，以達到機器學習的功能。這些多層的電腦網絡像人類大腦一樣，可以收集信息，并基于收集到的信息產生相應的行為，也就是“認識”事物，并做出行動。

按照谷歌DeepMind的聯合創始人德米斯.哈薩比斯賽前的說法，這也是創造AlphaGo出來的初衷：讓機器學會像人類一樣學習。

到目前為止，人類仍然是這個星球上最擅長學習的物種——李世石可以在四盤棋局里不斷調整策略，并成功找到AlphaGo的弱點，而AlphaGo在此期間卻沒有任何辦法做任何調整，因為機器學習需要龐大的數據和漫長的訓練時間，單棋局的經驗對它來說毫無意義。很多人以為AlphaGo能從與李世石的對決中學到很多東西，其實幾盤棋根本無法對AlphaGo產生作用，它至少需要上千個棋局的數據和一個多月的時間，才能訓練出新的版本出來。

AlphaGo的勝利昭示了未來幾年人工智能很可能會以超出我們想象的速度發展。我們對李世石的感同身受，恐怕就是因為多少嗅到了其中危險與刺激的氣息。

在那個瞬息萬變的棋盤上，作為過去10年公認的全球最優秀的圍棋手，李世石不僅在代表人類與機器進行一場智力上的對決，而且也在代表我們第一次“探訪”一個全新的世界——一個機器智慧與人類智慧共存，甚至在某些層面超出人類控制的世界。人類曾經在小說與電影中無數次想象過這個世界，其中有憧憬，也有噩夢，但從沒想過它會來的這么快。

在此之前，我們恐怕從來沒有把“人工智能”這件事情當真過。是的，機器曾經在很多智力游戲上打敗過人類，跳棋、國際象棋、拼字游戲、智力問答……但一直以來，在一切創造性領域，機器的智慧與人類相比仍然不值一提。但是，AlphaGo這一次是在人類最引以為自豪、代表著人類某種最該智慧形式的圍棋上打敗了人類。

在三天的觀賽期間，德米斯.哈薩比斯不止一次對AlphaGo的精妙棋法表示“驚奇”。他的“驚奇”可以從以下兩個方面來解讀：

一方面，AlphaGo的學習與決策能力如此之高，意味著它可以為人類所用，幫助人類棋手在圍棋上達到更高的境界，開拓出更多的可能性，甚至勝任更多人類智力所不及的任務，比如氣候變化、藥物研發、金融系統、疾病診斷……等等。

但另一方面，哈薩比斯的“驚奇”也暗示了AlphaGo在某種程度上不在它的創造者的控制之內。這樣的失控在棋盤上固然無關緊要，但一旦應用到現實世界，必然會引發道德與倫理上的問題。比如：當AlphaGo的未來版本為我們開車，診斷疾病甚至防止犯罪時，我們應該給它們多大的權限？我們應該如何在如此復雜的人工智能里嵌入人類控制？出于失控的風險考慮，是否有一些人工智能從一開始就不應該被發明出來？

【參考文獻】

[1]陳賽.我們的對手是未知還是自己[J]. 三聯生活周刊，2016（12）：34.

[2]陳賽.AlphaGo到底有多聰明[J].三聯生活周刊，2016（12）：37.

[3]李翊.李世石和一代代棋人[J].三聯生活周刊，2016（12）：50.

[4]曹玲.AlphaGo背后：深度學習的勝利[J].三聯生活周刊，2016（12）：61.