20年前“深藍”的勝利如何影響了今天的生活？

吳華

歷史性的對決

1997年5月11日與IBM“深藍”的最后一盤比賽中，加里·卡斯帕羅夫認輸了，成為首個在傳統比賽中被計算機擊敗的世界冠軍。

1997年5月11日，美國IBM公司研制的并行計算機“深藍”擊敗了雄踞世界棋王寶座12年之久的卡斯帕羅夫

“當我成為國際象棋世界冠軍時，計算機剛剛達到了世界冠軍的水平。這是我的幸運，也是我的不幸。”20年后這位象棋大師回憶說。在經歷了短暫的沮喪后，卡斯帕羅夫并沒有陷入“人類的挫敗感”中。恰恰相反，他始終堅信：“智能機器帶來了變革，但并不是對人類的威脅，而是巨大的福利。這給我們帶來了無窮的機會，能拓展我們的能力，改善我們的生活。”

20年前那個重達1.4噸的“深藍”是專門為國際象棋對弈而設計的硬件。需要強調的是，那時的“深藍”不是自己“學”出來的，而是被“教”出來的：IBM的程序員從國際象棋大師喬爾·本杰明（Joel Benjamin）、米格爾·伊列斯卡斯（Miguel Illescas）、約翰·奧多羅維奇（John Fedorowicz）和尼克·德菲米亞（Nick de Firmian）等那里獲得信息，向它輸入了100年來所有國際象棋大師幾十萬局棋的開局和殘局下法，提煉出特定的規則，再通過編程灌輸給它。它的大部分邏輯是以“象棋芯片”的形式用硬件電路的方式實現的，核心算法叫“暴力窮舉”。也就是說，它會生成所有可能的走法，然后執行盡可能深的搜索，不斷對局面進行評估，找出最佳走法。“深藍”以無窮無盡的計算能力彌補了自己不能進行真正思考的缺陷——計算速度每秒超過2億步。這也是那時候科學家們在設計“深藍”時的觀點，即計算機不必模仿人類的思維。雖然計算機與人的大腦思維有著相似的基本要素，是記憶、評估和計算的結合，但象棋大師主要運用經驗思考最相關的因素，機器卻能把所有可能的走法都思考一遍，每一步都計算得更深。

“聰明”的機器

2016年，AlphaGo戰勝了世界圍棋冠軍后，DeepMind創始人杰米斯·哈薩比斯把“深藍”比作在某一領域發揮特長的“狹義人工智能”，把AlphaGo比作“通用學習機”——后者可以從原始數據進行學習，且可以尋找到用于不同的任務和領域的不同算法。但實際上，“深藍”在IBM一手打造的人工智能時代，也已經成了一個里程碑式的節點。作為“深藍”的后續產品，IBM開發的新型人工智能技術平臺——Watson已經替代了“深藍”。

與“深藍”不同，Watson可以自己學習，而且能夠通過深度神經網絡模仿人類的決策和價值判斷。

2011年，IBM建立了一個由90臺服務器、360個計算機芯片和15TB存儲器組成的計算機系統，其容量足以存儲美國國會圖書館的所有藏書——這就是Watson，一位饑渴的學習者，它每秒能消化相當于1萬冊圖書的知識。Watson就像一個初生的嬰兒，沒有任何內在的智慧，但卻能像人一樣進行學習。

“Watson之父”約翰·凱利和他的團隊用了5年時間教Watson學會了人類的語言，又用維基百科的所有條目和無數的報紙和書籍訓練它，這使得Watson不僅具備了人類自然語言的理解能力，還有了語義分析能力。2011年，Watson在電視智力競賽“危險邊緣！”節目中用人類的語言戰勝了前兩屆冠軍，完成了自己從“嬰兒期”到“青春期”的轉變。

在贏得“危險邊緣！”的冠軍后至今的幾年中Watson又做了什么？答案是它告別了游戲時代，正式進入了商業應用領域。

以醫學為例，在癌癥研究領域，通常醫學界每天發表的研究論文和實驗數據多達8000種，沒有人能夠做到每天閱讀這么多論文，研究者拿出某個病癥的治療方案通常要晚于提出病癥一兩年。但Watson強大的學習能力可以彌補這個“時間差”：Watson用大約一個星期的時間學習完全部醫學文獻，再用一個星期讀完2500萬篇論文，通過分析上萬張癌腫瘤的掃描圖像學會了讀圖，同時掃描一個癌癥研究中心臨床試驗的全部網頁，它與其他癌癥專家一起參加分子腫瘤會議，Watson不僅能從1萬名現實患者的治療案例中找出99%的與人類專家的發現相同的信息，還能在30%的病例中發現被醫生們忽略的信息。即使如此IBM的團隊依然表示Watson目前在這個領域的潛能可能僅僅發揮了一兩成，要想達到設定的目標，它還需要繼續學習。

自“深藍”將“人工智能”變成了一個公眾領域的詞語以后，IT巨頭們在人工智能的發展方向上存在著不同的選擇。IBM商業計算機的基因，決定了它最終選擇了延伸企業用戶的個性。早在IBM前總裁路易斯·郭士納主導的轉型過程中，IBM就將咨詢作為核心業務發展，對行業的深度理解成為其最大的競爭優勢。盡管一部分消費者已經看到谷歌Home或亞馬遜Echo，但IBM的優勢是在那些垂直和專業領域，這是兩種不同的人工智能設計思路。

2016年被稱為“人工智能元年”。智能設備、移動互聯網和物聯網都使人類數據的總量呈指數速度增長。這聽起來似乎很抽象，形象的比喻是，據預測，到2020年全球每人每天將產生約2.4GB的數據，也就是每人每月產生的數據可以填滿一部64GB的iPhone手機，這其中80%都將是非確定性、非結構化數據。

上圖：2011 年1月13 日，使用IBM POWER7 的Watson 計算機參加“危險邊緣！”電視智力競賽，對手是拿下該節目最高累積獎金的布萊德· 拉蒂和肯· 詹寧斯， 這是Watson 與他們進行第一次人機比賽

人機同行的時代

就在“深藍”戰勝卡斯帕羅夫的前一年，尼葛洛龐帝出版了影響深遠的著作《數字化生存》。他宣稱，“信息的DNA”正在迅速取代原子成為人類生活中的基本交換物，我們未來會和電腦一起交談、旅行、協同工作。信息不再被“推給”消費者，相反，人們或他們的“數字勤務員”將把他們所需要的信息“拿過來”并參與到創造它們的活動中。人工智能大大加速了數字化生存的進程。

下圖：2016年5月10日，IBM Watson的首席安全架構師杰伯·林頓向馬里蘭大學巴爾的摩分校的學生麗莎·馬修斯展示如何讓IBM Watson“學習”安全語言

很多人說，我們所處的時代正是最好的時代，也是最壞的時代。好的方面在于我們比過去的任何時代都容易獲取信息;而壞的方面，也正是龐大的信息正在擠爆我們有限的眼球和大腦。

這些龐大的信息意味著什么？或許對人來說，信息是不可見的，但對于人工智能來說，信息即情緒，信息是聯系起計算機和人的媒介——也正是形形色色的數據構成了我們每一個人的生活。1950年，當阿蘭·圖靈第一次提出“機器思維”時，一部分人還覺得那只是天方夜譚，另一部分人則認為思考機器的出現將會是對人類自身存在的挑戰。

科學在不安中前進，也在前進之路上逐漸摸清了自己的發展方向，僅僅不到半個世紀的時間，人工智能的出現就把理論拉進了現實，但它們滲透進我們的生活，目的是讓人們現有的生活變得更健康、更便利、更有可持續性。在不久的將來，我們將在生活的方方面面親歷人工智能帶來的改變，不僅是醫療、金融和社會服務，甚至還有藝術、文化和情感溝通。

當我們苦于無法向醫生描述還不會說話的小寶寶的病情時，人工智能會通過分析孩子長期的身體信息，準確判斷病情;當我們糾結于結婚紀念日前不知道該送點什么新鮮的驚喜給愛人時，人工智能會根據個性偏好，制定出一份專屬禮物;甚至在人工智能的幫助下，我們能提前對某地區的自然災害做出預警，留出足夠的時間疏散居民，最大限度地降低人員和經濟損失。

這一切都是我們正在經歷的歷史。未來人工智能將把人類從瑣碎中拯救出來，我們可以更多地關注內心，提升幸福感。但人類如何與另一種“智能”相處，則成為文明進程的新問題。這是通往奴役之路，還是自由之路？

技術打開了一扇門，命運應該掌握在我們手中。