再過五年人工智能“真沒意思“

尼克·里格比

美國硅谷人工智能研究所創始人、硅谷精神領袖皮埃羅·斯加魯菲表示，去年人工智能領域取得了一些成就和突破，在過去的12～18個月里，我們知道了第一位死于自動駕駛車輛的人，也看到了微軟人工聊天機器人因為發表了不正確言論而下線，還有一個安保機器人在購物中心碾過幼兒。兩場在機器人方面很重要的足球比賽，DAPPA組織機器人比賽。還有兩場舉世矚目的圍棋“人機大戰”，并伴隨著AlphaGo宣布不再挑戰人類……

人工智能討論熱度達到峰值

三個名字七盤棋讓人工智能討論熱度達到峰值。

AlphaGo又叫阿爾法圍棋，是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智能程序，由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領銜的團隊開發。其主要工作原理是“深度學習”。

2016年3月，阿爾法圍棋與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4：1的總比分獲勝；2016年末2017年初，該程序在中國棋類網站上以“大師”為注冊帳號與中日韓數十位圍棋高手進行快棋對決，連續60局無一敗績；2017年5月，它與排名世界第一的世界圍棋冠軍柯潔對戰，以3：0的總比分獲勝。圍棋界公認阿爾法圍棋的棋力已經超過人類職業圍棋頂尖水平，在GoRatings網站公布的世界職業圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。

2017年5月27日，在柯潔與阿爾法圍棋的人機大戰之后，阿爾法圍棋團隊宣布阿爾法圍棋將不再參加挑戰人類的圍棋比賽。

李世石，韓國著名圍棋棋手，世界頂級圍棋棋手，2003年7月獲第16屆富士通杯冠軍后直接升為九段。2006、2007、2008年連續三年獲得韓國圍棋大獎——最優秀棋手大獎。他的棋風可以用“穩、準、狠”來形容，經常能在劣勢下完成逆轉。2016年李世石輸給了阿爾法圍棋，他也成為了唯一獲勝過的人類棋手。

柯潔，中國圍棋職業九段棋手。從2014年8月開始，柯潔在gorating世界圍棋等級分排名中，一直高居人類世界第一。世界圍棋史上最年輕的四冠王，圍棋等級分排名世界第一。2017年5月23日～27日，對戰阿爾法圍棋三盤棋全敗，其中第二局，被機器評定表現完美。

接近“瘋狂”的人工智能與人類智慧的挑戰，以人工智能退出而告一段落，不管是李世石的賽后“大醉”還是柯潔長達半小時的熱淚，普通人對人工智能的探索才剛剛開始。

人工智能的最初

1955年的時候是人工智能的發源，后來分成兩個學派：一是模擬大腦結構的神經網絡；二是使用數理邏輯模擬人類思維以知識為基礎的方法。在很長的時間內，很多專家更多還是看重第一個學派。

現在有這樣一些因素影響到了AI的發展：

第一，計算機處理器越來越快，而且越來越便宜、越來越小，這是一個很大的變化。

第二，神經元網絡之前由于受到電腦的芯片的限制，還不能夠完全的實現。希望大家能夠認識到，這里牽扯到很多的數學、運算，神經網絡變的越來越復雜，牽扯到越來越多的數字、數學，也就說這個算法基本上能夠做到任何事情。1989年第一次把反向傳播算法用在轉基因神經網絡，還有長短數據模型的成立。

近五年人工智能的巨變

人工智能的巨變的五年（2012～2017年），討論更多的是關于機器人，專業專有名詞非常復雜，但是人工智能的科學家，可以說他們在取名字的時候都非常笨，把專有名詞搞的非常復雜和難以理解。

“強化學習”。在強化學習方面有一個非常有名的英國的實驗室，現在被谷歌收購了，大家知道計算機的圍棋開始在2009年的時候開始有了一些機器戰勝人類棋手的故事出現了。當谷歌開始進入這個行業，大家都開始討論這個行業了，大家知道AlphaGo戰勝了世界冠軍李世石和柯潔。今天，強化學習是AI或者人工智能方面最重要的核心技術。

“遞歸神經網絡”。大家可以使用這個技術參測文本里下一個詞，特別是實用或者落地的一個應用就是我們說的機器翻譯。因為圖像識別也是一個翻譯的過程，把圖像翻譯成文字，當然這只是一個非常簡單的說法，整個過程沒有那么簡單。所謂的翻譯過程曾經我們認為是非常難的領域。

“生成對抗網絡”。關于這個技術的論壇是2014年第一次出現，2015年有一些修改，過去幾個月當中，我們出現了一些非常令人驚訝的結果，有兩種網絡：一是好的神經網絡；二是壞的神經網絡。好的和壞的神經網絡是相互對抗的，好的神經網絡希望創造一種圖像，而所謂的壞的神經網絡是希望能夠產生一些干擾。

“自動機器學習”。科學家們認為，為什么我們不開發機器，這個機器可以學習如何進行機器學習，為了機器學習而開發出來的機器，因此可以自動進行學習，自動開發一個神經網絡，不需要人腦開發神經網絡，機器就會幫助我設計一個神經網絡的構架，因此我不需要做那么復雜的事情，只需要用機器完成復雜的架構工作就可以了。

未來10個趨勢

你想成為那個創造人工智能的人還是被人工智能重塑的人，現實情況是什么？我們會把環境結構化，使機器更好的運行。比如辨別一只貓，但是辨別一只貓是隨便可以做的事情。阿爾法狗這個團隊研發機器人做這件事情需要440多瓦時電量，而你的大腦用20瓦時就可以了。把大數據庫或者深度學習放在一個更大的語境下，有人創造了一個非常大的70萬局圍棋比賽數據庫，深藍打敗了這個70萬局圍棋大師，最終大數據整個發展的沿革是到2017年戰勝人類圍棋冠軍。

未來并沒有專家把人工智能放在排名第一的顛覆性科技排行中，其他的科技更有顛覆性。

但人工智能未來10個趨勢值得關注：

1.人工智能聊天機器人

軟件程序能夠理解自然語言，并通過消息傳遞服務或電子郵件與人溝通。根據IBM的統計，65%的千禧一代（Millennials，出生于20世紀八九十年代）喜歡與機器人進行交流而不是與現場助理交談。

2.應用開發

許多企業正在將人工智能和深度學習功能集成到他們的Web應用、移動應用和內部的企業應用中。人工智能正在發展推薦引擎、安排會議、排定待辦事項列表、在大數據中查找隱藏的價值的一系列功能等等。

3.智能物件

現有的物聯網設備將使智能物聯網人工智能的功能無處不在，包括家庭、辦公室、工廠車間和醫療設施。下一代健身追蹤器不僅可以監控您的健康信息，還可能具有機器學習和分析功能，使它們能夠根據您的個人健康史和過去的追蹤器數據提出改善健康的建議。

4.醫學研究

人工智能的最熱門領域之一是醫療健康行業。在未來五年內，包括藥物研究和發現以及診斷和治療系統的使用案例將獲得最大的發展。

5.生物模型

麻省理工學院和谷歌最近都被報道在創建與人類大腦功能相似的神經網絡，這個領域的研究可能會持續一段時間。未來學家Ray Kurzweil甚至預測到2030年，我們將能夠合并人類的大腦和計算機網絡，創造一種混合形式的人工智能。

6.人工智能硬件

人工智能自動駕駛車輛、機器人和無人機。IDC預測，AI硬件收入將在未來五年內以超過60%的復合年增長率（CAGR）增長。而波士頓咨詢公司估計，到2025年，自動駕駛車輛的市場價值可能達到420億美元。

7.人工智能創業

許多大型科技公司，搶購很多小的人工智能創業公司。期待這種趨勢在2017年持續，并為創業公司吸引更多的風險資本。

8.人工智能勞動力影響

通過估計，16%的美國工人將被人工智能系統取代，并且人工智能可以創造相當于勞動力9%的新工作。可以看到辦公室人員的可用職位大幅減少，而數據科學家、自動化專家和機器人監控專業人士可以看到更多的工作機會。

9.反對力量

人工智能開始接管一些人類工作，似乎很可能遭到一些流離失所的工人的反對，這可能會有政治影響。認知專家顧問、機器學習和自動駕駛車輛定位為“膨脹預期的頂峰”附近，這意味著人工智能的幾個領域可能會在不久的未來進入失望階段。

10.改進的預測能力

人工智能已經產生影響的一個領域是提高預測能力。在許多方面，向人工智能的轉變是調查和研究向大數據分析的自然演變，并且對于已經看到使用其他類型分析工具的價值的組織來說，基于機器學習的預測分析自然是下一步。？笏（本刊綜合整理）（編輯/寧良凌）