谷歌“AlphaGo”和韓國棋手李世石的人機大戰(zhàn)塵埃落定，但人工智能的進(jìn)化之旅才剛剛啟程。人類為何要研究人工智能？人工智能會不會有一天超過人類成為“超級智能”？我們應(yīng)該以什么樣的心態(tài)來看待人工智能的突飛猛進(jìn)？

 

　　“阿爾法狗”用3000萬局“自我對弈”數(shù)據(jù)來訓(xùn)練，靠的是“題海戰(zhàn)術(shù)”

 

　　人機圍棋大戰(zhàn)引人注目，展示了人工智能驚艷的一面。

 

　　阿里云人工智能業(yè)務(wù)總監(jiān)初敏博士認(rèn)為，如果看一下背后的技術(shù)原理，AlphaGo其實也不是那么神秘，本質(zhì)上與約20年前戰(zhàn)勝國際象棋冠軍的“深藍(lán)”計算機一樣，是一個超大規(guī)模的搜索問題。有所不同的是AlphaGo采用了當(dāng)下非常熱門的深度神經(jīng)網(wǎng)絡(luò)，以及深度神經(jīng)網(wǎng)絡(luò)跟蒙特卡洛樹搜索算法的結(jié)合。AlphaGo能成功的秘訣在于強大的計算能力和大量的訓(xùn)練數(shù)據(jù)，互聯(lián)網(wǎng)的普及也把大量圍棋對弈的過程和棋譜電子化了。

 

　　專家介紹說，人工智能的核心是機器學(xué)習(xí)技術(shù)，通過算法使機器能從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律，從而對新的樣本做智能識別或?qū)ξ磥碜鲱A(yù)測。從上世紀(jì)80年代末以來，機器學(xué)習(xí)的發(fā)展大致經(jīng)歷了兩次浪潮：淺層學(xué)習(xí)和深度學(xué)習(xí)。深度學(xué)習(xí)是機器學(xué)習(xí)的一種，本質(zhì)上就是人工神經(jīng)網(wǎng)絡(luò)。它模仿人類大腦行為的神經(jīng)網(wǎng)絡(luò)，更接近于人類的學(xué)習(xí)方式。初敏說，深度神經(jīng)網(wǎng)絡(luò)最初是在語音和圖像兩個領(lǐng)域獲得很大成功，目前正被用于更廣泛的領(lǐng)域。AlphaGo的成功再次證明深度神經(jīng)網(wǎng)絡(luò)強大的學(xué)習(xí)能力。

 

　　浙江大學(xué)計算機科學(xué)與技術(shù)學(xué)院教授蔡登說，AlphaGo用了3000萬局“自我對弈”數(shù)據(jù)來訓(xùn)練，對計算機來說這是一個時間比較短的過程。對人來說，即使每局只要15分鐘，可能也要800多年才能下完。AlphaGo利用了全世界最大的谷歌計算平臺，整合大量芯片處理器的計算能力，進(jìn)行技術(shù)創(chuàng)新、整合和優(yōu)化，從算法創(chuàng)新方面對于計算機圍棋有很大意義，對于廣義的人工智能可能談不上太大創(chuàng)新。不過，在這類策略型游戲或是規(guī)則明確的競賽中，機器終將超越人類。

 

　　蔡登說，人工智能的學(xué)習(xí)方式和人類有很大的區(qū)別。比如一個孩子第一次看到一只狗，告訴他這是一只狗，下一次看到其他的狗時，他就能判斷這也是狗。而目前的人工智能很大程度上還是基于海量數(shù)據(jù)、大樣本的學(xué)習(xí)，屬于“題海戰(zhàn)術(shù)”——它可能要“看”過成千上萬只狗之后，才有辨別的能力。

 

　　互聯(lián)網(wǎng)把人和物都連起來，把所有活動都數(shù)字化，因此“大數(shù)據(jù)+云計算”必然促進(jìn)人工智能高速發(fā)展

 

　　實際上，與公眾對人工智能的各種“腦洞大開”的想象相比，科學(xué)家眼中的人工智能更為具體和現(xiàn)實。

 

　　一般的人工智能被定義為企圖了解智能本質(zhì)，通過模擬、延伸和擴展人類智能，產(chǎn)生具有類人智能的計算系統(tǒng)。經(jīng)過半個多世紀(jì)的努力，在很多領(lǐng)域取得了一連串里程碑式的重要突破。比較著名的包括1997年“深藍(lán)”戰(zhàn)勝國際象棋世界冠軍，2011年IBM超級計算機沃森（Watson）在美國電視答題節(jié)目中戰(zhàn)勝兩位人類冠軍，當(dāng)然也包括此次AlphaGo贏了人類圍棋高手。

 

　　這些人工智能理論與技術(shù)的突破，成為提升傳統(tǒng)產(chǎn)業(yè)、催生新興工業(yè)的重要支撐技術(shù)?；ヂ?lián)網(wǎng)搜索中使用語音搜索已經(jīng)是成熟應(yīng)用，正在研發(fā)中的無人駕駛汽車也通過傳感器實現(xiàn)對環(huán)境信息的理解，依賴精確的地圖來確定位置。

 

　　初敏說，通過計算得到的讓人感受到“智能”的技術(shù)都屬于人工智能的范疇，比如網(wǎng)購時都會體驗到的廣告和智能推薦，在使用智能設(shè)備時會用到人機語音交互、圖像識別、視頻理解等等，都是人工智能的成果。未來會有越來越多人工智能應(yīng)用的場景，包括疾病輔助診斷、智能交通、金融量化分析等等。作為人類智能延伸和輔助的角色，人工智能研究的成果將廣受歡迎，會散布在生活的方方面面。

 

　　人工智能的發(fā)展已是大趨勢。初敏認(rèn)為，互聯(lián)網(wǎng)把人和物都連起來，把所有活動都數(shù)字化。有了這個基礎(chǔ)，“大數(shù)據(jù)+云計算”必然促進(jìn)人工智能技術(shù)進(jìn)入高速發(fā)展階段。這個趨勢今天已經(jīng)非常明顯了，而且正在加速發(fā)展。

 

　　研究人工智能的目標(biāo)不是讓機器完全取代人，更應(yīng)關(guān)注人工智能的“工具”屬性

 

　　過去的二三十年，人工智能已經(jīng)在很多方面超越了人的能力?？茖W(xué)家們致力于用人工智能幫助人類，延伸人的能力。專家認(rèn)為，可以說只要是目標(biāo)明確的任務(wù)，人工智能技術(shù)都很有潛力，但還不能也不需要把人工智能跟“類人智能”等同起來。

 

　　初敏說，近年來人工智能在模仿人類的感知能力方面有了較大突破，在語音識別、圖像識別等問題上有了長足進(jìn)展。但在更復(fù)雜的認(rèn)知層面，例如對于語言和圖像的理解、邏輯推演等方面距離人類還有很大的差距。人工智能之所以會讓部分人感到恐懼，最主要是聯(lián)想起科幻作品里的機器人。科幻往往把機器“擬人化”，而今天已經(jīng)成功應(yīng)用的和大批科學(xué)家致力于研究的人工智能技術(shù)，其目標(biāo)并不在這些方面。

 

　　初敏認(rèn)為，把豐富的人工智能技術(shù)及應(yīng)用跟一個完整的人比較沒有太大意義。我們研究人工智能的目標(biāo)也不是讓機器完全取代人。正如汽車超越了人類的奔跑能力，飛機擴展了人類的飛行能力，今天人工智能已經(jīng)在很多方面超越了人的能力，今后也還會有。但有自主意識、自主情感的機器，今天還沒有出現(xiàn)，是否會出現(xiàn)也是個未知數(shù)。

 

　　蔡登說，人工智能將來是否會像科幻電影中那樣，自我進(jìn)化掌管世界，應(yīng)當(dāng)還比較遙遠(yuǎn)。我們更關(guān)心的是人工智能的“工具”屬性，可以大大延伸人的能力，解放人類的勞動力，成為人類很好的“幫手”。就像人類制造了飛機和汽車，但你不必?fù)?dān)心未來它們會威脅到你。

 

　　微軟全球執(zhí)行副總裁沈向洋認(rèn)為，關(guān)于人類將會受到“超級智能”的控制，這樣的擔(dān)心也很正常。每個歷史階段，每一次很了不起的新技術(shù)出現(xiàn)的時候，都會產(chǎn)生這些擔(dān)心。但從歷史上來看，新的技術(shù)出現(xiàn)，起到的是補充人類自身技能的作用。

 

　　人工智能還無法突破認(rèn)知和情感，需要向生物智能“取經(jīng)”

 

　　盡管人工智能并不刻意追求和人類完全一樣的智能，但人工智能的發(fā)展毫無疑問能讓機器擁有更高的智能化水平。

 

　　科學(xué)家比較一致的觀點是，經(jīng)過60多年的研究，人工智能有突破，但在復(fù)雜環(huán)境中如何實現(xiàn)機器智能仍然缺少有效答案?，F(xiàn)有人工智能模型與方法的突出特點是擅長處理簡單環(huán)境中的特定問題，而面對復(fù)雜環(huán)境的通用問題缺乏有效解決辦法。就模擬人類思維過程和智能行為這兩個具有標(biāo)桿意義的智能屬性而言，仍然缺乏突破性的成果。

 

　　沈向洋認(rèn)為，從操縱到感知到認(rèn)知，我們遠(yuǎn)遠(yuǎn)沒有想清楚人工智能是怎么一回事。深度學(xué)習(xí)很了不起，它使語音識別率、計算機視覺識別的誤差率在很短的時間內(nèi)大幅下降。但目前機器對自然語言的了解，并沒有因為深度學(xué)習(xí)的發(fā)展而產(chǎn)生飛躍性的進(jìn)步。

 

　　人工智能未來的發(fā)展，在感知這個層面會有飛速進(jìn)展，而在認(rèn)知和情感這塊還有很長的路要走。沈向洋說，短期內(nèi)人工智能的突破可能是在“集體智能“，也就是把人類的一些智能通過大數(shù)據(jù)的方式收集起來，然后用幾百萬臺、幾千萬臺機器的運算能力和很好的算法，創(chuàng)造“集體智能”的突破和應(yīng)用。

 

　　實際上，人工智能所面臨的挑戰(zhàn)非常“微妙”，例如機器與用戶交談時能否像人類一樣流暢、有節(jié)奏，能不能像人一樣微笑、反應(yīng)、眨眼，并實現(xiàn)細(xì)微的面部表情，最終實現(xiàn)自然流暢的互動對話。這些都是人工智能需要實現(xiàn)的目標(biāo)。

 

　　在研究者們煞費苦心研發(fā)各種功能的傳感器配備給機器時，生物自身“傳感器”的能耐吸引了科學(xué)家的注意。生物的眼睛能識別電磁波，耳朵能識別空氣震動，神經(jīng)系統(tǒng)能夠根據(jù)波長和強度瞬間轉(zhuǎn)化為視覺和聽覺，能瞬間把不同波長的電磁波感知為不同的顏色，能把空氣震動感知轉(zhuǎn)換為語言；生物大腦還能瞬間估算出自己重心的位置和腳的著力點，保證自己能夠站立、行走、跳躍。

 

　　人工智能的研究人員因此很早就開始從腦科學(xué)研究中尋找思路，近幾年也提出了創(chuàng)造生物智能與機器智能優(yōu)勢互補的混合智能系統(tǒng)。

 

　　蔡登說，所以有深度學(xué)習(xí)專家開玩笑說：“我們努力想讓機器變得稍微聰明一點，但他們還是有點笨。”