神刀安全网

李世石输给AlphaGo的三点专业解释

随着李世石的两次投子认输,这场围棋人机大战的结果已经是谷歌的AlphaGo领先了,而且是干脆利落的2:0。当这一结果出来时,全世界都目瞪口呆。

这场世纪大战,吸引了超乎想象的关注度,也引发了足够多的讨论。因为这里有足够多的噱头:人机大战、“人类智慧最后一块高地——围棋”、机器人、人工智能、人类的恐慌……于是,我们的社交媒体都被这场大战占领了。

好赌是人类的天性之一,竞猜比赛结果就成为茶余饭后的谈资。极端者有两派,认为李世石会完胜的主要来自围棋界,认为机器人会完胜的主要来自科技界里的技术派。没那么极端有分为这么几个门派:长远派,代表人物是李开复,认为这次AlphaGo可能悬,但长远趋势一定是AlphaGo胜利;恐慌派,对机器人为代表的新技术有莫名的恐慌,希望李世石能够以3:2之类的比分获胜;伪技术派,对AI一知半解,甚至连“引力波”这样的东东都拉扯上,希望AlphaGo能够以3:2之类的比分获胜……

我这两年重点也在研究人工智能,加之发表了一些文章和观点,几个月前也出版了一本相关著作《智能爆炸:开启智人新时代》,因此也有不少媒体朋友采访我。月初也专门写了一篇文章,标题就很直观表达了我的预测结果——“围棋人机大战,机器获胜毫无悬念”。

即使乐观如我,当赛果出来时,还是让我有点小惊诧,事件的发展比我的想象还要乐观,技术的发展也超出了我的想象。

下面来分析下其中的原因,李世石真的毫无悬念的输给了AlphaGo,到底是什么造成的:

1、机器的深度学习能力,可以让棋艺突发猛进

李世石输给AlphaGo的三点专业解释

开赛前,中国的围棋高手古力接受采访时曾如此预测,他认为几个月前AlphaGo战胜欧洲冠军时,展现出来的只是一个专业初段的水平,而李世石可是专业九段顶级高手,几个月内,从初段提升到九段水平,古力认为完全不可能。

古力的说法是对的,也是错的。对于人类,这当然不可能;对于机器,这就有了可能性。其中的原因就是,机器会深-度-学-习。

深度学习的“技术路线”是模拟人类大脑神经网络的工作原理,将输出的信号通过多层处理,将底层特征抽象为高层类别,它的目标是更有效率、更精确地处理信息。深度学习自2006年由Geoffrey Hinton教授和他的两个学生被提出后,使得机器学习有了突破性的进展,极大地推动了人工智能水平的提升。2013 年,《麻省理工技术评论》把它列入年度十大技术突破之一。

人脑具有一个深度结构,认知过程是逐步进行,逐层抽象的,能够层次化地组织思想和概念。深度学习之所以有如此大的作用,正是因为它较好地模拟了人脑这种“分层”和“抽象”的认知和思考方式。

深度学习的实质,是通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性。因此,“深度模型”是手段,“特征学习”是目的。区别于传统的浅层学习,深度学习的不同在于:(1)、强调了模型结构的深度,通常有5层、6层,甚至10多层的隐层节点;(2)、明确突出了特征学习的重要性,也就是说,通过逐层特征变换,将样本在原空间的特征表示变换到一个新特征空间,从而使分类或预测更加容易。与人工规则构造特征的方法相比,利用大数据来学习特征,更能够刻画数据的丰富内在信息。

深度学习使得人工智能在几个主要领域都获得了突破性进展:在语音识别领域,深度学习用深层模型替换声学模型中的混合高斯模型(Gaussian Mixture Model, GMM),获得了相对30%左右的错误率降低;在图像识别领域,通过构造深度卷积神经网络(CNN),将Top5错误率由26%大幅降低至15%,又通过加大加深网络结构,进一步降低到11%;在自然语言处理领域,深度学习基本获得了与其他方法水平相当的结果,但可以免去繁琐的特征提取步骤。可以说到目前为止,深度学习是最接近人类大脑的智能学习方法。

深度学习引爆了一场革命,将人工智能带上了一个新的台阶,将对一大批产品和服务产生深远影响。

应该说,深度学习是谷歌有底气在战胜欧洲冠军几个月后,就敢来挑战世界冠军李世石的底气所在。

2、超常的计算能力,遇强则更强

李世石输给AlphaGo的三点专业解释

可以说,没有哪一项技术的发展速度之快能像计算机技术那样令人惊讶。根据雷库兹韦尔的观点,从计算机发明至今,计算机性能指数和性价比指数一直呈指数级增长,且先后历经了五种范式——机电、继电器、真空管、离散晶体管和集成电路。著名的摩尔定律也得益于技术精进和范式转换,得以一直延续至今,其生命力也可能随着纳米技术和材料技术的发展延续到21世纪中叶。

“集成电路芯片上所集成的电路的数目,每隔18个月就翻一倍。”作为英特尔公司创始人之一的戈登·摩尔,在50年前提出这一论断时,显然没有意识到自己这一略显武断的结论将对人类进步产生多么巨大的影响。尽管在此后的一段时间内,他不断修正这一论断,使它不像数学定律那样可靠,但这一定律仍揭示了一个重要趋势——芯片技术、计算机技术乃至人类科技文明都在呈指数级加速增长。相比于预测未来的未来学意义,摩尔定律的现实意义更在于它的乐观主义精神——它使人类(至少是一大部分人)义无反顾的将全部筹码倾注于现在看起来毫无意义、毫无进展的领域之上——比如曾经的人工智能技术。

典型代表可能就是量子计算机。2012年诺贝尔物理学奖得主、法国科学家Haroche在其诺贝尔获奖演讲说:“量子计算机看起来是一个乌托邦。” 量子比特恰似那只将人折磨得死去活来的薛定谔的猫,捉摸不定又令人伤透脑筋。同纳米管计算一样,量子计算机面临的更多的是工程问题而非理论问题。当然,工程难题又需要另一套理论去解决,但当前的科学界已出现越来越多这样的节点——工程实践与科学实验跟不上理论创新的步伐。我们期待着技术发展的积累与突破,能为计算机技术提供新的范式,能令智能体具备更聪明的“大脑”,从而给我们的生活带来更大的惊喜与变革。

回到AlphaGo身上,这种计算能力可能让它遇到初段选手时,发挥出来的可能也就是初段的水平,遇到九段选手时,也能发挥出九段的水平。一言以蔽之,就是遇强则强。

3、“三体人”式的思维交流

李世石输给AlphaGo的三点专业解释

“三体人”是著名科幻作家刘慈欣作品《三体》中的一个种群,形状不明,以水生存,用思维交流。由于长期生活在恶劣环境中,该物种进化出了可脱水休眠、经浸泡再复苏的功能。三体人思维的透明和地球人思维的不透明造成的冲突是推动《三体》一书情节发展的引擎。

我认为,“智人”的进化方向可能三体人,至少在思维方式上是如此。随着脑逆向工程和神经传感技术发展,人类的意识将可以摆脱肉体束缚直接与其他“智人”(包括人类、半机器人、机器人)进行交流。这意味着,人类有可能变成“三体人”那样,能够进行直接的思维交流。思维无疑是人类智能中最深奥的一部分,人类历史长河中出现的各种文明可以说都是思维的产物。一旦我们具有了“三体人”的透明思维,“人心难懂”的问题将得到解决。

由此看来,人工智能由弱到强的转变,从思维进化角度来说就是机器从无思维到有思维、再到有自主思维、继而到与人类共享思维,最会可能到控制人类思维的持续转变。

在围棋这种复杂的智力游戏中,如果没有很好的思维,只是简单的大数据,可能真的无法战胜李世石这样的高手。

当然,这次的人机大战,除了AlphaGo的超常发挥,应该还有李世石自身的原因。比如李世石惧怕AlphaGo的大数据,下出一些特殊的棋路等,反而影响了自己的发挥。再比如李世石没有很好控制好自己的情绪波动,就算当年他的前辈李昌镐有“石佛”之称,毕竟还是血肉之躯,无法不受情绪干扰。而对于AlphaGo来说,李世石的这些缺点,也正是自己的优点。

转载本站任何文章请注明:转载至神刀安全网,谢谢神刀安全网 » 李世石输给AlphaGo的三点专业解释

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
分享按钮