|
記者 黃海華 這是一場沒有懸念的比賽。5月27日，中國棋手柯潔與人工智能AlphaGo展開三番棋比賽的終局對決。歷經(jīng)3個多小時對弈后，柯潔投子認輸。至此，柯潔連輸三局完敗。 這場比賽在很多人看來，在科學價值層面已失去看點。因為，人類在某些方面不如人工智能早已不新鮮，倒是未來人工智能發(fā)展中的新挑戰(zhàn)也許更值得關(guān)注。 人工智能有哪些問題需要解決？未來發(fā)展趨勢如何？記者專訪了中國科學院院士、清華大學教授張鈸，探尋人工智能接下來的種種可能。 人工智能為何近些年大顯身手 人工智能（Artificial Intelligence），英文縮寫為AI。從1956年的美國達特茅斯會議算起，明確提出人工智能的概念并開始科學與技術(shù)的研究已有61年。 張鈸從1978年就開始研究人工智能，在他看來，人工智能實際上是讓計算機模仿人類的三種功能：第一種是模仿理性思考，包括推理、決策和規(guī)劃等，屬于人類的高級智能，或叫邏輯思維；第二種是模仿感知，對周圍環(huán)境的感知，包括視覺、聽覺、觸覺等；第三種是模仿動作，包括人類手、腳和其它動物的動作。此外，情感、靈感和創(chuàng)造性等也在研究之列，但相對來講，進展要小一些。 人工智能模擬大腦神經(jīng)元網(wǎng)絡的某些工作機理，即人工神經(jīng)網(wǎng)絡（ANN），早在上世紀60年代就問世了，為何近些年開始大顯身手？這主要取決于三個方面有了長足進步：一是多層神經(jīng)網(wǎng)絡（深度網(wǎng)）與其相應的有效學習算法，即深度學習算法；二是大數(shù)據(jù)；三是計算資源（計算能力的提高）。 最初沒有把AlphaGo放在眼里 圍棋復雜度太高，主要靠“直覺”，即“棋感”與經(jīng)驗。而下象棋與下其他棋類一樣，靠的是推理、預測。過去采用編寫象棋程序的方法來編制圍棋程序，水平很低，至多達到業(yè)余4—5段的水平，根本不是職業(yè)圍棋手的對手。這點許多圍棋手都有體驗，因此最初大家并沒有把AlphaGo放在眼里，這完全可以理解。 AlphaGo拋棄傳統(tǒng)下棋程序的編程方法，創(chuàng)造性地利用機器學習來獲取下棋的經(jīng)驗與直覺。AlphaGo不僅學習了以往圍棋大師們已經(jīng)下過的棋局——約幾千萬棋局，還通過強化學習（自己與自己對弈），學習了更多（幾億個）新棋局。這就意味著，AlphaGo下過的棋是任何一位圍棋大師一生下過棋的幾百上千倍。由于圍棋棋局空間很大（約2×10170），在圍棋幾千年的歷史中人類也只是探索了很少一部分，AlphaGo利用計算機的超強計算能力，不僅把人類已探索過的空間加以優(yōu)化，還探索了新的空間（即新的棋局）。正由如此，人類棋手在AlphaGo面前才顯得那樣被動，許多情況下都不知道是怎么輸?shù)?。這也是圍棋的魅力所在——毫無止境的探索。 當前人工智能缺乏推廣能力 張鈸認為，研究AlphaGo不是為了編制一個圍棋程序來代替人類棋手、顛覆圍棋運動，而是以“圍棋”為平臺，研究人工智能解決這類問題的方法以及可能達到的水平。AlphaGo的成功，只是證明人工智能在解決某類問題時，不管問題多么復雜，都可能做到甚至超過人類的水平。 這類問題的特點是：一是有充足的數(shù)據(jù)（或知識）；二是完全信息；三是確定性；四是單領域。這類問題除圍棋外，還包括語音識別、人臉識別和圖像識別等，其中有一些問題（如圍棋）對人類來講很困難，但對高速計算機來說是比較容易的。 不過，當缺少上述四個條件中的任何一個（或幾個）時，對計算機來講就會變得十分困難，人類反而覺得相對比較容易。比如，打橋牌（不完全信息博弈）、無人車（不確定性，不完全信息和多領域）、自然語言理解（多領域）等。在這些問題上，計算機相比人類差距很大。所以，機器智能與人類智能之間通常不是互相排斥和互相替代的，而是互補的。 當前，以大數(shù)據(jù)與深度學習為基礎的人工智能存在的最大問題是：不可解釋和不可理解，就事論事，缺乏推廣能力，遇到新的情況一籌莫展。當面對動態(tài)變化的環(huán)境，信息不完全，存在干擾與虛假信息時，人工智能系統(tǒng)的性能就會顯著下降。此外，人工智能系統(tǒng)由于不可理解，無法實現(xiàn)人機交互，無法與人類協(xié)同工作與和諧相處。解決這些問題的困難很大，人工智能發(fā)展的道路還很長，機器智能達到適應動態(tài)變化環(huán)境的能力還很遙遠。 |
|
|
