在此之前，圍棋曾被視為人類智力的最後堡壘。許多人工智能專家認為究其一生也無法創造出足以攻克圍棋的系統——至少，不會這麼快。 無論是IBM 頂級AI 科學家Francesca Rossi，還是AI 研究者Victoria Krakovna，亦或是英國圍棋協會司庫的Toby Manning，你曾在無數AI 翹楚的著述論說裏看到過這種說法，「對電腦來說，圍棋的挑戰比象棋大太多了；AI 真正掌握圍棋可能要等到10 年後」。 然而，Google 做到了。即便身後有微軟、Facebook 等等巨頭的虎視眈眈，Google 依舊是這場無硝煙戰爭中最後的王者。AlphaGo 的成功無異於平地驚雷，它告訴我們，人工智能正在快馬加鞭地趕上來。在不久的將來，Google 醉心於的逆天黑科技或許會應用於我們的生活，改變我們的生活起居、工作方式乃至社會結構。

圍棋是頂級智力的試金石

圍棋是一種起源於中國的古老棋類遊戲，迄今已有2500 多年的歷史；現在全世界擁有大約4000 萬玩家及1000 名職業棋手。在其漫長的發展史中，圍棋早已被視為頂級人類智力的試金石。在極簡主義的遊戲表像下，圍棋走法變幻莫測、選擇層出不窮，其中蘊藏的精妙與深意讓人嘆服。 正如達·芬奇所說，簡單是終極的複雜。 圍棋規則簡單、棋盤規整，縱橫各19 條等距離的平行線垂直相交，構成19×19(361) 個交叉點。 遊戲中的選擇錯綜複雜，最大有3361 種局面，大致體量為10170，比宇宙中的原子數量還要多。簡單類比一下，國際象棋平均每回合有35 種可能的下法，圍棋卻高達250 種。 除此之外，Facebook 人工智能研究所研究員田淵棟在其知乎帳號上指出，圍棋的困難之處還在於它的估值函數非常不平滑，差一個子，盤面就可能天翻地覆。要想破解圍棋，不止需要一種會計算的人工智能：它需要模仿人類，需要有直覺，甚至要有自學技能。 DeepMind 團隊表示，AlphaGo 成功的關鍵在於其搭建的深度神經網絡。 在AlphaGo 中，兩類神經網絡並行交錯：一種為決策網絡（policy network），主要功能是預測步法；另一種為價值網絡（value network），用於估量不同棋盤分佈的不同走向。在使用方法上，先由決策網絡搜尋到幾十種前景最佳的下法，再由價值網絡評估步數。值得一提的是，這一人造「大腦」的搜索效率極高，深度淺嘗輒止，可能只有幾十步，效果卻與人腦不相上下，不靠蠻力，而靠某種與想像力無接近的東西。復旦大學電腦與工程學院副教授邱錫鵬指出，DeepMind 讓機器學會了自學。以往的人工智能只是簡單的遞歸操作，而DeepMind 則是通過學習和分析來判斷最優策略，其運作模式已經沾染了人性的氣息，恰恰類似幼童摸索世界的步伐。 作為對弈裁判，Toby Manning 在賽後接受採訪時表示，AlphaGo 的出現意味著人工智能已達到以假亂真的水準。以往人機對弈中，電腦像雙重人格者，時而步法理性，時而頭緒混亂。而這場比賽中，電腦一直很冷靜地佈局落子，與人類幾乎沒有區別。在歷史的漫漫長河裏，人類從未停止過對機器人的勾畫和摸索。

作為雙生鏡像的機器人

戰國《考工記》裏記載了古人對人工伶人的最初描摹；500 年前達芬奇製造了第一個人性機械的「鐵甲騎士」；1738 年，醫用機器鴨誕生於法國技師傑克·戴·瓦克遜手下；19 世紀，瑞士鐘錶匠創造出可以寫字的機器人…… 不僅如此，對於親手捏造出的「亞當」和「夏娃」，人類樂此不疲地在他們身上搜尋擊敗自己的基因。 二戰時期，圖靈（Alan Mathison Turing）接連研製出名為「邦比」和「巨人」的密碼破譯機，將「政府編碼與密碼學院」每月破譯的情報數量從39000 條提升到84000 條。 2014 年10 月，一款會打乒乓球的機器人在日本千葉科技博覽會橫空出世，裝載著眾多世界級選手的數據，這款機器人恐怕會是體育界真正的無冕之王。 2015 年6 月，機器人MOTOMAN-MH24 在與人類的居合術比拼中劍術流暢、一氣呵成，氣定神閒，千發不亂。 機器人是人類為自己創造的雙生鏡像，一株二艷，同生共存；其間兩者的「PK 虐戀史」千匯萬狀、一筆難盡，而且這部史書還在不斷地增添頁碼，後面的內容無疑會更加引人入勝。 2016 年3 月，AlphaGo 將迎戰世界圍棋冠軍李世乭。許多專家表示，AlphaGo 會贏得這場比賽。如果果真如此，好吧，那也只是人機「虐戀史」中的一個小小章節。 Bostrom 在其暢銷書《Super intelligence:Paths, Dangers, Strategies》中提到，一台真實的智能電腦能加速人類滅亡，世界末日並非危言聳聽。此番言論的出發點無疑是未雨綢繆，但問題是，過早的擔憂和錯位的理解會否讓這種觀點染上杞人憂天的色彩？ 事實是，人工智能中的深度學習概念被過度炒作了，研究者對生物腦工作原理的瞭解依舊寥寥。加州伯克利大學的Michael Jordan 將所謂的深度學習比作生物腦的「卡通版」，即一個複雜事物的極簡版本。人腦神經網絡萬縷千絲、運作複雜，很多研究者僅僅通過類比圖來嘗試解釋，離造出真正人類級別的智能尚有千丈。中國科幻作家陳楸帆告訴《超訊》，認知科學在過去三十年才剛剛起步，真正的人工智慧不是模仿人類大腦的運行方式，而可能會找到屬於自己高速進化迭代的一條路徑。 另外，即便人工智能技法高超，依舊不能被視為最好的棋手；因為他們活在人的操控下，開關運停都不由自主。在國際象棋界，有一些團隊被稱為centaurs，這裏有人有機器，人機交互，優勢互補；人類操控機器，機器為人服務，兩者合作時便會碰撞出最大火花。這種人機共存模式將會蔓延至絕大多數領域。 做個最壞的打算。如果有一天，機器操作出現了不可控力，那麼「圖靈原則」就是我們的化解之道：借力打力，通過好的AI 戰勝壞的AI。擔憂總不該成為止步不前的藉口。

人工智能將解放人類？

走下尖端科技的神壇，AlphaGo 將會慢慢入侵我們的生活：你會發現個人助理軟件使用起來愈加得心應手，自動駕駛汽車讓我們免於緊盯路況、規劃線路，精準醫療大大降低了誤診誤判的風險，機器人財務顧問也在發揮得天獨厚的優勢……Google 甚至打算用它來解決當前社會最緊迫的問 題，譬如氣候建模，再如災難分析。 人工智能將重塑社會。 正如工業革命解放了人類束縛在體力勞動中的雙手，人工智能正在嘗試將人類從腦力勞動的苦海中解救出來。或許在不久的將來，有人會在Quora 上提出這樣的問題：「如果有一天，你必須自行駕車，你的生活會是如何？」■]]]]> ]]>

(Visited 52 times, 1 visits today)