李世石輸給AlphaGo的三點專業(yè)解釋

隨著李世石的兩次投子認輸,這場圍棋人機大戰(zhàn)的結果已經是谷歌的AlphaGo領先了,而且是干脆利落的2:0。當這一結果出來時,全世界都目瞪口呆。

這場世紀大戰(zhàn),吸引了超乎想象的關注度,也引發(fā)了足夠多的討論。因為這里有足夠多的噱頭:人機大戰(zhàn)、“人類智慧最后一塊高地——圍棋”、機器人、人工智能、人類的恐慌……于是,我們的社交媒體都被這場大戰(zhàn)占領了。

好賭是人類的天性之一,競猜比賽結果就成為茶余飯后的談資。極端者有兩派,認為李世石會完勝的主要來自圍棋界,認為機器人會完勝的主要來自科技界里的技術派。沒那么極端有分為這么幾個門派:長遠派,代表人物是李開復,認為這次AlphaGo可能懸,但長遠趨勢一定是AlphaGo勝利;恐慌派,對機器人為代表的新技術有莫名的恐慌,希望李世石能夠以3:2之類的比分獲勝;偽技術派,對AI一知半解,甚至連“引力波”這樣的東東都拉扯上,希望AlphaGo能夠以3:2之類的比分獲勝……

我這兩年重點也在研究人工智能,加之發(fā)表了一些文章和觀點,幾個月前也出版了一本相關著作《智能爆炸:開啟智人新時代》,因此也有不少媒體朋友采訪我。月初也專門寫了一篇文章,標題就很直觀表達了我的預測結果——“圍棋人機大戰(zhàn),機器獲勝毫無懸念”。

即使樂觀如我,當賽果出來時,還是讓我有點小驚詫,事件的發(fā)展比我的想象還要樂觀,技術的發(fā)展也超出了我的想象。

下面來分析下其中的原因,李世石真的毫無懸念的輸給了AlphaGo,到底是什么造成的:

1、機器的深度學習能力,可以讓棋藝突發(fā)猛進

開賽前,中國的圍棋高手古力接受采訪時曾如此預測,他認為幾個月前AlphaGo戰(zhàn)勝歐洲冠軍時,展現(xiàn)出來的只是一個專業(yè)初段的水平,而李世石可是專業(yè)九段頂級高手,幾個月內,從初段提升到九段水平,古力認為完全不可能。

古力的說法是對的,也是錯的。對于人類,這當然不可能;對于機器,這就有了可能性。其中的原因就是,機器會深-度-學-習。

深度學習的“技術路線”是模擬人類大腦神經網絡的工作原理,將輸出的信號通過多層處理,將底層特征抽象為高層類別,它的目標是更有效率、更精確地處理信息。深度學習自2006年由Geoffrey Hinton教授和他的兩個學生被提出后,使得機器學習有了突破性的進展,極大地推動了人工智能水平的提升。2013 年,《麻省理工技術評論》把它列入年度十大技術突破之一。

人腦具有一個深度結構,認知過程是逐步進行,逐層抽象的,能夠層次化地組織思想和概念。深度學習之所以有如此大的作用,正是因為它較好地模擬了人腦這種“分層”和“抽象”的認知和思考方式。

深度學習的實質,是通過構建具有很多隱層的機器學習模型和海量的訓練數據,來學習更有用的特征,從而最終提升分類或預測的準確性。因此,“深度模型”是手段,“特征學習”是目的。區(qū)別于傳統(tǒng)的淺層學習,深度學習的不同在于:(1)、強調了模型結構的深度,通常有5層、6層,甚至10多層的隱層節(jié)點;(2)、明確突出了特征學習的重要性,也就是說,通過逐層特征變換,將樣本在原空間的特征表示變換到一個新特征空間,從而使分類或預測更加容易。與人工規(guī)則構造特征的方法相比,利用大數據來學習特征,更能夠刻畫數據的豐富內在信息。

深度學習使得人工智能在幾個主要領域都獲得了突破性進展:在語音識別領域,深度學習用深層模型替換聲學模型中的混合高斯模型(Gaussian Mixture Model, GMM),獲得了相對30%左右的錯誤率降低;在圖像識別領域,通過構造深度卷積神經網絡(CNN),將Top5錯誤率由26%大幅降低至15%,又通過加大加深網絡結構,進一步降低到11%;在自然語言處理領域,深度學習基本獲得了與其他方法水平相當的結果,但可以免去繁瑣的特征提取步驟。可以說到目前為止,深度學習是最接近人類大腦的智能學習方法。

深度學習引爆了一場革命,將人工智能帶上了一個新的臺階,將對一大批產品和服務產生深遠影響。

應該說,深度學習是谷歌有底氣在戰(zhàn)勝歐洲冠軍幾個月后,就敢來挑戰(zhàn)世界冠軍李世石的底氣所在。

2、超常的計算能力,遇強則更強

可以說,沒有哪一項技術的發(fā)展速度之快能像計算機技術那樣令人驚訝。根據雷庫茲韋爾的觀點,從計算機發(fā)明至今,計算機性能指數和性價比指數一直呈指數級增長,且先后歷經了五種范式——機電、繼電器、真空管、離散晶體管和集成電路。著名的摩爾定律也得益于技術精進和范式轉換,得以一直延續(xù)至今,其生命力也可能隨著納米技術和材料技術的發(fā)展延續(xù)到21世紀中葉。

“集成電路芯片上所集成的電路的數目,每隔18個月就翻一倍?!弊鳛橛⑻貭柟緞?chuàng)始人之一的戈登·摩爾,在50年前提出這一論斷時,顯然沒有意識到自己這一略顯武斷的結論將對人類進步產生多么巨大的影響。盡管在此后的一段時間內,他不斷修正這一論斷,使它不像數學定律那樣可靠,但這一定律仍揭示了一個重要趨勢——芯片技術、計算機技術乃至人類科技文明都在呈指數級加速增長。相比于預測未來的未來學意義,摩爾定律的現(xiàn)實意義更在于它的樂觀主義精神——它使人類(至少是一大部分人)義無反顧的將全部籌碼傾注于現(xiàn)在看起來毫無意義、毫無進展的領域之上——比如曾經的人工智能技術。

典型代表可能就是量子計算機。2012年諾貝爾物理學獎得主、法國科學家Haroche在其諾貝爾獲獎演講說:“量子計算機看起來是一個烏托邦?!?量子比特恰似那只將人折磨得死去活來的薛定諤的貓,捉摸不定又令人傷透腦筋。同納米管計算一樣,量子計算機面臨的更多的是工程問題而非理論問題。當然,工程難題又需要另一套理論去解決,但當前的科學界已出現(xiàn)越來越多這樣的節(jié)點——工程實踐與科學實驗跟不上理論創(chuàng)新的步伐。我們期待著技術發(fā)展的積累與突破,能為計算機技術提供新的范式,能令智能體具備更聰明的“大腦”,從而給我們的生活帶來更大的驚喜與變革。

回到AlphaGo身上,這種計算能力可能讓它遇到初段選手時,發(fā)揮出來的可能也就是初段的水平,遇到九段選手時,也能發(fā)揮出九段的水平。一言以蔽之,就是遇強則強。

3、“三體人”式的思維交流

“三體人”是著名科幻作家劉慈欣作品《三體》中的一個種群,形狀不明,以水生存,用思維交流。由于長期生活在惡劣環(huán)境中,該物種進化出了可脫水休眠、經浸泡再復蘇的功能。三體人思維的透明和地球人思維的不透明造成的沖突是推動《三體》一書情節(jié)發(fā)展的引擎。

我認為,“智人”的進化方向可能三體人,至少在思維方式上是如此。隨著腦逆向工程和神經傳感技術發(fā)展,人類的意識將可以擺脫肉體束縛直接與其他“智人”(包括人類、半機器人、機器人)進行交流。這意味著,人類有可能變成“三體人”那樣,能夠進行直接的思維交流。思維無疑是人類智能中最深奧的一部分,人類歷史長河中出現(xiàn)的各種文明可以說都是思維的產物。一旦我們具有了“三體人”的透明思維,“人心難懂”的問題將得到解決。

由此看來,人工智能由弱到強的轉變,從思維進化角度來說就是機器從無思維到有思維、再到有自主思維、繼而到與人類共享思維,最會可能到控制人類思維的持續(xù)轉變。

在圍棋這種復雜的智力游戲中,如果沒有很好的思維,只是簡單的大數據,可能真的無法戰(zhàn)勝李世石這樣的高手。

當然,這次的人機大戰(zhàn),除了AlphaGo的超常發(fā)揮,應該還有李世石自身的原因。比如李世石懼怕AlphaGo的大數據,下出一些特殊的棋路等,反而影響了自己的發(fā)揮。再比如李世石沒有很好控制好自己的情緒波動,就算當年他的前輩李昌鎬有“石佛”之稱,畢竟還是血肉之軀,無法不受情緒干擾。而對于AlphaGo來說,李世石的這些缺點,也正是自己的優(yōu)點。

極客網企業(yè)會員

免責聲明:本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網站出現(xiàn)的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。

2016-03-11
李世石輸給AlphaGo的三點專業(yè)解釋
隨著李世石的兩次投子認輸,這場圍棋人機大戰(zhàn)的結果已經是谷歌的AlphaGo領先了,而且是干脆利落的2:0。當這一結果出來時,全世界都目瞪口呆

長按掃碼 閱讀全文