AlphaGo飛速進步奧秘何在？

胡丹丹+楊駿

人工智能已經(jīng)發(fā)展到什么程度，到底會走向何處？該領域的專家表示，日前3：0擊敗柯潔的AlphaGo就是人工智能深度學習飛速進步的一個例子，其秘密在于啟發(fā)式學習和深度學習相結(jié)合，這將有助于人工智能最大化實現(xiàn)人類的意愿。

在全球人工智能產(chǎn)業(yè)信息服務平臺“機器之心”主辦的全球機器智能峰會上，《人工智能：一種現(xiàn)代方法》的作者之一、美國加州大學伯克利分校人工智能專家斯圖爾特·拉塞爾舉例說，AlphaGo是人工智能深度學習飛速進步的一個例子，輸給AlphaGo后柯潔說，去年好像還是在跟人下棋，而今年他覺得好像是在跟“神”下棋一樣。

加拿大阿爾伯塔大學教授、計算機圍棋專家馬丁·米勒介紹說，AlphaGo的成功源于啟發(fā)式學習與深度學習相結(jié)合。有了新算法與硬件，啟發(fā)式學習有望讓計算機系統(tǒng)學會真正的人工智能，“能讓我們的搜索變得更加有效，能讓計算機幫助我們做出越來越好的決策”。

攻克游戲和棋類人工智能，是要為真實世界的應用鋪平道路。搜狗首席執(zhí)行官王小川說，識別、決策、生成是人工智能的核心應用。例如，在決策方面，人工智能可以幫助提高決策效率，提升商業(yè)效率。

“我們已經(jīng)在金融、醫(yī)療和教育等方面看到這些應用。在識別和生成領域，人工智能的進展已使人機交互越來越自然，這也是我們感興趣的領域。從歷史趨勢上看，機器在逐漸適應人，并已為人類分擔了許多具體工作?！蓖跣〈ㄕf。

但他同時指出，目前人工智能還局限在特定的封閉領域，比如AlphaGo和搜狗的問答機器人“汪仔”在圍棋和語音識別輸入競賽中分別戰(zhàn)勝了人類，但它們只擅長各自的技能，且只能在封閉場景里通過數(shù)據(jù)學習、計算或搜索提高效率，并不能發(fā)揮創(chuàng)造性。今天的機器智能還需要依賴于來自人的數(shù)據(jù)，機器并不具備人工通用智能能力和解決開放型問題的能力。

香港科技大學計算機科學與工程學系系主任楊強說，從機器學習的角度看，AlphaGo尚不具備遷移學習的能力，即把已經(jīng)訓練好的模型參數(shù)遷移到新的模型上來幫助新模型訓練數(shù)據(jù)集。王小川則認為，目前來看，遷移學習等理論離實際應用并產(chǎn)生效益還很遠。

拉塞爾說，人工智能并不是一個新學科，20世紀40年代人們就在思考如何使用一些新工具；1950年，著名的圖靈測試誕生，按照其定義，如果一臺機器能通過電傳設備與人類展開對話而不被辨別出機器身份，則稱這臺機器具有智能。

但直到2010年后，許多初創(chuàng)公司開始重新專注于人工智能發(fā)展，谷歌、國際商用機器公司（IBM）等大企業(yè)也投入到該領域研究中，此后人們看到了神經(jīng)學的進步以及計算機資源和大數(shù)據(jù)的發(fā)展。

拉塞爾說，目前人工智能的發(fā)展“讓人欣慰”，但要將其內(nèi)容落地，變成能帶來高產(chǎn)值的應用至少還要十年。人們要審慎考慮，不要因為期待過高而覺得失望。發(fā)展機器人的唯一目的是最大化實現(xiàn)人類的意愿，“人工智能需要對人類有貢獻，要做到這一點是一個技術性的問題，我相信人類能夠解決這個問題”。

（本文轉(zhuǎn)自新華社）