记者 黄海华
这是一场没有悬念的比赛。5月27日,中国棋手柯洁与人工智能AlphaGo展开三番棋比赛的终局对决。历经3个多小时对弈后,柯洁投子认输。至此,柯洁连输三局完败。
这场比赛在很多人看来,在科学价值层面已失去看点。因为,人类在某些方面不如人工智能早已不新鲜,倒是未来人工智能发展中的新挑战也许更值得关注。
人工智能有哪些问题需要解决?未来发展趋势如何?记者专访了中国科学院院士、清华大学教授张钹,探寻人工智能接下来的种种可能。
人工智能为何近些年大显身手
人工智能(Artificial Intelligence),英文缩写为AI。从1956年的美国达特茅斯会议算起,明确提出人工智能的概念并开始科学与技术的研究已有61年。
张钹从1978年就开始研究人工智能,在他看来,人工智能实际上是让计算机模仿人类的三种功能:第一种是模仿理性思考,包括推理、决策和规划等,属于人类的高级智能,或叫逻辑思维;第二种是模仿感知,对周围环境的感知,包括视觉、听觉、触觉等;第三种是模仿动作,包括人类手、脚和其它动物的动作。此外,情感、灵感和创造性等也在研究之列,但相对来讲,进展要小一些。
人工智能模拟大脑神经元网络的某些工作机理,即人工神经网络(ANN),早在上世纪60年代就问世了,为何近些年开始大显身手?这主要取决于三个方面有了长足进步:一是多层神经网络(深度网)与其相应的有效学习算法,即深度学习算法;二是大数据;三是计算资源(计算能力的提高)。
最初没有把AlphaGo放在眼里
围棋复杂度太高,主要靠“直觉”,即“棋感”与经验。而下象棋与下其他棋类一样,靠的是推理、预测。过去采用编写象棋程序的方法来编制围棋程序,水平很低,至多达到业余4—5段的水平,根本不是职业围棋手的对手。这点许多围棋手都有体验,因此最初大家并没有把AlphaGo放在眼里,这完全可以理解。
AlphaGo抛弃传统下棋程序的编程方法,创造性地利用机器学习来获取下棋的经验与直觉。AlphaGo不仅学习了以往围棋大师们已经下过的棋局——约几千万棋局,还通过强化学习(自己与自己对弈),学习了更多(几亿个)新棋局。这就意味着,AlphaGo下过的棋是任何一位围棋大师一生下过棋的几百上千倍。由于围棋棋局空间很大(约2×10170),在围棋几千年的历史中人类也只是探索了很少一部分,AlphaGo利用计算机的超强计算能力,不仅把人类已探索过的空间加以优化,还探索了新的空间(即新的棋局)。正由如此,人类棋手在AlphaGo面前才显得那样被动,许多情况下都不知道是怎么输的。这也是围棋的魅力所在——毫无止境的探索。
当前人工智能缺乏推广能力
张钹认为,研究AlphaGo不是为了编制一个围棋程序来代替人类棋手、颠覆围棋运动,而是以“围棋”为平台,研究人工智能解决这类问题的方法以及可能达到的水平。AlphaGo的成功,只是证明人工智能在解决某类问题时,不管问题多么复杂,都可能做到甚至超过人类的水平。
这类问题的特点是:一是有充足的数据(或知识);二是完全信息;三是确定性;四是单领域。这类问题除围棋外,还包括语音识别、人脸识别和图像识别等,其中有一些问题(如围棋)对人类来讲很困难,但对高速计算机来说是比较容易的。
不过,当缺少上述四个条件中的任何一个(或几个)时,对计算机来讲就会变得十分困难,人类反而觉得相对比较容易。比如,打桥牌(不完全信息博弈)、无人车(不确定性,不完全信息和多领域)、自然语言理解(多领域)等。在这些问题上,计算机相比人类差距很大。所以,机器智能与人类智能之间通常不是互相排斥和互相替代的,而是互补的。
当前,以大数据与深度学习为基础的人工智能存在的最大问题是:不可解释和不可理解,就事论事,缺乏推广能力,遇到新的情况一筹莫展。当面对动态变化的环境,信息不完全,存在干扰与虚假信息时,人工智能系统的性能就会显著下降。此外,人工智能系统由于不可理解,无法实现人机交互,无法与人类协同工作与和谐相处。解决这些问题的困难很大,人工智能发展的道路还很长,机器智能达到适应动态变化环境的能力还很遥远。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。