2016年3月9至15日，舉世矚目的圍棋“人機(jī)大戰(zhàn)”在韓國(guó)九段棋手李世石與谷歌“阿爾法狗”（AlphaGo）之間展開，最終，阿爾法狗以總比分4：1碾壓李世石，獲封“名譽(yù)九段”。

人類頂尖圍棋選手竟然輸給了計(jì)算機(jī)，一時(shí)之間，引發(fā)輿論熱議，關(guān)于人工智能的討論不斷引爆人們的眼球。

實(shí)際上，這并非歷史上第一次人機(jī)大戰(zhàn)。自從1956年“人工智能”這一概念被提出來后，人和計(jì)算機(jī)之間就有過數(shù)次博弈，每一次博弈，都見證了人工智能的跨越發(fā)展。

“硬算高手”深藍(lán)

1996年，卡斯帕羅夫與IBM超級(jí)國(guó)際象棋計(jì)算機(jī)RS/6000 SP（即“深藍(lán)”）展開對(duì)決。經(jīng)過一個(gè)多星期的PK，卡斯帕羅夫最終贏得比賽，但深藍(lán)也在比賽中取勝一局，這是電腦首次在世界錦標(biāo)賽中單局戰(zhàn)勝世界冠軍。

此前，卡斯帕羅夫是國(guó)際象棋英杰榜上的NO.1，自1985年成為世界冠軍后，11年間，他一直打遍天下無敵手。

賽后，卡斯帕羅夫說：“我能感覺，甚至能‘聞到’桌子對(duì)面是一位高智慧的選手?！钡J(rèn)為，深藍(lán)所擁有的只是一種“畸形的智能”，效率低且缺少韌性。他甚至預(yù)言：計(jì)算機(jī)如果要打敗人類棋手，至少要等到2010年！

言猶在耳，然而僅僅一年后，他便以2負(fù)1勝3平被深藍(lán)升級(jí)版打敗。

“這是人工智能發(fā)展史上的一個(gè)里程碑?！辟惡?，德國(guó)人工智能研究中心負(fù)責(zé)人登格爾如是評(píng)價(jià)。

創(chuàng)造這個(gè)“里程碑”記錄的深藍(lán)升級(jí)版，重1270公斤，有32個(gè)“大腦”（微處理器），其計(jì)算能力當(dāng)時(shí)在全球超級(jí)計(jì)算機(jī)中排名第259。比賽前，IBM研發(fā)小組向深藍(lán)輸入了100年來所有國(guó)際特級(jí)大師開局和殘局的200多萬局下法。

深藍(lán)取勝的法寶，是依靠強(qiáng)大的計(jì)算能力窮舉所有路數(shù)，并選擇最佳策略——深藍(lán)每秒可運(yùn)算2億步，靠硬算可預(yù)判12步，卡斯帕羅夫只能預(yù)判10步——所謂兵貴神速，深藍(lán)的獲勝也就不那么讓人意外了。

當(dāng)然，深藍(lán)取勝還有另一個(gè)秘訣——每場(chǎng)對(duì)局結(jié)束后，IBM研發(fā)小組都會(huì)根據(jù)卡斯帕羅夫的下棋情況相應(yīng)地修改深藍(lán)的參數(shù)，深藍(lán)雖然不會(huì)思考，但這實(shí)際上起到了“強(qiáng)迫”它學(xué)習(xí)的作用。這種“被動(dòng)學(xué)習(xí)”的方式，讓深藍(lán)不斷強(qiáng)化了對(duì)對(duì)手的了解并最終獲勝。

在深藍(lán)問世之前，“人工智能之父”圖靈在1950年曾提出衡量計(jì)算機(jī)智能水平的“圖靈測(cè)試”——如果一個(gè)具有正常思維的人C使用正常人能理解的語言，去詢問一面墻后的兩個(gè)看不見的對(duì)象A和B任意問題，對(duì)象中A是機(jī)器、B是人，如果經(jīng)過若干詢問以后，C不能在實(shí)質(zhì)上區(qū)別A與B的不同，便意味著機(jī)器A通過了圖靈測(cè)試。

雖然，深藍(lán)并沒有進(jìn)行圖靈測(cè)試，但它在人機(jī)大戰(zhàn)中的勝利，至少意味著計(jì)算機(jī)已經(jīng)向著智能化發(fā)展邁出了重要一步。

“百曉生”沃森

2011年2月14至16日，深藍(lán)獲勝4年后，又一次人機(jī)大戰(zhàn)在其同門師弟“沃森”與人類冠軍之間展開。當(dāng)時(shí)，沃森參加美國(guó)老牌智力問答節(jié)目《危險(xiǎn)邊緣》，并與該節(jié)目最高獎(jiǎng)金得主布拉德·魯特爾和連勝紀(jì)錄保持者肯·詹寧斯展開了一場(chǎng)萬眾矚目的人機(jī)智力大賽。

《危險(xiǎn)邊緣》采取三人競(jìng)答方式進(jìn)行，通常以答案形式提供各種線索，參賽者必須以問題的形式做出簡(jiǎn)短正確的回答。因而參賽者需具備歷史、文學(xué)、藝術(shù)、科技、體育、地理、政治及流行文化等知識(shí)，還得會(huì)解析隱晦含義、反諷與謎語等，而普通電腦并不擅長(zhǎng)進(jìn)行這類“深度問答”。

在比賽中，沃森表現(xiàn)極為突出，盡管在“回答”問題時(shí)，它的互聯(lián)網(wǎng)功能被中斷，只能“自己想”——從內(nèi)存的資料中尋找并組合答案，它卻總是能在3秒內(nèi)迅速作答，還能分析出題目線索中的微妙含義、諷刺口吻及謎語等。此外，它還能根據(jù)比賽獎(jiǎng)金的數(shù)額、自己的比分與對(duì)手的差距、自己擅長(zhǎng)的題目領(lǐng)域來“自主決定”是否要搶答某一題。最終，沃森以77147分的總成績(jī)輕松獲勝。

那么，沃森為什么這么聰明？

首先，沃森“肚里有貨”——它內(nèi)存了2億頁數(shù)據(jù)，各種百科全書、詞典、新聞、維基百科的全部?jī)?nèi)容以及其他可以建立知識(shí)庫的參考材料都被它“收入囊中”，堪稱是計(jì)算機(jī)領(lǐng)域的“百曉生”。

其次，它能“秒讀萬冊(cè)”——它由90臺(tái)IBM服務(wù)器（相當(dāng)于90個(gè)“大腦”）、360個(gè)芯片驅(qū)動(dòng)組成，每秒能處理500GB的數(shù)據(jù)，相當(dāng)于1秒閱讀100萬本書。

最重要的是，沃森還會(huì)“深度問答”——這一法寶是IBM研發(fā)團(tuán)隊(duì)為它量身定制的，該技術(shù)賦予了它較高的自然語言理解能力。在拿到一個(gè)問題后，依靠?jī)?nèi)置的100多種算法，沃森會(huì)在3秒內(nèi)解析問題并檢索數(shù)百萬條信息，包括語法語義分析、對(duì)各個(gè)知識(shí)庫進(jìn)行搜索、提取備選答案、對(duì)備選答案證據(jù)的搜尋、對(duì)證據(jù)強(qiáng)度的計(jì)算和綜合等。

比如，當(dāng)被問及“哥倫比亞廣播公司《60分鐘》節(jié)目首次播出時(shí)，當(dāng)時(shí)的美國(guó)總統(tǒng)是誰”，“沃森”首先會(huì)對(duì)“首次播出”進(jìn)行語言理解，然后檢索出《60分鐘》節(jié)目首次播出的日期，之后再成功搜索出當(dāng)時(shí)的美國(guó)總統(tǒng)。

在取得這場(chǎng)眾所矚目的勝利后，沃森開始向醫(yī)療衛(wèi)生業(yè)進(jìn)軍。在美國(guó)，機(jī)器人醫(yī)生沃森從2011年就開始坐診，通過詢問病人的病征、病史，對(duì)患者的個(gè)性化數(shù)據(jù)、大量病例和醫(yī)療文獻(xiàn)進(jìn)行“學(xué)習(xí)”，它能迅速提出最佳診療方案，診斷準(zhǔn)確率甚至高達(dá)73%。

從深藍(lán)到沃森，從硬算能力到自然語言理解能力，從“被動(dòng)學(xué)習(xí)”到“深度問答”， 計(jì)算機(jī)的“智能”向前邁進(jìn)了一大步。

自學(xué)成才的“學(xué)霸”阿爾法狗

圍棋一直被看作是人類最后的智力競(jìng)技高地，據(jù)估算，圍棋的可能下法數(shù)量多達(dá)10的171次方。這個(gè)數(shù)字，甚至遠(yuǎn)遠(yuǎn)高于可觀測(cè)宇宙中的原子總數(shù)（該總數(shù)為10的80次方）。

因此，人們普遍認(rèn)為計(jì)算機(jī)無法在類似圍棋這樣高度復(fù)雜的項(xiàng)目比賽中戰(zhàn)勝人類，但2016年阿爾法狗與李世石的人機(jī)大戰(zhàn)，顛覆了這一認(rèn)知。

阿爾法狗之所以能取勝，法寶就在于它的核心系統(tǒng)屬于“深度學(xué)習(xí)”。

“深度學(xué)習(xí)”是時(shí)下最火的一種基于神經(jīng)網(wǎng)絡(luò)的模擬人腦的神經(jīng)網(wǎng)絡(luò)，它通過模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像、聲音和文本等。

為了讓計(jì)算機(jī)學(xué)會(huì)像人一樣“思考”，一個(gè)重要的條件是：它必須擁有計(jì)算速度可媲美人腦的高性能計(jì)算集群，來快速完成海量數(shù)據(jù)的“學(xué)習(xí)”。而在這方面，阿爾法狗不聯(lián)網(wǎng)時(shí)的“單機(jī)版”性能至少是當(dāng)年“深藍(lán)”的1000倍。

為了使阿爾法狗變得更“聰明”，谷歌還專門為其設(shè)計(jì)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，其中，“策略網(wǎng)絡(luò)”會(huì)根據(jù)棋局選擇下一步走法；“價(jià)值網(wǎng)絡(luò)”會(huì)在下子后分析對(duì)手會(huì)怎么走，并預(yù)測(cè)進(jìn)行數(shù)值性的估計(jì)。

比賽前，阿爾法狗“深度學(xué)習(xí)”用了人類圍棋高手對(duì)弈的3000萬局圍棋走法進(jìn)行“自我對(duì)弈”訓(xùn)練，并進(jìn)行大規(guī)模的數(shù)據(jù)運(yùn)算，這些運(yùn)算用了兩三千個(gè)CPU。對(duì)人來說，如此大規(guī)模的運(yùn)算訓(xùn)練，即使每局只要15分鐘，可能也要800多年才能下完，阿爾法狗的運(yùn)算能力之強(qiáng)由此可見一斑。

此外，阿爾法狗還能自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò)之間運(yùn)行數(shù)千局圍棋，利用反復(fù)試驗(yàn)調(diào)整連接點(diǎn)，這個(gè)流程也稱為“鞏固學(xué)習(xí)”。因此，阿爾法狗的“逆天”棋藝并不是開發(fā)者教給他的，而是“自學(xué)成才”。從這個(gè)意義上來說，阿爾法狗堪稱是計(jì)算機(jī)中的“學(xué)霸”。

人工智能，還有多遠(yuǎn)？

阿爾法狗的勝利，很大程度上體現(xiàn)了近年來人工智能領(lǐng)域“深度學(xué)習(xí)”技術(shù)的快速提升。特別是隨著GPU圖形處理器、超級(jí)計(jì)算機(jī)、云計(jì)算和大數(shù)據(jù)的迅猛發(fā)展，“深度學(xué)習(xí)”如同火箭升空般飛速發(fā)展。早在2011年，谷歌用1000臺(tái)機(jī)器、16000個(gè)CPU處理的“深度學(xué)習(xí)”模型就已經(jīng)有了10億個(gè)神經(jīng)元——當(dāng)然，這仍遠(yuǎn)遠(yuǎn)低于人腦100億～10000億個(gè)的神經(jīng)元總數(shù)。

現(xiàn)在，“深度學(xué)習(xí)”技術(shù)在語音識(shí)別、計(jì)算機(jī)視覺、語言翻譯等領(lǐng)域，都戰(zhàn)勝了傳統(tǒng)的機(jī)器學(xué)習(xí)方法，甚至在人臉驗(yàn)證、圖像分類上還超過了人類的識(shí)別能力。專家預(yù)計(jì)，在不久的將來，我們甚至可以在手機(jī)上運(yùn)行像人腦一樣復(fù)雜的“深度學(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)。

那么，這是否意味著計(jì)算機(jī)已經(jīng)和人一樣“聰明”了？

答案是否定的！

因?yàn)樵诟鼜?fù)雜的認(rèn)知層面，例如對(duì)于語言和圖像的深度理解、邏輯推演、情感選擇等方面，計(jì)算機(jī)距離人類還有很大差距。

比如說，對(duì)普通人而言，分辨貓和狗，從閱讀或娛樂中獲取快樂，分辨愛或恨、激動(dòng)或憤怒，都是很尋常的事情，但對(duì)計(jì)算機(jī)而言，這些問題會(huì)讓它分分鐘死機(jī)。

舉個(gè)例子，當(dāng)你和朋友一起外出就餐時(shí)，兩人都搶著買單。對(duì)于這種推搡的過程，計(jì)算機(jī)很難準(zhǔn)確判斷出這是為了買單的友善行為，還是惡意的爭(zhēng)執(zhí)。更進(jìn)一步來說，計(jì)算機(jī)也許可以根據(jù)人的面部表情和肢體動(dòng)作，在一定程度上辨別出人的喜怒哀樂等情緒，但對(duì)于人類的那種“只可意會(huì)，不可言傳”的情感，在進(jìn)行辨識(shí)時(shí)，它就只能交“白卷”了。

正如經(jīng)典科幻大片《人工智能》展現(xiàn)的那樣，當(dāng)女機(jī)器人席拉被問及“什么是愛”時(shí)，她回答：“愛就是微張我的眼睛，呼吸急促，體溫開始上升……”對(duì)計(jì)算機(jī)來說，“愛”只能是一種可以被特征化、符號(hào)化的程序，但計(jì)算機(jī)卻無法理解人類這種非理性的情感，更不可能像人一樣愛得死去活來、魂縈夢(mèng)牽。

可見，邏輯推演和情感選擇，是人工智能尚難以逾越的障礙。所以，有人工智能專家開玩笑說：“我們努力想讓機(jī)器變得稍微聰明一點(diǎn)，但它們還是有點(diǎn)笨。”因此，要想讓“機(jī)器”真正變成人，科學(xué)家也許還有很長(zhǎng)遠(yuǎn)的路要走。（編輯/余風(fēng)）