在一場令世人矚目的人機圍棋大戰(zhàn)后，AlphaGo以勝利者的姿態(tài)告訴人們，人工智能真的來了，它不再只是電影中的場景，而是現實世界里正在上演的又一輪產業(yè)變革。與此同時，有專家擔憂人工智能將超越人類智能的潛力和控制，迅速改變人類文明。

前不久，一場圍棋大戰(zhàn)吸引了全世界的目光。這場大戰(zhàn)在韓國首爾上演，共5輪。大戰(zhàn)之所以舉世矚目，是因為對戰(zhàn)的雙方是韓國九段棋手李世石與圍棋人工智能程序AlphaGo。令人驚嘆的是，整個比賽過程中，AlphaGo的表現都堪稱完美，最終以4：1擊敗李世石。

這個戰(zhàn)勝人類世界圍棋冠軍的AlphaGo程序到底是何方神圣？它為什么如此厲害？人工智能對人類來說到底意味著什么？

從“深藍”到AlphaGo

人工智能是計算機科學的一個分支，它企圖了解人類智能的實質，并生產出一種新的、能以與人類智能相似的方式做出反應的智能機器。人工智能是對人的意識、思維的信息過程的模擬，使得機器能像人那樣思考，甚至超過人的智能。自1956年這個概念被提出并確立以來，該領域就被視為人類最高的夢想之一。

1997年，IBM的超級計算機“深藍”以2勝1負3平的成績戰(zhàn)勝了當時世界排名第一的國際象棋大師加里·卡斯帕羅夫，一時間全球轟動，而“深藍”的設計者們當時就暢想：何時計算機也能下圍棋呢？

而現在無疑又是一個人工智能歷史上最重要的時刻。圍棋和國際象棋在復雜程度上不屬于一個量級，圍棋是一種變數極多、充滿不確定的競技，每一步棋的可能性都是一個幾乎無法窮盡的量級，一回合有250種可能，而一盤棋可以多達150回合。

此外，下圍棋的過程中還會出現“吃子”情況，加劇了其復雜性。曾任職谷歌公司的李開復說，當年“深藍”與卡斯帕羅夫的對局，實際上使用的是人工調整的評估函數，并用特殊設計的硬件和“暴力”的搜索征服了國際象棋級別的復雜度，圍棋則不行?！耙驗樗乃阉魈珡V，每一步的選擇有幾百而非幾十；也太深，一盤棋有幾百步而非幾十步?！崩铋_復在知乎上如此回答。

此外，圍棋問題與現實生活中的問題相通，國人甚至將下圍棋視為洞悉人性、參悟人生的過程。然而，現在下圍棋的卻是一個機器，意味著這個機器除了擁有超強的記憶能力、邏輯思維能力，還要擁有創(chuàng)造力甚至個性。

“感覺就像一個有血有肉的人在下棋一樣，該棄的地方會棄，該退出的地方退出，非常均衡的一個棋風，真是看不出出自程序之手。”圍棋排名世界第一的柯潔說，AlphaGo有好幾次落子極其“非常規(guī)”，許多專業(yè)棋手都表示看不懂。而“棋圣”聶衛(wèi)平甚至表示自己想要對AlphaGo的“驚人一手”脫帽致敬，因為它“用不可思議的下法辟立了圍棋常識之外的新天地”。也就是說，這不是AlphaGo從既往棋局中復制過來的，而是自己創(chuàng)造的戰(zhàn)術打法。

人工智能進入實用階段

實際上，AlphaGo是通過蒙特卡洛樹搜索算法和兩個深度神經網絡合作來完成下棋。在與李世石對陣之前，谷歌首先用人類對弈的近3000萬種走法來訓練AlphaGo的神經網絡，讓它學會預測人類專業(yè)棋手怎么落子。然后更進一步，讓AlphaGo自己跟自己下棋，從而又產生規(guī)模龐大的全新棋譜。谷歌工程師曾宣稱AlphaGo每天可以嘗試百萬量級的走法。

“它們的任務在于合作‘挑選出那些比較有前途的棋步，拋棄明顯的差棋，從而將計算量控制在計算機可以完成的范圍內。在本質上，這和人類棋手所做的一樣。”中科院自動化研究所博士研究生劉加奇說。

“傳統(tǒng)的棋類軟件一般采用暴力搜索，包括深藍計算機，它是對所有可能結果建立搜索樹，根據需要進行遍歷搜索。這種方法在國際象棋、跳棋等方面還具有一定可實現性，但對于圍棋就無法實現。”中科院自動化研究所研究員易建強說，“ AlphaGo利用深度學習的方法降低了搜索樹的復雜性，搜索空間得到有效降低。比如，策略網絡負責指揮計算機搜索出更像人類高手該落子的位置，而估值網絡負責指揮計算機搜索出后續(xù)更有可能獲勝的一個落子位置?！?/p>

劉加奇進一步解釋，深度神經網絡最基礎的一個單元就類似人類大腦的神經元，很多層連接起來就好比是人類大腦的神經網絡。AlphaGo的兩個神經網絡“大腦”分別是策略網絡和估值網絡。

“策略網絡主要用來生成落子策略。在下棋的過程中，它不是考慮自己應該怎么下，而是想人類的高手會怎么下。也就是說，它會根據輸入棋盤當前的一個狀態(tài)，預測人類下一步棋會下在哪里，提出最符合人類思維的幾種可行的下法?！?/p>

然而，策略網絡并不知道自己要下出的這步棋到底下得好還是不好，它只知道這步棋是否跟人類下的一樣，這時就需要估值網絡來發(fā)揮作用。

劉加奇說：“估值網絡會為各個可行的下法評估整個盤面的情況，然后給出一個勝率。這些值會反饋到蒙特卡洛樹搜索算法中，通過反復如上過程推演出勝率最高的走法。蒙特卡洛樹搜索算法決定了策略網絡僅會在勝率較高的地方繼續(xù)推演，這樣就可以拋棄某些路線，不用一條道算到黑?！?/p>

AlphaGo利用這兩個工具來分析局面，判斷每種下子策略的優(yōu)劣，就像人類棋手會判斷當前局面以及推斷未來的局面一樣。在利用蒙特卡洛樹搜索算法分析了比如未來20步的情況下，就能判斷在哪里下子贏的概率會高。

“奇點”正在臨近？

人工智能越來越近。顯然，它并不會只用來下棋，實際上它正掀起一輪輪產業(yè)變革、經濟變革甚至社會變革。

“人工智能將有助于人類解決疾病、醫(yī)療、氣候、能源、數據、游戲等多個領域的問題，我們將與各領域最頂級的研究人員合作，促進人工智能與創(chuàng)業(yè)、產業(yè)領域的有機結合。” AlphaGo開發(fā)者德米什·哈薩比斯表示。

哈薩比斯當然不想把人工智能局限于棋盤上，他將目光投向了更為廣闊的世界，力爭開發(fā)出可以用于多個領域的通用型學習機器，制造出可以像人類一樣從白紙狀態(tài)通過自主學習找到問題解決方案的人工智能。他將這一目標比喻為實現人類登月夢想的“阿波羅計劃”。哈薩比斯還說，未來將開發(fā)在任何地方都能使用的通用人工智能。也就是說，從硬件到軟件、從個別商品到系統(tǒng)的統(tǒng)合，這種趨勢將會改變產業(yè)和人們的日常生活。

同哈薩比斯一樣，全球頂級企業(yè)也將“賭注”壓在了人工智能之上。全球科技商業(yè)預言家、暢銷書《失控》作者凱文·凱利認為，未來20年，全球最重要的技術就是人工智能。英國帝國理工學院的人工智能學者馬克·戴森羅克說：“如果人工智能以這種速度發(fā)展下去，我們或許在未來10年到20年里就能看到電影《鋼鐵俠》中那個人工智能助手賈維斯。”

韓國《中央日報》的報道稱，人工智能的威力正在進入實用階段，因為像谷歌、IBM、微軟、蘋果、Facebook這種世界級的信息通信技術企業(yè)，把與大數據相結合的人工智能技術陸續(xù)在醫(yī)療、金融、體育、社交網絡領域實現實用化。人工智能技術與制造業(yè)的接軌也在變快。有人預測，如果人工智能與無人駕駛汽車接軌，那么將沒有交通事故，保險公司也將無需存在。如果讓人工智能與無人機接軌，毫無疑問這將使得商業(yè)化如虎添翼，也將給武器系統(tǒng)帶來影響。

此外，2015年，專注于初創(chuàng)企業(yè)的市場調查公司“風險掃描”追蹤分析了全球855家人工智能初創(chuàng)企業(yè)，發(fā)現這些企業(yè)橫跨13個門類，總估值超過87億美元，其中計算機深度學習和視覺圖像識別兩個方向最受投資者青睞。

在科幻電影《超驗駭客》中，約翰尼·德普飾演的科學家因為研發(fā)人工智能而被恐怖組織暗殺，臨死之前倉促地將自我意識上傳至電腦。最后，這名科學家成為一個能夠不斷進化的結合生物智慧和人工智能的“超級計算機”。

AlphaGo戰(zhàn)勝李世石之后，人工智能通過自我進化增加智慧已變?yōu)楝F實。搜狗CEO王小川認為，人工智能能做到隨著時間推移變得越來越聰明，正如金庸小說中老頑童讓自己的左手和右手“互搏”，從而練就絕世武功。

“在下棋這個領域，AlphaGo這樣一臺在算法上沒有天花板的機器，將有機會登峰造極。”王小川評價說。

并非所有人都對人工智能抱以樂觀的態(tài)度。早在1993年，美國科幻作家弗諾·文奇在《即將到來的技術奇點》一文中寫道：“在未來30年間，我們將有技術手段來創(chuàng)造超人的智慧。不久后，人類的時代將結束。”在他的描述中，所謂“技術奇點”是指在未來的某個時期，當機器達到“強人工智能”時，智商將超過人類，從而對人類社會造成巨大沖擊。

而自稱美國未來學家的庫茲韋爾則在他2005年出版的《奇點臨近》一書中，把“技術奇點”進一步轉述為“奇點理論”。他描述道：“2045年將出現‘奇點時刻，人類文明走到終點，生物人將不復存在，取而代之的是一個叫做‘奇點人的新物種。”

霍金也對人工智能表示極度擔憂：“人工智能開發(fā)成功將會是人類歷史上最大的事件。但不幸的是，這可能也會是最后一個大事件?！比ツ?，霍金還與特斯拉創(chuàng)始人伊隆·馬斯克、蘋果計算機共同創(chuàng)辦人史蒂夫·沃茲尼克等數百名頂尖精英發(fā)表聯署公開信，表示人工智能對人類生存的威脅更甚于核武器。

霍金認為，特別是高科技軍事裝備的普及，如美軍在戰(zhàn)場上大量使用無人機遠程殺敵，或多或少印證了這種憂慮。

不過，人工智能研究者則認為，這多半屬于杞人憂天。中科院計算所副研究員陳天石表示，AlphaGo雖然展示了非凡的才能，但人工智能不大可能像人們想象的那樣進步神速。早在上世紀八十年代，人工神經網絡的算法基礎就已經基本構建好，但那時處理器的運算能力上不去，使人工神經網絡的威力不能完全發(fā)揮。AlphaGo的成功展示了處理器芯片運算能力的進步。

“隨著芯片摩爾定律的終結，處理器芯片的運算能力不再高速增長，人工智能也很可能會進入一個瓶頸?！标愄焓f，“我們距離真正的強人工智能還差得很遠，也許五十年，也許一百年或者更久。”（本刊綜合）