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(lǐng)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(xué)習(xí)飛速進步的一個例子，其秘密在于啟發(fā)式學(xué)習(xí)和深度學(xué)習(xí)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(wù)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(xué)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(xué)習(xí)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(xué)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(xué)習(xí)與深度學(xué)習(xí)相結(jié)合。有了新算法與硬件，啟發(fā)式學(xué)習(xí)有望讓計算機系統(tǒng)學(xué)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(yīng)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(yīng)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(yīng)用。在識別和生成領(lǐng)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(lǐng)域。從歷史趨勢上看，機器在逐漸適應(yīng)人，并已為人類分擔(dān)了許多具體工作。”王小川說。

但他同時指出，目前人工智能還局限在特定的封閉領(lǐng)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(xué)習(xí)、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(xué)計算機科學(xué)與工程學(xué)系系主任楊強說，從機器學(xué)習(xí)的角度看，AlphaGo尚不具備遷移學(xué)習(xí)的能力，即把已經(jīng)訓(xùn)練好的模型參數(shù)遷移到新的模型上來幫助新模型訓(xùn)練數(shù)據(jù)集。王小川則認為，目前來看，遷移學(xué)習(xí)等理論離實際應(yīng)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(xué)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(shè)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(lǐng)域研究中，此后人們看到了神經(jīng)學(xué)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(yīng)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(shù)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）