人工智能超越人类之路还很长

本篇文章3630字，读完约9分钟

5月25日下午1点，当中国工程院院士倪光南在“剑上人工智能加修”论坛上谈论“大数据已成为新生产力”时，笔者的手机收到一条即时消息:世界围棋第一高手柯杰在乌镇与阿尔法戈的第二场比赛中拼尽全力，但最终输给了白棋。事实上，他已经输掉了这场三场人机大战。然后在5月27日，第三场比赛的结果没有任何悬念，仍然以人类“最强棋手”的失败而告终。

事实上，世界对围棋的人机巅峰之战并没有太多幻想。尤其是在柯杰输掉第一场比赛后，没有人怀疑阿尔法戈会赢。就连乌镇智库的首席科学家陈立人也没有享受江南水乡的峰会，而是飞往贵阳参加“剑上加秀”论坛。

虽然柯杰的国际象棋排名比韩国的李世石高，但他对抗的新阿尔法戈显然比不上他之前与李世石竞争的阿尔法戈。据说两者之间有差距。事实上，不到半年前，当阿尔法戈在互联网上以60场不败的记录横扫世界顶级围棋手时，乌镇巅峰对决的结果得到了证实。

虽然没有悬念，但是人类“最强”的失败仍然让很多人感受到了很多的情绪，各种评论的声音层出不穷。其中，人工智能科学专家、哈佛大学、斯坦福大学和加州大学伯克利分校的客座教授皮埃罗·加鲁菲(pierrot Garuffi)很有意思:一个计算机神经网络(alphago)击败了世界围棋冠军。“你知道，人脑每小时消耗大约20瓦的能量；阿尔法戈配置1920个处理器和280个图形处理器，每小时能耗可达440千瓦(不包括培训期间的能耗)。相反，我更惊讶的是，一个20瓦的人脑可以和一个440千瓦的电脑怪兽竞争。更重要的是，我们20瓦的低能量大脑可以做许多其他令人惊奇的事情，而阿尔法戈就是它。如果一个人使用的资源比你多20000倍，但只做一件事，你应该如何定义这个人？”

以阿尔法戈为代表的人工智能和人脑之间的差距有多大？在牛津大学、耶鲁大学和美国未来生活研究所联合进行的一项研究中，352名专家认为人工智能应该超越所有专业围棋手，成为世界第一。如果机器和人接受同样的训练，将需要17.6年。因此，阿尔法戈没有提前完成任务。

当谈到阿尔法戈如何创造人工智能的传奇时，人们谈论最多的词是“深度学习”，其实质是神经网络的训练。只要有一个大的案例数据库或数据集，就可以训练神经网络。如果没有基于特定任务的大量数据库，即使是最复杂的神经网络也是无用的。只要应用场景中的数据量不足或变量过多，人工智能就不能显示出令人满意的性能。大数据和深度学习在人工智能的广泛领域取得了突破，但这也是基于人类在相关领域创造的巨大数据集。因此，有人说“可捷赢得了尊重，却没有保持人的尊严”，完全忽略了阿尔法戈赖以进行深度学习的数据库(集)是人类创造的，甚至阿尔法戈本身也是人类创造的科技产品。因此，阿尔法戈的胜利，归根结底，凸显了人类科技水平的进步，更不用说人类已经失去了什么脸面。

在“剑上阿秀”论坛上，工业和信息化部电子司副司长吴胜武表示，人工智能的成败取决于不同的场景。“拿阿尔法戈来说，没有人能在围棋中与之匹敌，但是有没有一种机器能打败中国的书法和绘画呢？机器智能选择了一个高度重复且需要大量计算能力的项目。人类的优势并不明显，在个性化领域，机器无法超越人类。”

参与《贾秀伦鉴》的专家说，如果把它看作火箭，可以分为三个部分:深度学习像引擎，超级计算平台像载体，大数据像燃料。对于机器人，人工智能的代表之一，人们希望他们能像人一样理解，这涉及到视觉识别；我希望他能像人一样理解，这涉及到语音识别；我希望他能像人一样锻炼，这与运动控制有关。简而言之，人们希望他们能够通过计算智能来保存和计算，并且他们能够通过感知智能来听、说、看和识别；认知智能使他们能够理解和思考，运动智能使他们能够奔跑和跳跃。然而，人工智能仍处于发展的初级阶段。

在去年击败李世石后，被称为“阿尔法哥之父”的深心公司总裁哈比比将注意力转向了游戏。当然，这不是深度思维的最终目标。在未来，deepmind的技术将“解决现实世界的挑战，例如让智能手机助手变得更智能，在未来，使用这项技术来帮助科学家解决医学和其他领域中一些最紧迫的社会问题。”

击败柯杰后，哈比比说:“目前，阿尔法戈有学习的能力，在某些领域有类似人类直觉的能力。”未来，我们希望让阿尔法戈与人类更紧密地融合在一起，共同探索。一些有趣领域的神秘。”

人工智能对人类社会有什么意义？一位业内人士说得好，那就是“让人类用有限的生命去做更有意义的事情。”当然，人工智能的发展对人类来说是一把“双刃剑”，人类对人工智能的发展前景充满期待和担忧。美国先知雷·库兹韦尔认为，指数级的进步最终将使人工智能实现飞跃，大约在2029年，机器智能将赶上人类。到2045年，人和机器将会深度融合，这是奇异的时刻。在《机器人时代》一书中，对人工智能领域200名研究人员的调查显示，42%的人认为会思考的机器会在2030年前制造出来，有些人甚至提议在2020年前增加一个选项，只有2%的人认为这永远不会发生。

在去年击败李世石后，哈比比曾将李世石形容为“围棋界的罗杰·费德勒”，但这可能仅仅是根据他们在各自比赛中的成绩。人工智能技术的最终目标是应用于机器人，但就目前的机器人而言，它们只能做程序化、规定性和重复性的工作，没有丰富而准确的感知系统，也缺乏灵活性。对于一个智能机器人来说，安静地坐在棋盘前，优雅地拿起一枚棋子，果断地把它放在正确的位置，显然比在网球场上跑得快打网球更容易。即便如此，在与李世石的对抗中，阿尔法戈仍然需要一个代理人来帮助自己，而不是像人一样在真正的棋盘上掉下一颗棋子。在对阵科杰的比赛中，阿尔法戈依然如故。

在前面提到的对352名专家的调查中，受访者认为机器人在长距离跑上超过人类需要11.8年。坦率地说，这大大出乎了作者的意料。当然，长跑是在平坦而清晰的运动跑道上进行的。如果你改爬楼梯甚至爬山，恐怕机器人会再次挣扎。

大事记

人工智能的诞生

1956年夏天，麦卡锡在美国达特茅斯学院举行的一次研讨会上首次提出了“人工智能”的概念，同时纽厄尔和西蒙展示了他们的逻辑理论机器。机器能够根据逻辑规则提出假设和解决问题，并且能够证明《数学原理》中的定理，这符合大多数人规定的“智能”标准。这是历史上第一次人工智能研讨会，也被广泛认为是人工智能诞生的标志。

莎士比亚，第一个人工智能机器人

从1966年到1972年，机器人莎士比亚是由斯坦福国际研究所开发的。这是第一个使用人工智能的移动机器人。Shakey能独立感知、分析环境、规划行为和执行任务，并能根据人类的指令找到和抓取构件。然而，计算机的运算速度很慢，而且完成一条指令往往需要很长时间。

专家系统

专家系统是以专家的专业知识和工作经验为基础，用于解决特殊问题的计算机系统。美国科学家爱德华·费根鲍姆(edward Feigenbaum)等人于1965年成功开发了化学分析专家系统dendral，这是第一个能够分析实验数据的有效专家系统。霉素是斯坦福大学的Schottliff等人于1976年在20世纪70年代早期发布的一种医学咨询系统，可用于诊断传染性血液病患者。

cyc项目

在道格拉斯·伦纳特的领导下，cyc(百科全书)项目始于1984年。它试图将人类所拥有的全部常识输入计算机，建立一个庞大的数据库，并在此基础上实现知识推理。2006年，该项目免费向公众提供了“开放资源”版本。

深蓝和象棋

1997年5月11日，ibm的国际象棋计算机深蓝击败了世界象棋冠军卡斯帕罗夫。深蓝拥有30个并行处理器，每秒2亿步棋的运算速度，以及70万条大师级的象棋数据。深蓝可以搜索和估计接下来的12步棋，而一个优秀的人类棋手可以估计接下来的10步棋。

一敌五的中国象棋

2006年，在首届中国象棋人机大战“Inspur杯”中，五位中国象棋大师最终被超级计算机Inspur Tissot击败。Inspur Tissot的平均移动速度为27秒，其位置分析和检索能力达到66万亿次。

沃森和小测验

沃森是一个由ibm开发的人工智能程序，可以使用自然语言回答问题。2011年，沃森参加了老美国智力竞赛节目“危险边缘”，并击败了两名人类冠军。沃森已经存储了2亿页数据，并且在回答问题时还能识别出隐藏的含义和语调差异。然而，沃森并没有在理解的基础上回答这个问题，而是很快提取出似乎与问题中包含的关键词相关的答案。

深度学习和阿尔法戈

深度学习是一种多层神经网络学习算法，它结合低层特征形成更抽象的高层表示(属性类别或特征)，以发现数据的分布式特征表示。以前，计算机不能做出选择特征量的判断。提高机器学习精度的关键在于人类输入什么样的特征量。深度学习提供了模拟人脑的可能性。

Alphago是谷歌deepmind开发的人工智能go程序，具有自主学习能力。2016年，阿尔法戈打败了韩国棋手李世石，后来在互联网上改名为“大师”，赢得了60场比赛而没有输，直到在乌镇打败了中国的柯杰。