人机围棋大战背后 是一段你不知道的人工智能史
我的图书馆
人机围棋大战背后 是一段你不知道的人工智能史
人机围棋大战背后 是一段你不知道的人工智能史
总第69期 作者：xukkx
导语：要说2015年至2016年间风靡整个围棋界和人工智能领域的一件大事，莫过于新科围棋计算机程序AlphaGo挑战著名世界冠军韩籍棋手李世石九段了。从赛前的舆论风向上看，除了部分计算机界专家对AlphaGo的获胜充满信心之外，普遍的看法还是偏向于人类顶尖棋手能够战胜围棋计算机程序。如李开复博士曾在知乎表示人工智能若要战胜李世石，还需要1至2年时间的磨练。然而第一天的战果却令大部分人大跌眼镜，经过一场三个半小时的大战，AlphaGo执白中盘战胜李世石，令世人震惊。那么，人工智能经过几十年的发展，究竟到了何种地步？真的可以取代人类智能，达到一个令人类遥不可及的境界了吗？本文通过对人工智能历史的发展的梳理，对此问题做一个简单的探讨。
人机围棋大战现场
一、 人工智能的起源与发展
人工智能，即人类使用计算机对人类智能的模仿，让机器“学会”人类在某一领域的专业技能。早在公元前384-322年，Aristotle在其著作《工具论》中提出形式逻辑。Bacon在《新工具》中提出了归纳法。莱布尼茨(Leibnitz)提出了通用符号和推理计算的概念，这些都是人工智能研究的萌芽。进入19世纪以来，数理逻辑等学科的进展，为人工智能的诞生奠定了基石。布尔(Boole)创立的布尔代数与哥德尔(Godel)提出的不完备理论，以及图灵(Turing)提出的自动机理论，为电子计算机的发明提供了理论基础。1943年，McClloch和Pitts提出了MP神经网络模型，开创了人工智能中的重要领域——神经网络的研究，1945年随着ENIAC电子数字计算机的诞生，人工智能得到了不断的发展和应用。如今，人工智能已经渗入了普通人生活的方方面面。比如在人们网购的过程中，网站可以通过用户浏览网页的习惯来“猜测”其可能感兴趣的商品，并推荐给该用户，这项技术就使用到了人工智能中重要领域“机器学习”中的重要方法。而机器学习中的重要算法——神经网络，则与本文的主角AlphaGo围棋程序息息相关。
二、 为什么围棋程序是人工智能重大挑战？
早在人工智能发展初期的20世纪50年代，来自IBM工程研究组的Samuel就开发出了跳棋程序，具有初步的学习能力，可以在与人对弈的过程中不断地积累经验，提高自己的棋艺。并且在1959年，这个程序战胜了其设计者本人，1962年，再次击败一位州跳棋冠军。由此可见，通过机器学习人类的棋类游戏并与人类对弈，一直是人工智能应用中的一个很令人感兴趣的话题。早期人工智能学者对于”计算机很快就会战胜人类“这个话题曾经过分地乐观过，60年代初，人工智能创始人Simon等甚至乐观地预言：十年内数字计算机将取代人类获得国际象棋世界冠军。
然而经过深入的研究，人们却发现人工智能所遇到的困难比想象中的多得多，比如，Samuel的跳棋程序在击败州冠军后无法再前进一步。而在国际象棋对弈中，人类棋手可以在每步三分钟的时间限制中，通过直觉与理解，在若干个定式中选择对自己最为有利的下法。对于优秀棋手而言，通常可以通过思考预测到5步之后的情形，而对于电脑程序而言，每行走一步却面临着平均每颗棋子超过30余种选择，合计起来为了预测5步以后的情形，需要考虑下法居然多达1015 种可能，计算机每走一步，则平均每秒需要检查百万种可能的走法，以当时电脑的计算能力而言，走一步棋需要花费三十年时间。可见如果电脑不能通过对棋局的判断来减少行棋的复杂度，仅凭蛮力，程序很难击败人类顶尖棋手。1968年，在得知人工智能研究者John McCarthy和Donald Michie”十年内电脑将击败国际象棋世界冠军”的预言后，著名国际象棋世界大师David Levy与人工智能学者打下一个非常著名的赌注：没有电脑国际象棋程序可以在十年内击败我。赌金为1250英镑。在这十年中，David Levy成功了击败了所有电脑挑战者，并在1978年9月在一场六局对决中，以4.5比1.5的比分战胜当时的终极电脑程序Chess 4.7，从而最终赢得了自己打下的这个赌。
尽管赢下了赌注，电脑却在第四局对局中获得了胜利，这是计算机程序历史上第一次击败人类国际象棋大师。为此，David Levy写道：尽管我在十年前的断言是正确的，然而我的机器对手在这十年中，比我打赌时进步的太多了，从此以后，再也没有会令我震惊的事情发生了（指电脑程序最终击败人类特级大师）。那么，这十年中电脑程序在什么方面取得了进展呢？
剪枝法示意
转机来源于一种被称为“剪枝法”的算法被用于象棋程序的估值函数之中。估值函数，即电脑对于当前棋局优劣进行判断的根据，估值函数根据当前的局面算得一个分数，来判断此棋局是否对自己就有利，最后，选择最高得分的那一步作为自己最终的行棋。如果可选择的步数太多，未经过特别的优化，则会陷入上文提到的穷举困境之中。顾名思义，“剪枝法”就如同剪掉一棵大树不重要的“旁枝”一般，去除掉完全不可能的走法，因故可以减少复杂度，对估值函数最后的选择起到了优化的作用，这么一整套算法被称为“ alpha-beta 剪枝结合搜索树算法”。
随着数十年来算法的不断改进，到了七十年代末，国际象棋程序已经可以击败人类的顶级高手了。1976年，在Paul Masson美国国际象棋锦标赛B级的比赛中， Chess4.7的前身，美国西北大学开发的Chess4.5击败了人类选手，这是计算机程序首次击败人类棋手夺取的人类锦标。到了1982年，计算机象棋程序每秒可估算1500种不同的走法，并击败绝大部分人类棋手。可见，程序所取得的进步并非靠计算硬件水平的提高，而是通过算法上的优化，提高程序鉴别“胜负手”的能力和速度，在一个可行的范围内找出人类棋手的弱点，从而击溃之。最著名的“人机”大战是1997年俄罗斯国际特级大师卡斯帕罗夫与IBM公司研发的超级计算机深蓝(Deep Blue)的对决，深蓝最终的胜出表明人类最强国际象棋特级大师已经彻底被人工智能所击败，从此再也难以从计算机程序手中拿走一胜了。
那么既然人工智能算法在国际象棋上已取得了大捷，基于同样原理的算法能否在更加复杂的围棋中击败人类的顶级棋手呢？答案是否定的，在简单的规则下，标准的19×19棋盘内，共有361个点，大概有10170种下法，而宇宙中已知原子的数量只有1080个，可见围棋棋局之复杂远超国际象棋，这也难怪创建高水平的围棋程序被称为人工智能领域的重大挑战。比较而言，在国际象棋程序中行之有效的“搜索树”（search tree）算法，在围棋程序中的推广却不甚理想，难以和职业围棋选手抗衡。在AlphaGo出现之前，基于传统算法的围棋程序仅能达到业余棋手的水平，远远不能令人满意。而AlphaGo横空出世后，首战即5比0大胜欧洲围棋冠军樊麾二段，展现出不俗的实力。因此，说AlphaGo的出现严重动摇了人类智能在围棋上的垄断，是毫无问题的。那么，AlphaGo及其研发的团队Google DeepMind都有什么亮点呢？
三、 AlphaGo体现了当今人工智能的最高水平
在谈及AlphaGo及其开发团队Google DeepMind之前，必须先简介一下其领导者哈萨比斯(Demis Hassabis)，可以说，在他出现之前，几乎所有研究者都认为在十年内人工智能战胜围棋大师的机会是渺茫的。而在他出现以后，几乎所有人都在惊呼人工智能已破解了围棋这一历史难题，甚至在极短的时间内两次让研究成果上了《Nature》杂志的封面。因此，卫报(TheGuardian)直呼Hassabis就是人工智能领域的超级英雄。我认为Hassabis个人完全配得上这个称谓。
据《卫报》的报道，Hassabis的终生目标就是开发出“通用”的人工智能程序，来解决生活中的一切问题。他分别取得了剑桥大学和伦敦大学学院的计算机科学和神经科学学位。Hassabis称自己领导的项目就是“21世纪的阿波罗项目”，这也难怪AlphaGo在击败了李世石九段之后Hassabis第一时间在twitter对团队的祝贺中用“登月”形容围棋程序击败人类顶尖棋手的意义。而在此之前，DeepMind通过对近期人工智能技术中最热门的一项技术——深度学习网络，加上”强化学习”的方法使计算机通过自学的方式在上世纪七八十年代的雅达利经典游戏中，获得了近乎人类的表现。而这一成果在更早先的时候登上了《Nature》杂志的封面。拥有千年历史的古老游戏与三十年前的像素游戏纷纷被人工智能攻破，恐怕在未来若干年间，人工智能在任何游戏中都强于人类也不会是太令人震惊的事情吧。
以上所有人工智能领域的发展，都离不开一项技术在近年来的突破，那就是深度学习(Deep Learning)，深度学习是传统的神经网络技术的再发展。何为神经网络？神经网络就是人类提出的一套模拟大脑工作方式的计算机算法。人的大脑有100亿个神经元，人类对于环境的感知，对于未知事物的认知与神经元的“可塑性”息息相关，人脑通过对特定的人物或者感兴趣的知识进行“建模”，神经元形成相互连接的“神经网络”，并通过互联神经元的连接强度，即突触权值来储存知识。而所谓人工神经网络，就是将化简后人脑的神经元模型实现于电子计算机之上，从而得到类似于人脑的功能，使计算机可以通过“学习”从外界环境中获取知识。最初等的人工神经网络出现在20世纪50年代末的“感知机”模型，初步展现了人工神经网络的学习能力，后来的研究表明感知机模型只能解决很有限的几类问题。神经网络的最新发展——深度学习方法源于Geoffrey Hinton教授等人三十多年来的不懈努力研究和推广，自诞生之日起，即在机器学习领域中大放异彩，通过深度学习方法训练出来的模型，在某些特别的图像识别和语音识别的任务中，甚至有超过人类的表现。在当下，深度学习方法是最接近人类大脑的人工智能学习算法。那么将深度学习网络应用于围棋程序AlphaGo又与传统的国际象棋程序深蓝有什么区别呢？
据AlphaGo官方博客介绍，AlphaGo采用了一种更加“通用”的人工智能方法，即采用将改进的蒙特卡洛决策树算法与深度神经网络算法相结合的方法构建最终的学习系统。其中，深度神经网络由一个多达12层的包含上百万个神经元节点的神经网络构成，其包括两个部分：策略网络与价值网络。具体的技术细节在此不赘言，仅说说其发挥的作用。策略网络在当前给定的棋局中，负责预测下一步的走棋，并对下一步走棋的好坏进行打分，如果是好棋，就打高分，最终，最高分的走法被策略网络选为下一步棋的走法。而这个最高分如要如何评定呢？此时，现存于人类数据库中的围棋棋谱的作用就体现出来了，对比以往高手对决的棋谱，如果如此走法能得到最终的胜利，那就是好棋，这步就可以评高分，因为以往棋谱的胜负是已知的，反之亦然。在这里，人类历史上的大量围棋起了训练数据的作用，好比老师在“监督”学生做练习，答对了就给高分，答错了不给分。通过对于三千万步人类棋谱的学习，AlphaGo对于人类棋手下一步走棋的预测准确率高达57%(之前为43%)。策略网络的作用好比“模仿”人类棋手的各种走法，以达到预测的效果。
然而仅凭模仿无法击败最顶级的人类高手。因此，AlphaGo增加了价值网络来判断当前的局面，到底对哪一方有利，这一步类似于国际象棋程序中的估值函数，而具体的实现方法却有所不同，象棋程序中需要人工调整估值函数中的权重，以达到最好的效果，甚至需要水平极高的国际特级大师参与调整参数。而围棋程序的局势评估相当困难，只能通过深度学习网络之间自我训练的方法来达到良好的效果。与国际象棋程序相比，围棋好比人类用自己的知识训练电脑，使其达到人类高手的水平，而国际象棋程序则是人类亲自将行棋的方法与逻辑设计为电脑程序，最终由计算机代表人类与人类高手进行对弈。根据Facebook人工智能组研究员田渊栋博士介绍，为了得到合适的价值网络模型，AlphaGo通过自我对局三千万盘的方式训练得到了强有力的价值网络模型，最后再通过传统的蒙特卡洛搜索树方法结合以上两种深度神经网络模型，最终得到了完整的AlphaGo围棋程序。可以说AlphaGo的研发是当今人工智能领域各类技术的集大成者，体现了人工智能技术的最高水平。
四、 人工智能超越人类还要多久？
李世石在围棋人机大战第一盘中的失利，几乎掀起了轩然大波，似乎一夜之间人工智能已经战胜人类智能，甚至人工智能完全超越人类智能的那一天似乎也不会遥远了。为此，需要对“人工智能”的概念做一个简单的澄清。
对于人工智能的看法，一直分两派不同的观点，一派是强人工智能，即通过不断地发展机器终将获得类人的自我意识，最终通过不断地自我进化获得远强于人类的智能水平。而另一派则认为人工智能只是对人类劳动的接管，仅在部分领域超越人类，全面超越人类智能只是一个梦想而已。
从目前的研究现状看，强人工智能的研究几乎陷入了停滞，远超过人类智能的强人工智能是否存在依然是个很有争议的话题，更不要说具体的研究方向了。而主流的机器学习技术，依然集中于对人类技能的学习，并通过学习的成果来解决实际的问题。比如说围棋程序AlphaGo，尽管比起国际象棋机器深蓝进步很大，然而本质上依然是在给定规则具体游戏上的探究，一旦改变了规则，甚至换不同规格的棋盘，AlphaGo就必须推倒重来，重新搜集相应棋谱来获得棋力了。很明显，这和人类所认识的“举一反三”类型的“创造知识”的智慧是不相符的。如果要问当今的人工智能是否达到了三岁小孩的智力水平，那也是一件无法比较的事情，因为通过不断地训练机器可以在特定技能上完胜小孩子，但是在一些看似简单的学习上，小孩子需要花费的精力却远小于机器。比如拿起桌子上的杯子喝水，对于小孩来说很容易学会，对于智能机器来说，却是件连问题是什么都很难描述清楚的事情，更不要说自主学习了。因此，在未来很长一段时间内，所谓人工智能，依然只是对人类技能的补充，好比工具，是对人类智慧的拓宽，即“机器使用人类的知识战胜了人类”，而远非到了远超人类智慧的地步。
当然，人类对于智能的理解还很浅。就拿上文所提的深度学习举例，虽然在实用中获得了广泛的应用，然而人们对其背后的数学机制依然不太清楚，不知道机器做出结论的依据是什么，甚至连Hassabis本人也说不清楚AlphaGo的棋力到底几何。或许直到人类对“智能是什么”这种问题的本质了解透彻之时，对于“人工智能能否超越人类”这个话题才能得到令人满意的答案吧。
馆藏&141299
TA的最新馆藏[转]&[转]&[转]&[转]&[转]&
喜欢该文的人也喜欢昨天谷歌人工智能AlphaGo第一盘棋战胜了李世石，在总共5场对决中抢得先机。这也激起了各种&机器超越人类，科幻小说将成真&的讨论。
比赛当天，主持人张泉灵就曾对话也在观战的李开复，李开复表示，人工智能的逻辑推理能力远超人类，而且没有任何感情因素影响判断，因此对它玩花样完全行不通，最明智的手段还是严格采用专业打法，全力以赴。
今日，李开复在自己公众号中又刊文详述了对人工智能的看法，他提到，AlphaGo这类的&人工智能&机器真正可能带来的危机，不是奴役人类，而是让人类丧失斗志，无所事事。
下面是文章全文：
昨天AlphaGo第一盘棋战胜了李世石，激起了各种&机器超越人类，科幻小说将成真&的讨论。特别有趣的是有人揣测AlphaGo下面会不会故意输下几盘棋，以免人类起疑心，阻挡了它统治人类的野心。其实，虽然机器在逻辑分析推算方面，能力会远超人类，但是依然是属于人类操控的工具。AlphaGo这类的&人工智能&机器真正可能带来的危机，不是奴役人类，而是让人类丧失斗志，无所事事。
有些人描述AlphaGo是&和人一样的方式思考，但是比人快无数倍&。这么说并不精确。AlphaGo确实比人快无数倍，但是AlphaGo的思考只能说是&被人的大脑启发&，而非和人类思考一样。AlphaGo是一个能自我学习的深度学习，经过专家的调节，它能在任何在可以纯凭逻辑分析推算的问题上，把人类远远低抛在后面。机器速度会越来越快，学习能力会越来越强，数据会越来越多。
基于深度学习的人工智能将带来什么改变呢？我们将看到无数的商机和产品，能够解决问题、拯救生命、产生巨大的商业和用户价值。未来，自动交易能得到更高的投资回报和风险比例，自动诊断+基因排序会达到个性化精准医疗，推荐引擎将能推荐你最可能会买的产品、想吃的菜，想认识的人。在拥有大数据+大计算+专家调节的领域，就不必再跟人类相比了，因为人类根本差的太远了（就像没有人能打败搜索引擎一样）。
这些技术可能辅助专家，也可能取代专家。非专家的工作者很多将会面临失业。未来十年，大部分今天的人类工作可被机器取代。机器将取代许多的护士、记者、会计、教师、股理财师。。。的工作。任何带有&助理&、&代理&或&经纪&等字样的职位都很可能被取代。 这些机器不需要工资，只需要供电和网，就会一年365天，一天24小时&上班&。这些机器将帮助我们创造世界上的大部分财富。
虽然这些机器确实很&聪明&，而且又高效、勤奋、低廉，但是他们并不&人性化&，只是冷冰冰的机器和工具。比如说，AlphaGo第一场就战胜了李世石，但是它不会感觉高兴，也不会理解我们对于它的讨论。甚至，它说不上这局棋是怎么赢的。因为，它的思考虽然周密，但是它不懂&赢了有什么感受？&，也不懂&为什么围棋好玩&，更不懂&人为什么要下棋？&，甚至连&你今天怎么赢的？&都说不上。
今天的机器完全无法理解人的情感、喜怒哀乐、七情六欲、信任尊重、价值观等方面 。对于人文艺术、美和爱、幽默感，机器更是丝毫不懂。有位AI研究员做了一套研究幽默感的系统，然后输入了一篇文章，这个系统看了每句话，都说&哈哈&！今天的机器连个两岁小孩都不如。对人工智能的研究者，这应该是一大未来的挑战。
未来机器统治人类的预测还很遥远
所以，今天这些机器仅仅是我们的工具，会为创造价值。至少今天，我们不必担心人工智奴役我们（不过要盯好拥有机器学习+大数据的公司，别来作恶伤害用户）。那我们该担心什么呢？这些强大的机器，将带来人类能否度过有史以来最大的&下岗潮&。
这次的&机器取代人类&将远超过去的工业革命和信息革命。不过，&下岗&还不是最可怕的，因为这些机器会产生巨大的商业价值，养活着这些下岗者，进而养活着人类。
人类最应该担心的是：一旦当机器供养着人类，人类达到了马斯洛需求的基本需求，人类真的还会有动力去追求更宏伟的目标，自我实现吗？还是会醉生梦死、无所事事地或者？
未来机器养活无所事事的人：真实的危机
面对这个担心，我们应该：
①关注启发式教育，用互动式教育启发孩子对学习的兴趣和效率。AlphaGo愿意跟人类学习，我们当然也要善用最善于分析，最博学的机器。善于学习，乐于学习的孩子，是不会醉生梦死的。
②正视发育右脑的学科领域，平衡文理。塞翁失马，焉知非福？机器超越人类的左脑（工程逻辑思维），也许就是要人类从过去几十年重视理工，倾斜回来，花更多的精力在机器不擅长的右脑，例如：文学诗歌、艺术音乐、电影话剧、文创设计、工匠之美、宗教哲学、沟通情商。这不是说就不要学理工了，而是说应该让适合理工，爱好理工的人学理工，适合人文，爱好人文的人学人文。我们应该平等看待文理，并且鼓励发展文理双全的人才。
③鼓励有上进心的年轻人挑战自己， 孜孜以求，成为专才。不要把时间浪费在&安稳&但是重复性的工作上，而要以&成为某个特殊又有用领域的最顶尖人才&为目标，为己任。
您可能也感兴趣:
近期《绝地求生》的异常火爆让玩家们过足了吃鸡瘾，生存问题使玩家们变得异常敏感与兴奋。而...
官方微博/微信
每日头条、业界资讯、热点资讯、八卦爆料，全天跟踪微博播报。各种爆料、内幕、花边、资讯一网打尽。百万互联网粉丝互动参与，TechWeb官方微博期待您的关注。
↑扫描二维码
想在手机上看科技资讯和科技八卦吗？想第一时间看独家爆料和深度报道吗？请关注TechWeb官方微信公众帐号：1.用手机扫左侧二维码；2.在添加朋友里，搜索关注TechWeb。
本周最推荐
一个台灯，169元！贵吗？很多人的第一反应是这个...
中国家庭显示设备一直都追求大尺寸，当年黑白电视流行的时候，甚至有专门的放大镜摆在电视之前，用于放大电视的图像。如今这种接...
Copyright (C)
All rights reserved. 京ICP证060517号/京ICP备号 京公网安备76号
TechWeb公众号
机情秀公众号专家谈人机围棋大战：技术群体战胜了天赋个人-中新网
专家谈人机围棋大战：技术群体战胜了天赋个人
日 09:52　来源：长江日报 　
　　记者刘功虎
　　连日来，“阿尔法围棋”（AlphaGo）与韩国棋手李世石的围棋人机大战，引起全世界“围观”。截至13日，4场较量，前3场“阿尔法围棋”连胜，第4场李世石扳回一城。五局系列赛，胜负已分。
　　人机围棋大战，应如何看待输赢？人工智能最终会向何处去？人类最具颠覆性的技术发展到底是人工智能，还是其他？13日，中山大学人机互联实验室主任翟振明接受长江日报记者专访，谈他眼中的“人机大战”。
　　阿尔法围棋让一些人感受到了危机
　　读+：人机对决，反响热烈，有人为之兴奋，有人焦虑。你怎么看这种输赢？
　　翟振明：“阿尔法围棋”横扫李世石，或者二者互有输赢，我不觉得有什么特别的不同。无论如何，我们都可以说，人工智能博弈领域的技术取得了长足进步。
　　但对一些人来说，也许这意味着某种危机的开始。机器人可能接管脑力劳动。他们感觉到了分分钟被淘汰的危险。
　　其实人类的价值，并不在于多么会干活，体力或脑力劳动都是为了解决我们自己给自己设定的任务。有了这种设定，才知道什么是该干的活，什么是有效劳动。下棋一类智力活动，属于高级游戏活动，有工具之外的意义。这场人机大赛，让一部分人们感觉到一种自我认同上的危机，产生了将被机器人淘汰的焦虑。
　　在我看来，强大智能机器的发明，你说是了不起的里程碑也可以，但这并不是人工智能技术的断裂性突破。
　　读+：是否可以认为，这种人机大战，人设计的机器战胜真人棋手，实际还是人和人之间的大战？
　　翟振明：这说法还算靠谱。但是我不太想用战争隐喻来刻画这个事件。换句话说，这只说明了，在单一的抽象博弈智能方面，技术群体战胜了天赋极高的自然个体。
　　机器没有独立的意志。最终说来，“输”与“赢”的说法，都是我们人类单方面的投射，与机器“自己”无关。“阿尔法围棋”根本就没有所谓的“自己”。没有独立的意志，怎么和人发生“大战”呢？
　　读+：一个流行的说法是，“最可怕的不是‘阿尔法围棋’战胜李世石，而在于它能赢却故意输掉”。对此你怎么看？
　　翟振明：这话虽然原本只是玩笑，但其内涵可以非常深刻，涉及到人们常说的“强人工智能”与“弱人工智能”的根本差别的问题。什么叫“故意”输掉？“阿尔法围棋”并没有自我意识啊，没有自由意志啊，如何谈得上“故意”？“故意”可是一种截然不同的能力，是强人工智能技术所追求的境界。目前还见不到端倪。
　　人工智能属于渐进发展的常规技术
　　读+：难道“阿尔法围棋”系统就没有什么值得夸耀的地方？
　　翟振明：当然有。首先，这里比较容易引起混乱的是所谓“阿尔法围棋”已经获得“学习功能”的说法。其实，这是基于一种模仿人脑神经元的网状连接结构的软件运行时的符号累积迭代过程。这种神经网络算法装在高速计算机上，使得这个机器棋手可以永不疲倦地练习对弈，所有人类“棋圣”合起来的练棋次数与之相比都只是零头。
　　再加上巨大数据库和无与伦比的推演速度，丝毫不受情绪影响的“阿尔法围棋”不赢才怪。在我看来，人工智能到现在才开始赢倒有点儿难以理解。毕竟，美国科学家首次提出神经元网络数学模型至今已经70多年。
　　与当年击败世界国际象棋冠军的深蓝不同，基于“阿尔法围棋”同种原理的人工智能系统，可以学习把握医疗数据，掌握治疗方法，帮助人们解除病痛。它可以让人类从纯功利性质的脑力劳动中解放出来，给我们的生活带来极大便利。“深度心智”团队的新目标，据说是开发出可以从零开始的参与所有博弈竞赛的通用学习型人工智能。
　　读+：比起人脑，“阿尔法围棋”最大的缺陷是什么？
　　翟振明：“阿尔法围棋”表现出了强大的计算功能，但与人相比，它没有感官系统、没有主体可体验内容、没有主观意向、没有情绪涌动。“阿尔法围棋”或类似的人工智能系统再强大，也是在冯诺依曼框架下的改进。没有超出这个框架，也就只能是工具型的没有第一人称世界的机器。
　　读+：为什么那么多人关注这次人机对决？
　　翟振明：关注可以，但是没有必要过于兴奋或焦虑。至于人们这次空前的关注度，是否可以这样理解，就像一百年前小说家讲述的科学怪人“弗兰肯斯坦”那样，他创造了怪物，最后自己又被怪物控制。这故事确实让我们觉得，与一般的自然灾难相比，我们人类会自造怪物而“失控”，回过头来对付我们，的确让人懊恼。
　　但是，目前这种人工智能，再怎么自动学习、自我改善，都不会有“征服”的意志，也不会有“利益”诉求和“权利”意识。在我看来，当前，无论从紧迫性上看，还是从终极可能性上看，人工智能问题都属常规性问题，并且是渐进呈现的，我们不必过于兴奋或担忧。我们有更值得担心、警醒、紧迫的事情要去做。
　　“强人工智能”才有人格，可视为人类后代
　　读+：人类因自造怪物而“失控”，甚至被消灭――在你看来，这份警醒是多余的？
　　翟振明：这种担心可以理解，但是并没有理性根据。我们要看到，所有的人造机器，包括“阿尔法围棋”，都是在某些方面的能力高于人类。这本来就是人造机器的目的，很正常。在现有条件下，它不会失控，即使以后真的失控，也与我们对飞机、高铁、大坝之类的失控属同类性质。
　　“阿尔法围棋”具有的说到底仍是一种工具能力，是那种“弱人工智能”。这种“弱人工智能”很可能通过图灵测试，但与人的意向性及主体感受能力不相干。
　　读+：什么样的人工智能才是根本性的突破？
　　翟振明：“强人工智能”相对“弱人工智能”，听起来好像只有程度强弱，实际存在其间的是一条鸿沟。所谓“强”，指的是超越工具型智能，达到第一人称主体世界，意向性、命题态度、爱恨情感乃至自由意志统统发生。
　　很多科学家和哲学家认为，按照现在这种思路来搞人工智能，搞出来的东西不可能有自我意识和意志。按照量子力学的基本构架来进行，倒有点可能。
　　最近，美国量子物理学家斯塔普、英国物理学家彭罗斯、美国基因工程科学家兰策都提出了人类意识的量子假设，中国清华大学副校长施一公院士、中科大副校长潘建伟院士等也大胆猜测，人类智能的底层机理就是量子效应。对于这个问题，我几十年前就开始探索研究，同样的看法日渐增强。
　　“强人工智能”实现以后，这种造物就不能被当作纯粹的工具，因为它们具有人格结构，人类成员所拥有的权利地位、道德地位、社会尊严等等，他们应该平等拥有。与我们平起平坐的具有独立人格的“机器人”，还是机器人吗？
　　不是了！这才是真正的突破。
　　读+：“强人工智能”会不会与人类对抗，最终毁灭人类？
　　翟振明：要理解这种担忧的实质，我们需要好好反思：我们对人工智能的敌对情怀究竟从何而来？我们设计制造了这种新型主体，不就等于以新的途径创生了我们自身的后代吗？长江后浪推前浪、青出于蓝而胜于蓝，人类过往的历史不都是这样的、或至少是我们所希望是的吗？一旦做到了，为何又恐惧了呢？
　　就算真的有“征服”发生，那也是新人类征服了旧人类，而不是人类的末日。对新技术可能引发的后果，我们切忌叶公好龙。
　　读+：你说的更值得担心和警醒、更加紧迫的事情，是指什么？
　　翟振明：今年被很多人称为“虚拟现实元年”。不出几年，我们都会见证虚拟现实的惊人威力和魅力，你们大伙准备好了没有啊？
　　三问“虚拟现实”
　什么是“虚拟现实”
　　记者刘功虎
　　翟振明：你看过电影《王牌特工》吧，英国顶尖的特工分布于世界各地，他们要凑到一起开会怎么办？不用每个人都飞去伦敦，一人戴副眼镜，就可以凑到一间“会议室”里开会，如同身临其境。
　　微信的领头人张小龙不经意说过，“希望五年后大家开会不用出门，戴上一副眼镜，全都和在现场一模一样”。到时候，我们的微信群就不是一个头像、一个昵称凑一起了，而是共同进入一个与现实世界无可分别的虚拟会所，面对面互动交流。
　　我弄的人机互联实验室在6楼，你戴上我改装过的头盔，再加上其他辅助器件，开着一辆电瓶车，就可以无缝穿越到北京。回到广州，回到我所在的大楼，你自己先觉得在1楼，可以和现实中的保安打招呼。转悠一会，回到6楼，摘下头盔一看，还是实验室。
　　物联网建成后，会有很多彼此分离的人机互动界面被连成一体，虚拟现实将成为扩展的现实。
　　要不了多少年，全世界共同进入网络化的虚拟世界。我之所以认为它比别的高科技更重要，更值得重视，因为它将完全颠覆人类的生活形态和实质。可以说：人工智能是让人类生活的劳作性内容越来越少，而虚拟现实、扩展现实是让人类生存生活的创造性意义大规模扩充。
　　翟振明：如果“机器人”有真爱的能力，就不再是“机器”，而是“人”。既然是人与人之间的情感，就不存在颠覆性，按人类既有的伦理道德对待就行了。
　　我所提到的“虚拟现实”，是人与人之间的空间距离关系被完全打乱重整，人际交往的物理障碍几乎全都不复存在，而人的非工具性的创造力的发挥有了极大的空间。人工智能貌似是我们把机器变成“都教授”，而虚拟现实是把我们自己变成神仙。
　　“虚拟现实”将引发人类的伦理观念的巨大变革。黑客帝国不是虚构，就要降临到我们的日常生活中，这些似乎马上就要发生了。虚拟世界将是我们现实生活的翻倍，并与真实生活纠缠不清。它将完全改变每个人的生活方式、生活观念，改变人自身。这是全新的、彻底的技术革命。如果说人类曾经是被造物主创造出来的，那么虚拟现实则是由人一手创造的。人将充当虚拟世界的造物主，制定其全部的游戏规则和伦理体系。
　　虚拟现实是纯人工构建、创立的世界，我们当然要事先预想、防范可能出现的侵犯人的尊严和权利的问题。比如说国界问题，把主从机器人、物联网整在一起后，假设你的自然身体在中国，但在美国订了一个替身，并连接上了。就像电影《阿凡达》看到的那样，你在这里一动，它在美国同时做一样的动作。到时候，你这个人算是出国了没有？你到底是在中国，还是在美国？你如果指挥你的替身在美国杀了人，那么算谁杀的？法律上怎么定义你在哪里，又怎么定义“你”？该由哪个政府部门管辖？所以构建虚拟现实的伦理秩序非常重要。
　　另外，总有一些权力欲、控制欲爆棚的人，他们很可能把人及其虚拟替身变成物联网的附属，服务他们的权力意志。扩展的虚拟现实如果向这个方向发展，将是人类的灾难。所以我们要未雨绸缪。
　　翟振明：可以发挥作用，也可以不依赖它。作为人类的便捷工具，人类当然不排斥用它在扩展现实中做一些复杂而枯燥重复的工作，并且结合大数据，可以在人不上线的时候冒充在线与其他人继续交流。
　　也就是说，在虚拟世界里也可以有数码版的机器人，我将其称为“人偶”。但这种“弱人工智能”不是虚拟现实的主要元素。如果虚拟现实进一步与物联网整合成“扩展现实”，主从机器人被大量部署，人们在虚拟世界中就可以完成几乎所有工具性的体力和脑力劳动。但是，主从机器人，基本上属于无智能的机器人。
　　等到量子计算机进入实用阶段，也许“强人工智能”时代就到了，那又是另一番景象啦，我们的想象力现时也许都达不到呢。到时，我们的后裔还会下围棋吗？“阿尔法围棋”将真的会像摇尾巴的宠物狗一样吧。
　　“虚拟现实”会引发伦理问题吗
　　玩穿越的哲学家
　　记者刘功虎
　　【人物】
　　翟振明在国内学理工科，在美国改学哲学，主攻英美伦理学、现象学、认知哲学和政治哲学，持续关注“虚拟现实”技术领域的进展。获哲学博士学位后在美国多所大学任教，还兼职写过软件代码。
　　1998年他出版探讨虚拟现实技术和哲学的英文专著，在多个领域产生影响。书中思想实验派生出来的技术已获专利一项，另有16项正在申报中。翟振明自2000年任中山大学哲学系教授。他治学的特点是追求原创和系统性，以问题导向为中心，且不拘泥于哲学学科的内部分野。
　　近年，他利用学校专款，独立创建一间“人机互联实验室”，把人和机器连接起来，利用特制的硬件和软件，随时可以体验“穿越”的感觉。他的实验室通过了沙盘测试，目前正在升级改造中。
　　翟振明热心科普，从事艺术创作，与网友互动频繁。他在理论方面的贡献，加上对虚拟现实技术的热心实践，让他得到了腾讯、天涯等公司的支持。
　　人工智能在“虚拟现实”可发挥作用吗
　　翟振明 本人供图
【编辑:刘欢】
>文化新闻精选：
　| 　|　　|　　|　　|　　|　　|　
本网站所刊载信息，不代表中新社和中新网观点。 刊用本网站稿件，务经书面授权。
未经授权禁止转载、摘编、复制及建立镜像，违者将依法追究法律责任。
[] [] [京公网安备:-1] [] 总机：86-10-
Copyright &
. All Rights Reserved}