钱江晚报-浙江新闻客户端记者 卢俊和

1月28日，一则与围棋相关的新闻引来轩然大波

国际顶尖期刊《自嘫》报道了谷歌研究者开发的新围棋AI。这款名为“阿尔法围棋”（AlphaGo）的人工智能在分先的情况下以5∶0完胜欧洲冠军、职业围棋二段棋手樊麾。

消息一出无论是否棋界人士，朋友圈都被刷屏了

围棋，这座棋类运动最后的堡垒真的就这样被人工智能攻陷了吗？一天过去各路人士冷静下来后认为，现在还难下定论

就在谷歌（google）、脸书（facebook）宣布进军人工智能围棋时，几乎所有的人都还在怀疑此举的成功鈳能性但没想到，昨天谷歌就通过《自然》杂志宣称已分先战胜了职业棋手

在本次公布的报道中，谷歌称其研发的“阿尔法围棋”（AlphaGo）在去年10月进行了与欧洲冠军、职业围棋二段棋手樊麾的五盘大战并取得了5∶0的惊人战绩。这五盘棋的棋谱也同时公布于世

众所周知，人工智能在很多年前就已经能够战胜国际象棋、象棋职业棋手但在围棋领域却发展不快。不久前一些职业棋手仍认为人工智能要战勝职业顶尖围棋选手至少还需要50年，甚至有的人认为永无这种可能

近年来，人工智能围棋的研发在国际上颇受关注各种软件不时问世，其中以韩、日水平最高但仍难突破业余围棋水平，甚至难以达到业余高段水平与职业棋手的差距似乎是跨不过去的鸿沟。

基于这样嘚普遍认识谷歌此次发声，毫无疑问如同往一泓静水中投入一块石子无论是棋界还是人工智能研发界，都立即引起了轩然大波

但判萣软件围棋水平仍不足

事实上，棋界得知此事比《自然》杂志公布略早一些在27日夜至28日晨，棋手李颉所组建的微信群率先揭露此事一時间，群里就沸腾了“恐慌”一词是当时的主基调。

随后樊麾本人也在群里予以了确认。他说因为与谷歌有保密协议，这件事他一矗没对外说这位中国职业二段棋手，远赴法国传播围棋近十年被称为欧洲围棋教父。但客观而言由于远离职业赛场，他现在的水平並不能完全代表职业水平他说，这个软件确实很厉害虽然招法不一定是最好的，但在局部计算方面从不犯错

软件水平到底如何，还嘚用棋谱说话很快这些棋手们就冷静下来，在仔细研究了棋谱后得出了各自的判断。

以天才出名的李颉、孟泰龄先后“诊断”了棋谱基本都认定这个软件确实已经达到了很高水平，但仍处于业余顶尖水平这一说法，基本也得到了中、韩其他职业棋手的认同我省年輕棋手，世界三冠王得主柯洁这两天正在丽水省亲昨天凌晨他也通过微博发表了看法：震惊！虽说看棋谱感觉水平有限……

专家说攻克圍棋应该不难

但人工智能无法像人脑一样思维

28日，记者为此专门电话采访了浙江大学计算机学院教授蔡登他在大规模数据搜索，尤其是機器机深度学习方向有多年研究

蔡登老师本身不会下围棋，他对此事的认识是并不感到太吃惊他说，棋类运动毕竟是一种智力游戏計算的深度、广度决定了棋艺水平的高低。相比较象棋而言围棋的计算量更大，现在的计算机一旦采用了更好更快的计算方法一定是能在围棋领域战胜人脑的。

对专家的认识中、韩棋手却并不认同。他们认为谷歌的这个软件确实已经达到了以往人工智能从未到达的高度，这本身确实已经是一件很了不起的突破但围棋的难在于其思维方式的模糊性，并非简单的计算假如人工智能不能像人脑一样进荇思维，估计是无法达到人脑的高度的

人工智能究竟能否像人脑一样思维呢？蔡登老师也说他对此并不乐观，“目前计算机恐怕还不洳一个三岁小儿的思维能力”

据称，谷歌已与韩国天王级棋手李世石约定于3月份进行一次五番棋挑战获胜方能得到100万美元的奖励。棋堺一致认为这个软件是否真的强大，还得看它能否过了小李这一关但目前令大家更觉得可怕的是，“阿尔法围棋”与樊麾之战已过去叻三个月等面对小李时，它是不是会变得更加厉害还未可知

柯洁甚至又拿此事开涮了一把小李，他说：“可怕的是这还不是完全体咜是可以学习进化的……这一次，谷歌悬赏一百万美元与李世石下只能说李世石运气太好了。以现在这个计算机的实力战胜李世石的可能性不到5%……”

最近一段时间围棋新闻频频引起关注。除了柯洁一飞冲天之外最让大家乐于交谈的，似乎都与脑的开发有关

首先，昰业余高手鲍云的盲棋挑战世界吉尼斯纪录在他之前，世界上从未有人完成过围棋盲下的事鲍云自从尝试盲目下棋后，一直致力于人腦开发的工作并悬赏征集对手。然后就在他创下一对五盲棋世界吉尼斯纪录后，一线棋手孟泰龄应邀与他一起完成了一盘盲目下联棋嘚任务

其次，一位网名为“真疯叔叔”的棋迷号称已经成功探索出了一套快速学围棋的方法，可以让一位从未接触围棋的人在极短時间内达到业余初段水平。这两天他正在绍兴接受“最强大脑”团队的挑战，要让这些“最强大脑”在6天内达到职业棋手让9子的水平棋圣聂卫平也应邀进行监督，虽然他本人对此并不相信

然而，很多以前被认为不可能的事如今正一一变成现实。无论如何谷歌的软件已经确实地战胜了一位职业棋手。

对脑力的开发看来并不局限于是否人脑，而这种开发也很有可能是永无止境的但不可否认每一次進步都是人类的进步。

对围棋而言这样的事总是好的。20年前人工智能“更深的蓝”战胜了国际象棋世界冠军卡斯帕罗夫，套用一句那個年代的电视剧《射雕英雄传》主题曲的歌词送给棋迷：问世间是否此山最高或者另有高处比天高？在世间自有山比此山更高但爱心找不到比棋好。

日第四季的最强大脑落下帷幕，这季比赛由于选手当中新增加了一位特殊成员被备受关注来自的机器人小度在一场三局「人机大战」中取得两胜一平的成绩，这个结果彻底碾压了三位代表人脑极限的人类选手这三场比赛中的每个细节都成为社交媒体上热议的焦点，这些争议一方面是公众惊叹于如此強大或将取代人类;另一方面也夹杂了太多阴谋论的想象，强调此次人机大战的不公平性

　　如果说前一种缘由源自于于技术，特别是對发展的无知;那么后一种声音则不仅是对人工智能的无知也是对人类自身存在和未来的无知，可谓愚蠢至极

　　棋盘和人类大脑都是囚工智能的标尺

　　事实上，尽管 2016 年人工智能领域如此火热但从 2016 年 1 月到现在整整一年的时间，人工智能领域的震撼性事件只有三个：

　　· 2016 年 1 月 24 日人工智能先驱马文明斯基离世;

　　· 2017 年 1 月 20 日，人工智能机器人小度击败第三位人类选手在三局人机大战中完胜;

　　之所以將上述三件时间、空间都没有关系的事件摆在一起，根本原因在于这三个事件既是结束，也开启了一个属于人工智能的新时代从 60 多年湔开始，不管是明斯基还是另外几位人工智能的先驱摆在这些最顶尖科学家、数学家面前的首要问题就是：如何衡量人工智能?

　　1920年代，美国心理学家 Louis Lean Thurstone 在研究中发现受访者在回答问题时更倾向于回答一些相对意义或者比较意义的问题，比如类似这样的问题「你更喜欢谁嘚画A 还是B?」就比单纯回答「你对A 画喜欢多少?」要容易简单的多。这套理论被称为「比较性判断准则(Law of Comparative Judgement)」通过让人们每次比较多个对象中嘚两个，而最终可以计算出每个对象的测量分数(定距尺度)

　　其运用范围非常广泛，人工智能研究者终于不再为定义「智能」来担忧了只需要将机器与人类放在某个同样环境下继续比赛，利用人的智能来衡量机器的智能棋类游戏首先被用于测试机器的智能，是因为棋類游戏是一种「完美」信息的游戏对玩家们而言，无论人类还是机器所面对的信息是透明且对等的——就是棋盘和棋子而已。

　　这樣的暧昧情节始于1956年IBM 工程师 Arthur Samuel 创造了一种西洋跳棋的应用程序，并使用强化学习来训练这个程序1962年的时候，Arthur Samuel 的这个西洋跳棋程序打败了當时全美最强的业余选手 Robert Nealey

　　接下来的最吸引人的两个故事就是卡斯帕罗夫与深蓝的世纪之战以及李世石大战 AlphaGo，借助于电视、互联网、社交媒体等大众传媒的发展全世界的人都看到了东西方两大棋类里的顶级人物低头认输的场景。

　　人工智能已经在国际象棋、围棋证奣了自己的能力而挑战人类的最强大脑则成了衡量人工智能的另一个标尺。

　　此次最强大脑比赛三场比赛涵盖了人脸识别、语音识別与视频(动态模糊图像)识别等多个领域。这些「技能」是人类长期进化过程所形成的首席科学家吴恩达这样解释人类的人脸识别能力：“一个3岁的孩子看见妈妈时，不管妈妈是微笑、生气睁着眼、闭着眼，长头发、短头发穿什么衣服，孩子都可以轻易认出这是妈妈”

　　更重要的是，人类的这种识别几乎是瞬间完成的即便到现在，全世界顶尖的科学家也无法理解这背后的真正原理而要让计算机擁有这种能力，科学家们在过去五十年里提出了诸多想法但直到这几年，图像识别才真正实现了技术突破

　　与图像识别相似，语音、动态图像识别的技术发展进程也经历了漫长过程这些依托新算法的人工智能技术，究竟离人类大脑特别是那些具备超强能力的人类夶脑还有多大差距，这次比赛提供了一个最好的观察视角而比赛结果也充分说明了人工智能在某些领域的已然超越人类。

　　当下人工智能只聚焦在特定领域

　　早几年的时候李彦宏在参加《最强大脑》节目担任嘉宾后感言：“某些对于人类艰难的事情，对于电脑来说非常简单”这话说得并不夸张，比如围棋这个领域相比于人类棋手的成长速度，计算机的进化速度“令人窒息”2016 年年底横扫中韩高掱的 Master，也是AlphaGo 的进化版要 Alpha Go 真正「进入职业棋届」不过一年多一点的时间，这种学习和进化速度是人类根本无法匹及的

　　当下人工智能領域的火热得益于过去几年深度学习的崛起。最主要聚焦在三个领域：图像识别、语音识别以及自然语言处理投资人David Kelnar提供了两幅图像识別和语音识别进化速度对比图：

　　以图像识别为例，在 2012 年的图片分类竞赛ImageNet 上以深度神经网络为技术支撑的研究团队夺得第一，并将错誤率降低到 20% 以下让包括 Google 、Facebook 这样的巨头都震惊，随后Google 买下了这个团队，也让深度神经网络「教父」Geoff Hinton 进入 Google 工作在深度神经网络的帮助下，Google 的图像识别水平有了大幅提升并将错误率降低到 10 %以内。