谷歌“AlphaGo”和韩国棋手李世石的人机大战尘埃落定,但人工智能的进化之旅才刚刚启程。人类为何要研究人工智能?人工智能会不会有一天超过人类成为“超级智能”?我们应该以什么样的心态来看待人工智能的突飞猛进?

　　“阿尔法狗”用3000万局“自我对弈”数据来训练,靠的是“题海战术”

　　人机围棋大战引人注目,展示了人工智能惊艳的一面。

　　阿里云人工智能业务总监初敏博士认为,如果看一下背后的技术原理,AlphaGo其实也不是那么神秘,本质上与约20年前战胜国际象棋冠军的“深蓝”计算机一样,是一个超大规模的搜索问题。有所不同的是AlphaGo采用了当下非常热门的深度神经网络,以及深度神经网络跟蒙特卡洛树搜索算法的结合。AlphaGo能成功的秘诀在于强大的计算能力和大量的训练数据,互联网的普及也把大量围棋对弈的过程和棋谱电子化了。

　　专家介绍说,人工智能的核心是机器学习技术,通过算法使机器能从大量历史数据中学习规律,从而对新的样本做智能识别或对未来做预测。从上世纪80年代末以来,机器学习的发展大致经历了两次浪潮:浅层学习和深度学习。深度学习是机器学习的一种,本质上就是人工神经网络。它模仿人类大脑行为的神经网络,更接近于人类的学习方式。初敏说,深度神经网络最初是在语音和图像两个领域获得很大成功,目前正被用于更广泛的领域。AlphaGo的成功再次证明深度神经网络强大的学习能力。

　　浙江大学计算机科学与技术学院教授蔡登说,AlphaGo用了3000万局“自我对弈”数据来训练,对计算机来说这是一个时间比较短的过程。对人来说,即使每局只要15分钟,可能也要800多年才能下完。AlphaGo利用了全世界最大的谷歌计算平台,整合大量芯片处理器的计算能力,进行技术创新、整合和优化,从算法创新方面对于计算机围棋有很大意义,对于广义的人工智能可能谈不上太大创新。不过,在这类策略型游戏或是规则明确的竞赛中,机器终将超越人类。

　　蔡登说,人工智能的学习方式和人类有很大的区别。比如一个孩子第一次看到一只狗,告诉他这是一只狗,下一次看到其他的狗时,他就能判断这也是狗。而目前的人工智能很大程度上还是基于海量数据、大样本的学习,属于“题海战术”——它可能要“看”过成千上万只狗之后,才有辨别的能力。