2016年机器人工智能 google DeepMind AlphaGo 人工神经网络深度学习
2016年机器人工智能 google DeepMind AlphaGo 深度学习谷歌团队制造的“阿尔法围棋”战胜职业棋手，成为近日非常热门的话题。不少报道提到，这个程序是“像人类一样思考”，击败了人类，从而引发了对“怀有恶意的人工智能”威胁人类存在的担忧 —— 不得不说这有些夸大其词了。但另一种威胁却是真实存在的：机器人会抢走你的饭碗，而绝大多数人对此还一无所知。再不睁开眼看清楚，想出应对之策，说不定就要被淘汰了。
DeepMind AlphaGo 围棋
围棋代表着古老的东方智慧，在与代表西方棋类的国际象棋进行对比的时候，人们总是会惊叹于围棋的复杂程度。这使得围棋往往被赋予了一些神秘主义的说辞，国际象棋史上第二位世界棋王伊曼纽尔·拉斯克就曾说过，“国际象棋是一种仅仅局限于这个世界的游戏，围棋则有些不像是从地球上诞生的。如果哪一天我们发现有一种天外文明和我们玩同一种游戏，那一定是围棋，决不会有任何疑问。”不少人相信围棋可以代表着人类的终极智慧，而这种终极智慧是机器所驾驭不了的。毕竟，大约二十年前，国际象棋程序已经能战胜最好的人类棋手，而在“阿尔法围棋”之前，围棋程序还必须被让好几个子，才有资格与职业围棋高手较量。
“DeepMind AlphaGo 围棋”的横空出世，大大动摇了这些神秘主义的看法，表明机器也可以驾驭这种人类智慧的象征事物。尽管“DeepMind AlphaGo 围棋”展示出来的水平到底如何，目前还有不少争论 —— 一些职业棋手认为其已经迈入职业门槛，一些人则认为还差得远，跟欧洲冠军的较量说明不了什么。其实没有必要过多纠结“阿尔法围棋”是否能打败职业棋手或者世界冠军，这个程序目前展示出来的水平已足够颠覆人们的认知。谷歌团队称这个程序“掌握（Master）”了围棋，这个恰如其分的说法，也已足够瓦解人类对“自身是唯一智慧存在”的自信。
不过，有报道说“DeepMind AlphaGo 围棋”是“像人类一样思考”，这给了人们一种感觉，“机器学习人类、掌握了人类的思考方式，才会变得这么厉害。”的确，“DeepMind AlphaGo 围棋”背后是一种被称为“深度学习”的机器学习方法，而“深度学习”是基于“人工神经网络”框架的，与此有关的机器程序在一定程度上是参考了人类神经系统处理信息的方式。
然而，说程序是“像人类一样思考”，这实际上是一种误读，“DeepMind AlphaGo 围棋”在下棋的时候，并不是因为知道某一手棋好在哪，从而下出这手棋。“DeepMind AlphaGo 围棋”决策一手棋的一个关键步骤是 —— 基于棋盘的局面，“选择几个可能会走的下一步棋”，选择的方法是“复制优秀的人类棋手的选点”，注意是“复制”，也即是“知其然而不知其所然的”，这种“复制”是通过学习成千上万局人类高手的比赛，总结各个局面下的着点，提炼出特征，从而应用到目前面临的局面。这些着手一点也不关心赢得比赛，只专注于能否复制出顶级人类棋手会下的棋，据论文介绍，“DeepMind AlphaGo 围棋”的“下棋选择器”有57％的概率可以正确匹配优秀的棋手下棋选择。
实现这种“学习”，可以说与围棋理论完全没有关系，与脑科学、神经科学也几乎没什么关系，其方法基本都是计算机科学领域的，即前面提到的“机器学习”，实质上就是从数据中自动分析获得规律，并利用规律对未知数据进行预测。抛开围棋来看，其实就没有那么玄奥了。做出“阿尔法围棋”的团队隶属于谷歌旗下的Deepmind公司，2003年的时候，他们的人工智能程序就在别的项目上令世人震惊了一把。在诸如弹球、拳击、消砖块等49个操作类电子游戏中，Deepmind开发的AI程序只通过观看屏幕里的游戏视频，然后操作控制器，靠不断试错学习，最后就轻易击败了许多人类专业玩家以及别的用编码写出来的游戏AI。
换句话说，在“机器学习”面前，围棋也不过其中一种较为困难的游戏罢了，只要总结出别人怎么玩，它就能玩得更好。
人工智能
然而，如前所述，“深度学习”这种机器学习的方式由于“参考”了一些神经科学的知识，加上“DeepMind AlphaGo 围棋”这样的程序又能模仿出人类的招法，“深度学习”不可避免地被描述为“它像大脑一样工作” —— 尽管许多人工智能领域的大牛，如Facebook的人工智能专家燕乐存（Yann LeCun）就很不喜欢这种说法，他表示虽然深度学习从生命的生物机理中获得灵感，但它与大脑实际工作原理差别非常非常巨大。将它与大脑进行类比给它赋予了一些神奇的光环，而“这种描述是危险的”。
确实，“DeepMind AlphaGo 围棋”横空出世后，“高度智慧的人工智能获得人类一样的意识后，反过来会对付人类”这种科幻小说中的经典情节，又引发了不少担忧。但目前来看，这种想法确实还只是杞人忧天。去除一些带有光环的描绘，“深度学习”本质就只是“挖掘数据规律并进行预测”而已，与人们想象中带有“自我意识”的那种智能（如《终结者》中的“天网”）并不是一码事，要实现这种状况，得让计算机产生“认知革命”，还并不清楚是否会真的出现这样的革命，但人工智能领域的专家大多都相信，“认知革命”的来临还需要很长的时间。
不过这也不代表相关话题不值得探讨，毕竟技术的演进往往是会超过人们的想象力的。物理学家斯蒂芬霍金、特斯拉总裁马斯克都表达过对“人工智能的发展会终结人类”的担忧。一些人工智能专家已经在呼吁，AI应该“稳健且有益于人类”，希望研究者们能达成这个共识。
机器学习
如前所述，去除一些附带的光环，机器学习、深度学习这些概念其实并没有特别神奇的地方。而且因为“像人一样真正的智能”还不存在，一些技术爱好者甚至会感到失望。
这其实没有必要，因为“智能”实际上是一种相对的概念，很多技术一旦应用在你未曾想象过的领域，“智能”的感觉就出来了 —— 例如，三五年前，手机拍下一张名片，程序就自动识别出姓名、电话并录入到手机通讯录，这就是“智能”，而如今看来已经没什么了不起；又比如，现在的图像识别技术，已经可以精准识别出一幅照片中，哪里是人脸，哪里是背景，甚至架子鼓这样的东西都能精确识别出来，现在人们可能会觉得非常“智能”，但三五年后也可能会觉得稀松平常；又比如未来的无人自动驾驶汽车，必须要懂得闪避追尾等复杂情况，现在看起来不可思议，觉得只有人才能做得到，但说不定哪一天你也不会觉得有什么奇怪。
而近年机器学习的技术进展，正展示着许多潜在的可能性。例如应用在医学上，机器学习可以根据病人的症状和一个匿名的病人资料数据库，预测该病人可能患了什么病，这样的决策模型，可以程序为专业医疗人士提供支持；又比如买卖股票，程序在经过“学习”后，可以根据一支股票现有的和以往的价格波动，自动判断这支股票是该建仓、持仓还是减仓。这些都已经有实例支持了，以后说不定还会产生“通用机器人大脑”，可以做更多的事情。
“阿尔法围棋”的意义，也不仅在于战胜人类职业棋手，更多的是展示了技术方面的可能性，IBM的顶级AI科学家Rossi就称，“DeepMind的技术创新是将新的机器学习方法与搜索结合在一起，看起来十分通用，除了围棋等棋类游戏之外，应该还可以用在其他情景中。这使得这个结果更加重要，并且更有前景。”
真正挑战
所以，真正的挑战其实在于，有了这些以自动化为特征的机器之后，机器可能会抢去人的饭碗。也许有人会指出，替代人类工人的机器人不早就出现了吗？的确，在各种机械类的工厂，机器人的使用已经相当广泛，但传统的这些机器人能做的事情往往比较简单、单一，显得也不够酷、不够“智能”。而现在，在以“机器学习”为代表的新技术驱动之下，越来越多带有“智能感”的新式机器或程序，可以做些以往只有人类才能做的事情 —— 例如，自动语意分析技术的成熟，可以让程序来写财经报道；语言识别、翻译能力的提升，让机器翻译可能比人做的更出色，更稳定不易出错；甚至艺术鉴赏从业人员都会失业，因为由训练有素的机器来进行鉴别的话，结果可能会更准确。
技术的演进是不可阻挡的，技术整体上会降低人类的劳动时间，提升人类福利，但并不是所有人都从中得到好处，被机器取代的人就是会失业。这并不是危言耸听，最近的世界经济论坛就公布了一项关于科技发展促进就业的研究报告，名为《工作的未来》。报告显示，到2020年，预计将有约710万人失业，200万个新的工作岗位被创造出来，未来五年受到影响的人数达500万人 —— 一大原因就是机器人等技术进步带来的。彭博通讯社在报道今年主题时写道：“达沃斯的机器人将使与会人员黯然失色。”论坛组织者也提醒，“人们对待这些产品不应该有一丝的自满。”牛津大学的研究人员更是声称，未来20年，美国会有47%的岗位被机器人取代。
这就是“机器觉醒”给人类带来的威胁。劳动者该如何应对？改变自己的知识结构，获取新的技能，利用互联网学习各种有用的公开课，这些都是可行的办法，更重要的是要有面向未来的目光。
版权声明：
本文由 德云社区 整理，原文来自网络。
页:
[1]