Alphago會讓中產階層失業嗎？

孫婧

我們是在焦慮人工智能還是在焦慮未知，害怕的是人類自己還是焦慮本身，這并不重要。對待一件新鮮而影響重大的事情，人的感情永遠擺脫不了自身的角度和立場。然而客觀現實從不以個人意志為轉移，總是以萬馬奔騰之勢發展著。

人類頂尖棋手李世石在3月9-15日與人工智能阿爾法的“世紀5局”中，以1勝4負的成績敗北。這場比賽讓公眾對AI和圍棋同時產生了濃厚興趣：圍棋被認為是人類棋牌游戲的最高水準、人類智能最后的領地，最終被人工智能“攻占”。

不同人在這場比賽中看到了不同的事情。科幻迷們看到了類似《終結者》系列電影的恐懼；技術派看到了人工智能的春天；有人看到了科技極權，有人看到了貿易逆差；甚至有人在千古不同局的比賽中看到了異乎尋常的“美”：正是人類智能的多元化豐富了我們的世界，而今天的世界，有了人工智能的參與。

卷積神經網絡與蒙特卡洛算法

這兩個名詞可以籠統地解釋阿爾法為什么能夠打敗世界排名第一的李世石。AlphaGo是一個由模擬人腦的卷積神經系統，和深度強化學習模型所組成的人工智能系統，卷積神經神經系統是由多節點、多臺超級計算機組成的網狀神經網絡系統。在與李世石的比賽中，Alphago從來不是一個“機”在戰斗，而李世石卻在以一顆頭腦對抗著一個超級計算機群，不管結局如何，李世石都是人類智能的英雄。

蒙特卡洛算法是一種機器學習的算法，計算接下來一步或者幾步搜索最優策略。單從圍棋這項智力游戲來看，人類棋手與Alphago的思維模型大不相同，人類想的是怎樣下能有最高勝率，而機器想的是怎樣行棋最優。不懂圍棋的人可能分辨不出最高勝率與最優算法的區別，其實很容易分辨。

機器：這樣走最棒。人類：這樣走能贏。

在第二局比賽中出現了對于“劫爭”的爭議，中國棋手甚至出現了“陰謀論”一說，其實用最優算法很容易解釋這個問題：對人類而言，“劫爭”便于把局部問題轉化為整體問題，提高逆襲成功率；而對于計算機而言，這樣的復雜局面盡管能夠提升比賽的可看性，但還有更簡單粗暴且高效的下法，并非必要之選。

目前，將生物技術與計算機技術相融合，進行“微生物信息學”方面的研究已經成為科學研究領域的前沿陣地。

“美麗新世界”會到來嗎？

作為反烏托邦代表作赫胥黎的科幻小說《美麗新世界》，還有好萊塢的《終結者》系列電影，均傳達出人類對科技極權的恐懼與警惕，Alphago大勝李世石時，不少人產生了莫名其妙的焦慮感。

“單臺計算機計算能力的局限性，是可以被多臺計算機組成的集群計算能力彌補的。Alphago系統就是基于一個計算機集群來做具體的計算分析的。但是蒙特卡洛算法的一個重要瓶頸問題是隨著計算步數的增加，搜索空間急劇擴大，導致最優策略的分析無法在有效時間內完成”，華中科技大學生命科學與技術學院生物信息與系統生物學系系主任寧康說。

在生物學與信息技術跨學科學者、楚天學者特聘教授寧康的眼中，人工智能與人類智能的比賽遠沒有那么跌宕起伏：“Alphago這類算法的通用性并不如我們想象中的強大，因此其中的‘智能也是有限的。究其本質，還是利用計算機的高性能計算來服務于較優策略的生成，是一種可重復、可預測的智能。而人類的智能具有一定程度的不確定性和不可預測性，同時還具有遺傳性和變異性，因此這兩種智能目前還是不可比的。”

機器人取代人類？在寧康看來，AI的發展是可以跳出計算機硬件的框架，并不斷優化的，從弱人工智能變成強人工智能。“這個過程中可能會涉及到：AI被動優、AI主動優化、AI遺傳和進化、AI的成熟和自主意識等若干革命性的跨越”，但寧康同時強調，“這是數十年到數百年的一個過程。”

圍棋和象棋經過專業訓練，人類在兒童期就能達到一定的水平，對人工智能而言卻需要技術上的一項項歷史性突破。數學家與計算機先驅，偉大的馮·諾依曼早在上世紀五十年代提出，大概在2029年左右，機器智能將趕上人類智能；到2045年，人和機器將深度融合，那就是所謂的“奇點時刻”。

《終結者》系列電影、《我，機器人》、著名的預言家雷·庫茲韋爾的引申皆來自此處。似乎人工智能又成熟了一大步，奇點時刻又近了一點。

在《機器人時代》一書中，有一項針對兩百名人工智能相關領域研究人士調查顯示，有42%的人認為能思考的機器將在2030年前制造出來，甚至有人提議增加一個2020前的選項，只有2%的人認為永遠不會發生。

回顧歷史，1989年，IBM研制的計算機“深藍”（Deep Blue）就可以和國際象棋高手對弈，1997年則擊敗國際象棋世界冠軍卡斯巴羅夫。直到不久以前，Alphago才用自己的棋力震撼了世人，速度并沒有想象中那么快。

“算天、算地、算人”的“天河二號”

掌握自然語言、閱讀法律條文、進行財務審計等一些屬于中產階層的工作機會，會被人工智能取代嗎？“我們大可不必擔心如人工智能攻占地球、與人類大戰等情況。因為時間是有限的：在AI數十年到數百年的發展過程中，自然災害、生態災難等等各類自然或者非自然的情況，對人類生存可能是更大的威脅。同時其它的科學發展，如航天科技的飛速發展，有可能需要AI的更快發展而不是更慢”，寧康用不太“科幻”的思路解答了這個問題。

2006年提出蒙特卡洛樹算法盡管強大，但應用的范圍目前來看仍然有限。Alphago的能力仍然沒離開“可重復、可預測”的智能本質，離掌握復雜的自然語言，離能夠閱讀法律文書、審計財務報表、甚至較高層次的寫作還非常非常遠。

但是這種弱人工智能遲早會發展到強人工智能，到時候一些具有“可重復、可預測”性質的工作可能會被替代，“如傳統的翻譯、質檢、圖書館管理等工作”，寧康說。未來人工智能似乎會為人類解決一些沒人喜歡的缺乏創意的單調勞動，這看上去很美。

關于人工智能的種種焦慮，還有一種是擔心這么強大的技術只被發達國家掌握，中國會受制于人。其實中國的機器學習算法研究在國際上是比較先進的，尤其是以天河二號為代表的超級計算平臺和中科院計算所提出的深度學習指令集，均代表了計算硬件和機器學習算法軟件方面較高的水平。只是相關的應用和推廣可能還不如歐美公司化運作的Alphago這類系統。

當Alphago在下圍棋的時候，“天河二號”在做什么呢？“天河二號”的應用概括起來說，就是“算天，算地，算人”。包括天氣預報、地震監控、石油開采、基因分析等，甚至還包括我們在電影院里看到的電影特效很多也是基于“天河二號”渲染出來的。盡管不那么吸引眼球，但這些應用大多數比下圍棋更有現實意義。

除了下圍棋，Alphago還能做什么？谷歌研究人工智能當然不光是為了打敗人類棋手。從字面上理解，這只是Google在圍棋領域人工智能研究的第一步，可以預見以后的BetaGo等系統將會更為強大。

無論是技術方還是市場方，都希望Alphago這樣的計算機系統盡快被定制成服務于人類日常生活的應用系統，其中，中小學學習輔導（智能題庫）是一個較好的應用。另一個較有前途的應用是人體健康助手：通過結合可穿戴設備和基因測序等技術，實時監控人體健康指標并給與適當建議。目前一些基于人工智能的輔助學習和健康應用已經在歐美和國內開始萌芽，預期將會發展為巨大的產業。