“阿爾法狗”再進化的哲學啟示

陳經(jīng)

前不久，Deep?mind在《自然》上發(fā)表論文，介紹了“阿爾法狗”（Al?phaGo）取得的重大進展。與之前的版本不同，AlphaGoZero完全不需要人類棋譜，從零開始自學習，只用3天就以100∶0的壓倒性成績，擊敗曾贏下韓國棋手李世石的那版AlphaGo。

人工智能（AI）與人類的關系，在2016年的AI爆發(fā)后備受關注。對于給定規(guī)則的博弈問題，AI是需要人類的知識提供“第一推動”，還是可以自己從“元規(guī)則”開始反復實踐總結，發(fā)展出知識體系，是個有趣的問題。對于像“打磚塊”這樣的簡單游戲，AI從零知識開始反復試玩，達到超過人類玩家的分數(shù)，2015年就實現(xiàn)了。但是圍棋這樣復雜的游戲，人們還有疑問，也許人類提供一些知識對高水平AI是必需的，從零知識開始也許AI會陷入局部陷阱中出不來。

現(xiàn)在AlphaGoZero給出了答案：對于AI來說，人類對圍棋的知識積累不是必須的！而且從零知識開始訓練，可以達到更高水平。人類棋譜中有一些“成見”，如一些自以為正確的本能定式下法，其實反而阻止了學習者達到更高水平。Al?phaGoZero從零開始自學習，完全不受人類棋譜的“污染”，就可以突破“成見”，真正進入自由的天地，達到更高的水平。

AlphaGo能不依賴人類的知識就學習成功，其關鍵之處在于：圍棋是有確定規(guī)則的，是一個“客觀”的游戲。不需要人主觀評判，機器按行棋規(guī)則下，終局就有確定的勝負結果出來。這樣，AlphaGo的學習就不需要人類的干預，完全可以自動進行海量的實踐。AlphaGoZe?ro的成功，是自學習方法的突破，也是“實踐檢驗”哲學原理的成功。

人類的社會活動或者AI的博弈，需要通過實踐不斷提升效率與表現(xiàn)。實踐總是需要在一定的規(guī)則之內(nèi)進行，這是基礎，就如穩(wěn)定的社會、現(xiàn)代銀行體系、圍棋的行棋與終局規(guī)則。實踐時，人類本能地會借鑒前輩的一些“經(jīng)驗”作為思考的出發(fā)點。學校、政府、公司都有教育體系，正如圍棋AI會學習人類高手的棋譜生成“策略網(wǎng)絡”作為優(yōu)先選擇。然而這些“經(jīng)驗”，到底能起什么樣的作用，值得仔細觀察。

在實踐不足的情況下，參考前人經(jīng)驗與人類棋譜，顯然是有益的，能夠快速“上手”。但是，在發(fā)展遇到瓶頸的時候，可能就會顯出前人經(jīng)驗的不足，照本宣科會限制思維，無法突破。想取得突破，就需要從本原出發(fā)，敢于懷疑，拋棄成見大膽實踐學習，下出“新手”，作出改革。這說明，人類的實踐活動可以借鑒前人的經(jīng)驗，但是如果有了好的實踐反饋學習框架，完全可以進行揚棄，取得理論突破。中國改革開放的歷程也說明，全社會持續(xù)不斷地學習與主動變革實踐，正是社會奮發(fā)向上不斷取得突破的哲學基礎。

AlphaGo雖然再次震驚世人，但無須對AI的快速發(fā)展和驚人實力感到神傷。目前，AI仍只是人類的工具，還沒有自己的思維。▲

（作者是科技與戰(zhàn)略風云學會研究員）