阿爾法元“完爆”阿爾法狗，人工智能還有何種可能

余靖靜

人工智能研究長(zhǎng)期以來的一個(gè)目標(biāo)是，在最具挑戰(zhàn)性的領(lǐng)域，在沒有人類輸入的條件下，創(chuàng)造出實(shí)現(xiàn)超越人類能力的算法

AlphaGo（以下稱“阿爾法狗”）是首個(gè)在圍棋中戰(zhàn)勝人類世界冠軍的系統(tǒng)。該系統(tǒng)開發(fā)團(tuán)隊(duì)DeepMind近日公布，最強(qiáng)版AlphaGo Zero（以下稱“阿爾法元”）能零基礎(chǔ)“自學(xué)成才”，通過幾天的訓(xùn)練，就以100比0的戰(zhàn)績(jī)擊敗了“阿爾法狗”。

“阿爾法元”為何能短時(shí)間內(nèi)“完爆”“阿爾法狗”？它給人工智能（AI）的發(fā)展帶來什么啟示？人工智能成長(zhǎng)不再受限于人類經(jīng)驗(yàn)，是否要喟嘆“顫抖吧，人類”？

零基礎(chǔ)“自學(xué)成才”意味著什么

對(duì)于在如此短的時(shí)間超越了“阿爾法狗”，浙江工業(yè)大學(xué)副教授、博導(dǎo)姚信威認(rèn)為，這種“無師自通”的學(xué)習(xí)模式在AI整個(gè)發(fā)展上是具有里程碑意義的。

姚信威說，“阿爾法元”的偉大之處是第一次讓機(jī)器在不“學(xué)習(xí)”任何棋譜、只設(shè)定規(guī)則的情況下，從“一張白紙”的狀態(tài)開始，迅速成為圍棋大師，“在這個(gè)過程中，‘阿爾法元是自己的老師。”

“‘阿爾法元豐富了人工智能成長(zhǎng)的方式，在方法論上是有重大意義的進(jìn)步。”國(guó)家千人計(jì)劃特聘專家羅歡認(rèn)為，“阿爾法狗”學(xué)習(xí)人類經(jīng)驗(yàn)，需要大量數(shù)據(jù)，學(xué)習(xí)成果是訓(xùn)練數(shù)據(jù)集里隱含的人類專家認(rèn)知的集合；而“阿爾法元”通過機(jī)器間的博弈來提高，不需要人類經(jīng)驗(yàn)，在判別模型給定的目標(biāo)下，可以超越人類經(jīng)驗(yàn)，發(fā)現(xiàn)人類專家還沒有探索過的博弈路徑。

“人工智能研究長(zhǎng)期以來的一個(gè)目標(biāo)是，在最具挑戰(zhàn)性的領(lǐng)域，在沒有人類輸入的條件下，創(chuàng)造出實(shí)現(xiàn)超越人類能力的算法。‘阿爾法元的成功，是朝這個(gè)目標(biāo)邁進(jìn)的一大步。”姚信威說，“阿爾法元”證明了，即使在最具挑戰(zhàn)的領(lǐng)域，純強(qiáng)化學(xué)習(xí)的方法是完全可行的——即不需要人類的樣例或指導(dǎo)，不提供基本規(guī)則以外的任何領(lǐng)域知識(shí)，能夠?qū)崿F(xiàn)超越人類的水平。

技術(shù)驚艷，何時(shí)成為主流

姚信威分析說，“阿爾法元”得到這樣的結(jié)果，是利用了一種新的強(qiáng)化學(xué)習(xí)方式。該系統(tǒng)從一個(gè)對(duì)圍棋游戲完全沒有任何知識(shí)的神經(jīng)網(wǎng)絡(luò)開始，通過與一種強(qiáng)大的搜索算法的結(jié)合，它就可以自己和自己下棋了。在這個(gè)自我對(duì)弈的過程中，神經(jīng)網(wǎng)絡(luò)不斷被調(diào)整、更新，以預(yù)測(cè)下一個(gè)落子位置以及對(duì)局的最終贏家。

他解釋說，每一次迭代，更新后的神經(jīng)網(wǎng)絡(luò)都會(huì)將與搜索算法重新組合，進(jìn)而創(chuàng)建一個(gè)新的、更強(qiáng)大的“阿爾法元”版本，使得神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)越來越準(zhǔn)確，得到更加強(qiáng)大的“阿爾法元”版本。

“無師自通”雖然在技術(shù)上令人驚艷，姚信威認(rèn)為，其在短期還是無法成為主流。“目前人工智能解決的很多事情，實(shí)際上都是在模擬人類的某一種技能，讓機(jī)器應(yīng)用這一技能去完成任務(wù)，而這需要海量的數(shù)據(jù)與更多的信號(hào)輸入。所以，在今后很長(zhǎng)一段時(shí)間內(nèi)，監(jiān)督學(xué)習(xí)依然是AI研究與AI商業(yè)化的主流方向。”

“‘阿爾法元是對(duì)增強(qiáng)學(xué)習(xí)理論的一個(gè)很好的驗(yàn)證，非常鼓舞人心。”羅歡認(rèn)為，將來我們會(huì)陸續(xù)看到大量的研究成果和實(shí)際應(yīng)用出現(xiàn)，“當(dāng)然，從理論初步驗(yàn)證到實(shí)用肯定還有一個(gè)工程化的過程。”

姚信威也認(rèn)為，對(duì)弈之外，“阿爾法元”的技術(shù)可能在其他領(lǐng)域應(yīng)用，比如新材料開發(fā)、新藥的化學(xué)結(jié)構(gòu)探索等，“但這需要時(shí)間驗(yàn)證”。

他認(rèn)為，“阿爾法元”的自主學(xué)習(xí)帶來的技術(shù)革新，并非適用于所有人工智能領(lǐng)域——圍棋是一種對(duì)弈游戲，信息透明，有明確結(jié)構(gòu)；而語音識(shí)別、圖像識(shí)別、自然語音理解、無人駕駛等領(lǐng)域，數(shù)據(jù)無法窮舉，也很難完全無中生有；“阿爾法元”的技術(shù)可以降低數(shù)據(jù)需求，但依然需要大量的數(shù)據(jù)。

機(jī)器如此，人類如何自處

面對(duì)如此強(qiáng)大的“阿爾法元”，部分人士難免覺得“被碾壓”“有些可怕”。專家們則認(rèn)為，其實(shí)不必驚慌。

“嚴(yán)格講，圍棋規(guī)則和判定棋局輸贏也是一種監(jiān)督信號(hào)。因此，說人類無用，或者說機(jī)器可以自己產(chǎn)生認(rèn)知，都沒有準(zhǔn)確地理解‘阿爾法元。”姚信威說。

“‘阿爾法元畢竟是個(gè)模型，它不是智慧生物。人類棋手依然可以利用智慧，以更奇特的招數(shù)來取勝。”上海海事大學(xué)信息工程學(xué)院教師朱昌明說。

“人的歸人，機(jī)器的歸機(jī)器。”羅歡說，圍棋人是下不過機(jī)器了，而譬如五子棋、象棋等，人早就下不過機(jī)器了，但還是有非常多的愛好者。

“圍棋有確定的目標(biāo)，確定的規(guī)則，確定的評(píng)價(jià)方法，這個(gè)問題就變成了一個(gè)搜索問題，而難點(diǎn)就在于對(duì)巨大的搜索空間的剪枝，以及得分的預(yù)測(cè)。這樣的問題往往是機(jī)器最擅長(zhǎng)的。”復(fù)旦大學(xué)博士生四年級(jí)陳新馳說，人類不擅長(zhǎng)這些，但從語義理解的角度，機(jī)器什么都做不了。

“所以即使‘阿爾法元（下圍棋）可以戰(zhàn)勝人類，也不能說明什么問題，因?yàn)樗静恢雷约涸谙缕濉！标愋埋Y說，從實(shí)現(xiàn)人工智能的角度，仍有很長(zhǎng)的路要走。

“增強(qiáng)學(xué)習(xí)理論的能力邊界離自主意識(shí)還很遠(yuǎn)。‘阿爾法元主要用判別模型取代了數(shù)據(jù)標(biāo)注，其對(duì)應(yīng)的是一個(gè)簡(jiǎn)單規(guī)則的封閉系統(tǒng)；而對(duì)目標(biāo)不能用數(shù)學(xué)模型描述的領(lǐng)域，它還無能為力。”羅歡說。

“一個(gè)孩子在1歲時(shí)，碰幾次樹就知道以后要避開樹行走，而人工智能創(chuàng)造的無人駕駛車卻需要碰撞幾萬次才能學(xué)會(huì)避開障礙物。這是人類先天的優(yōu)勢(shì)。”朱昌明說。