AlphaGo之父：解析人（rén）工智能發展裏程碑意義-機器人-數（shù）控機床市場網

您現在的位置：機（jī）器人> 熱點新聞>AlphaGo之父：解析人工智能發展裏程碑意義

AlphaGo之父：解析人工智能發展裏程碑意義

2017-4-26 來源：轉載（zǎi）作者：-

穀歌旗（qí）下人工智能研究部門DeepMind聯合創始人兼CEO德米斯·哈薩比（bǐ）斯（DemisHassabis）近日在英國《金（jīn）融時報》上撰文，全（quán）麵闡述了人工智能如何幫助人類在（zài）理解未知世界（jiè）方麵取得當前難以想（xiǎng）象（xiàng）的飛躍。

現代文（wén）明是（shì）一個神奇（qí）的（de）壯舉（jǔ），一（yī）個可由科學實（shí）現的壯舉。每次乘飛機的（de）時候，我都驚訝於使我們能夠翱（áo）翔在雲層之上的技術（shù）——這種技術使得乘飛機旅行成為（wéi）家常便飯。我們已經（jīng）繪製了基因組圖譜（pǔ），開發了（le）超級計算機（jī）和互聯網，向彗星發射了探測（cè）器，在粒子加速器中以（yǐ）接近於（yú）光速的（de）速度擊碎了原子，並實現了人類登陸月球（qiú）的偉業。我們是如何做到這一切的（de）呢（ne）？當一個人開（kāi）始去思考我們的大腦所能實現的成就時，這確實是一件（jiàn）了不起的事情。

科學方法可能是人類所擁有的最強大的一個創意，而（ér）啟蒙運（yùn）動以來的進步更是驚人。但是，我們目前正處於一個關鍵時刻，我們需要（yào）掌握的許多係統都極為複雜——從氣（qì）候變化、宏觀經濟（jì）問題到阿爾茨海默式病。我們能否解決這些挑戰以（yǐ）及我們解決此類挑戰的速度，將會（huì）影響未來數十億人的福祉及我們所生活（huó）的（de）環境。

問題恰恰在於（yú），這些挑戰非常複雜（zá），即使是世界頂尖的科學家、臨（lín）床醫師和工程師（shī），也很難領悟取得這些突破所需（xū）要的一（yī）切複雜性。據說，萊昂納多·達芬奇（LeonardodaVinci）也許是他那個年代最後一個完（wán）全明白知識廣度的人。從那以後，我們不得不擁有（yǒu）某種專長，而今天，即使是天體物理（lǐ）學或量子力（lì）學等單一領域的（de）知識，也需要一個人（rén）傾（qīng）注（zhù）畢生精力才能完全掌握。

我們現在想要理（lǐ）解的那些係統是以大（dà）量數據為支撐——通常是高度動態、非線性、具有（yǒu）突現屬性的數據，使得我們難以從中找到某種（zhǒng）結構和連接，揭示其中隱（yǐn）藏的奧秘。開普（pǔ）勒和牛頓可（kě）以通過方（fāng）程式來描述地球上行星和物體的運動，但當今的問題極少可以簡化成一套簡潔而緊湊的公式。

最艱巨的科學任務之一

這恰恰是我們這（zhè）個時代所麵臨的最大科學挑戰之（zhī）一。阿蘭·圖靈（AlanTuring）、約翰·馮·諾依曼（JohnvonNeumann）、克勞德·香農（ClaudeShannon）等現代計算機時代的奠基（jī）人，都明白信息理論的核心重要性，而今天我們已經意識（shí）到，幾乎（hū）所有的東西都可以（yǐ）在這種模式（shì）下進行思考或表達出來。這一點在（zài）生物信息學領域體現地最為明顯——在那個領域，基因組實際上就是一個巨大的（de）信息編碼模式。我相信有朝一日，信息將被視為與能源和物質同等重要的東西。

智能的核（hé）心在於，它可以被視為一個將非結構化信（xìn）息轉化為有用且可操作知識的過程。作為一個我傾注畢生精力所從事的研究項目，人工智能的科學承諾是，我們可以綜合、自動化和優化這一過程，進而以技術為工具，幫助我們在一些領域快速獲得新知識——對人類來說，這些領域目前仍然令人不堪重（chóng）負。

今天，從事人工智能研（yán）究成了一件非常時髦的事情（qíng）。然而，人（rén）工智能一詞可能意味著無數取（qǔ）決（jué）於語境的事情（qíng）。在我參與創辦的公司DeepMind，我（wǒ）們所采取的方法側重於學習和普遍性概念，目的是開發我（wǒ）們可用於科學研（yán）究的人工智能。如果我們想要電腦去發現新知識，那麽（me）我（wǒ）們就必須讓它們真正掌握（wò）自學能力（lì）。

我們開發的算法可以（yǐ）學習如何（hé）直接（jiē）從原始經驗中掌握任務，這意味著它們所獲得的知（zhī）識最終是基於某種形式的感官現（xiàn）實而不是（shì）抽象符號。我們（men）進一步要求（qiú）它們必須感覺到，具有相同參（cān）數的相同係統可以在一係（xì）列任務中表現良好。

DeepMind曾在2015年《自然》雜誌上闡述了這兩個原則，並稱一個計算機程序通過“自學成才”，可以玩幾十種經典Atari遊戲，這種遊戲除了屏幕上的像素和得分外，不需要其他任何形式的信息輸入。我們還使用係統（tǒng）級神經科學作為新算法（fǎ）和結構思想的主（zhǔ）要靈感來源（yuán）。畢竟，大腦才是我們唯一存在的證據，證明基於體驗的通用型學習係統是可以實現的。

人工智能發展史上的裏程碑

這與我們許多前（qián）輩的（de）做法完全背道而馳。通過比較在遊戲領域取得世界第一的兩項突破性研究，或許（xǔ）最能體現出這種差（chà）異：IBM的“深藍”（DeepBlue）超級（jí）計算機（1997年擊（jī）敗了世界象棋冠軍加裏·卡斯帕羅夫（fū）），以（yǐ）及我們最近的AlphaGo計劃（去年在世界最複雜的遊戲圍（wéi）棋比（bǐ）賽中擊敗了世界冠軍李世石）。

“深藍”使用了所謂的“專家（jiā）係統”（expertsystems）方法：一個程序開發團（tuán）隊與幾位國際象棋大（dà）師坐下來商討，如何將他們的知識明（míng）確地提煉出來並編寫成一套複雜的試探程序。接著，超級計算機就使用這些規則來評估海量的潛在變量，盡全力計（jì）算出正確的方法。

“深（shēn）藍”戰勝卡斯帕羅夫是人工智能發（fā）展曆史上的一個重大裏程碑。但是（shì），這場勝利隻是更多地證明了IBM開發團隊和（hé）國際（jì）象棋大師的聰明才智以及當（dāng）代硬件（jiàn）的計算能（néng）力，而不（bú）是程序（xù）本身的任何內在智能。在國（guó）際象棋大師卡斯帕羅夫被擊敗後，圍棋（qí）成為人工（gōng）智能研究的“新聖杯”。

圍棋具有大約3000年（nián）的曆史，在亞（yà）洲具有深遠（yuǎn）的文化影響，不僅被認為是（shì）遊戲，還是一種藝術（shù）形（xíng）式，其職業冠（guàn）軍是公眾崇拜的偶像。圍棋的潛在下法數量達到10的171次方，超過了可觀測宇宙範（fàn）圍內的原子總數，即10的80次方，因此即使窮盡整個宇宙的物質也不能存下圍棋（qí）的所有可（kě）能性。人類頂尖圍棋選手往往通過直覺和本能來處理這種巨大的複雜性，而國際象棋棋手則更依賴於精確計算。

至於AlphaGo，我們意識到為了捕捉（zhuō）圍棋的這種直覺，我們必須采取與“深藍”等國際象棋程序截然不同的方法。我們使用（yòng）包括深層神經網絡在內的通用技術來（lái）構建學習係統，而不是手工編碼的人類（lèi）專家（jiā）策略，並向其展示了數千個功（gōng）能強大的業餘遊戲，以幫助它形成自己對於人類遊戲玩法（fǎ）合理性的理解。

然後（hòu），我們用不同版本的（de）係統玩了數千次遊（yóu）戲，每次從錯誤中不斷學習並逐漸改進，直到係統變得異常強大。2016年3月，我們（men）做好了進行終極挑戰的準備：與世（shì）界頂尖圍棋（qí）棋手李世石（LeeSe-dol）對決，此人獲得過18個世界圍棋比賽冠軍，被廣泛認為（wéi）是過去十年最偉大的圍（wéi）棋選手。

人工智能對科（kē）學（xué）發（fā）展的益處

超過2億人在線觀看了（le）這（zhè）場對決，最終AlphaGo以四比一戰勝李世石，專家們對此的一致意見是，這一突破（pò）比預期時間提前了十年。更為重要的是，在比賽期間，AlphaGo下出很多創（chuàng）造（zào）性的絕招。令人驚訝的是，其中一種下法顛（diān）覆了數百年來的智（zhì）慧結晶，並從此被棋手（shǒu）們深入研（yán）究（jiū）。在獲勝（shèng）的過程中，AlphaGo向全世界傳授了這（zhè）項可能是曆史上最（zuì）受關注的遊戲的全新知識。

這些算法獲得靈感的瞬（shùn）間（jiān）讓我們終於明（míng）白人工智能為何對科學如此有益：機器輔助（zhù）科學（xué）發現的可能性（xìng）。我們相信，AlphaGo的基礎技（jì）術是通用的，可以被廣泛應用於其（qí）他一係列領域，特別是可以優化的、具有明確目標功能的領域，以及可以精確模擬的（de）環境中（zhōng），從而實現高效的高速實驗。

例如，在能源效率方麵，我（wǒ）們使用這些算法的一個版本，就發明了（le）一套能將穀歌數據中心能耗降低40%的新技術，我們現（xiàn）在正在穀歌所有數據中心推廣這種新技術，希望最終能實現巨大的成本節約，並為環境做出巨大的（de）貢獻。

我們認為，在接下來的幾年間，科學家和研究人員使用類似的方法，將會給（gěi）人在超導材料設計到藥物發現等（děng）多個領（lǐng）域產生深刻見解。在許多方麵，我看到人工智能（néng）就好比是“哈勃（bó）”太（tài）空望遠鏡，後者是一種科學工具，可以讓我們看得更（gèng）遠，更好地了解宇宙。

加深對人類自身的了解（jiě）

當（dāng）然，像任何強大的技術一樣，人工智能也必須以負責任、有道德（dé）的方式進行使用，使每（měi）個人都從中受益。我們還必須（xū）明確認識到人工智能算法的實用性和局限性。但是，由於對人工智能的密切關注，加上對相關數（shù）據質量影響的更多研究，我們終有一天會發現，人工智能通過發現可逃過人（rén）眼的模式和來源，在（zài）支持各類專家的工作方（fāng）麵發揮至（zhì）關重要的作用。

正是科學家與算法之（zhī）間（jiān）的這種合作，將決定著未來幾十年裏科學進步的具（jù）體（tǐ）成就。我相信，人（rén）工智能將成（chéng）為科學（xué）家（jiā）可以（yǐ）部署的解決（jué）方案，進而提升我們的日常（cháng）生活質量，使得我們所有（yǒu）人都能更快、更高效地工作。如果我們可以廣泛、適度（dù）地部署這些工具，創造一種生（shēng）機勃勃的環境，讓每個人（rén）都能參與並從中受益，那麽（me）我們就有機會豐富（fù）和推進人類（lèi）的整體發展。

在此過程中，我們可能還會學到一些關於我們自己的東西。我一直覺（jiào）得（dé）物理和神經（jīng）科學在某種程度上是最根本（běn）的學科：一個與外部世界有關（guān），另一個與我們頭腦中的內部世（shì）界有（yǒu）關。因此，兩者之間（jiān）涵蓋一切東西（xī）。人工智能可以幫助我們更（gèng）好地理解這兩個學科。當我們發現了更多有關學習過程本身的事情，並（bìng）將其與人類大腦進行比較時，我們有一天就可以更好地了解使人（rén）類獨一無二的東西，比如揭示思維中一些長期未解的謎團（tuán），如夢想、創造力（lì）、甚（shèn）至是意識。

如果（guǒ）人工智能不僅可（kě）以幫助我（wǒ）們整個社會拯救環境、治愈疾（jí）病和探索宇宙，還能（néng）更好地了解我（wǒ）們（men）自己，這也許最終會成（chéng）為人類獲得的最偉大的發現之（zhī）一。

投稿箱：
如果您有機（jī）床行業、企（qǐ）業（yè）相關新聞稿件發表，或進行資訊合作，歡迎聯係本網編輯部，郵箱：skjcsc@vip.sina.com

更多相關信息

名企推薦

業界（jiè）視點

| 更多

行業數據

| 更多

博文選萃

| 更多

數控機床