百度人工智能機器人小度戰勝最強大腦 真要取代人類(lèi)？

　　1 月 20 日，第四季的最強大腦落下帷幕，這季比賽由于選手當中新增加了一位特殊成員被備受關(guān)注，來(lái)自百度的人工智能機器人小度在一場(chǎng)三局「人機大戰」中取得兩勝一平的成績(jì)，這個(gè)結果徹底碾壓了三位代表人腦極限的人類(lèi)選手。這三場(chǎng)比賽中的每個(gè)細節都成為社交媒體上熱議的焦點(diǎn)，這些爭議一方面是公眾驚嘆于人工智能如此強大，或將取代人類(lèi);另一方面也夾雜了太多陰謀論的想象，強調此次人機大戰的不公平性。

　　如果說(shuō)前一種緣由源自于于技術(shù)，特別是對人工智能發(fā)展的無(wú)知;那么后一種聲音則不僅是對人工智能的無(wú)知，也是對人類(lèi)自身存在和未來(lái)的無(wú)知，可謂愚蠢至極。

　　棋盤(pán)和人類(lèi)大腦都是人工智能的標尺

　　事實(shí)上，盡管 2016 年人工智能領(lǐng)域如此火熱，但從 2016 年 1 月到現在整整一年的時(shí)間，人工智能領(lǐng)域的震撼性事件只有三個(gè)：

　　· 2016 年 1 月 24 日，人工智能先驅馬文明斯基離世;

　　· 2016 年 1 月 27 日，Google DeepMind 在《自然》雜志發(fā)表論文，正式宣布破解了圍棋;

　　· 2017 年 1 月 20 日，百度人工智能機器人小度擊敗第三位人類(lèi)選手，在三局人機大戰中完勝;

　　之所以將上述三件時(shí)間、空間都沒(méi)有關(guān)系的事件擺在一起，根本原因在于，這三個(gè)事件既是結束，也開(kāi)啟了一個(gè)屬于人工智能的新時(shí)代。從 60 多年前開(kāi)始，不管是明斯基還是另外幾位人工智能的先驅?zhuān)瑪[在這些最頂尖科學(xué)家、數學(xué)家面前的首要問(wèn)題就是：如何衡量人工智能?

　　1920年代，美國心理學(xué)家 Louis Lean Thurstone 在研究中發(fā)現，受訪(fǎng)者在回答問(wèn)題時(shí)更傾向于回答一些相對意義或者比較意義的問(wèn)題，比如類(lèi)似這樣的問(wèn)題「你更喜歡誰(shuí)的畫(huà)，A 還是B?」就比單純回答「你對A 畫(huà)喜歡多少?」要容易簡(jiǎn)單的多。這套理論被稱(chēng)為「比較性判斷準則(Law of Comparative Judgement)」。通過(guò)讓人們每次比較多個(gè)對象中的兩個(gè)，而最終可以計算出每個(gè)對象的測量分數(定距尺度)。

　　其運用范圍非常廣泛，人工智能研究者終于不再為定義「智能」來(lái)?yè)鷳n(yōu)了，只需要將機器與人類(lèi)放在某個(gè)同樣環(huán)境下繼續比賽，利用人的智能來(lái)衡量機器的智能。棋類(lèi)游戲首先被用于測試機器的智能，是因為棋類(lèi)游戲是一種「完美」信息的游戲，對玩家們而言，無(wú)論人類(lèi)還是機器，所面對的信息是透明且對等的——就是棋盤(pán)和棋子而已。

　　這樣的曖昧情節始于1956年，IBM 工程師 Arthur Samuel 創(chuàng )造了一種西洋跳棋的應用程序，并使用強化學(xué)習來(lái)訓練這個(gè)程序。1962年的時(shí)候，Arthur Samuel 的這個(gè)西洋跳棋程序打敗了當時(shí)全美最強的業(yè)余選手 Robert Nealey。

　　接下來(lái)的最吸引人的兩個(gè)故事就是卡斯帕羅夫與深藍的世紀之戰以及李世石大戰 AlphaGo，借助于電視、互聯(lián)網(wǎng)、社交媒體等大眾傳媒的發(fā)展，全世界的人都看到了東西方兩大棋類(lèi)里的頂級人物低頭認輸的場(chǎng)景。

　　人工智能已經(jīng)在國際象棋、圍棋證明了自己的能力，而挑戰人類(lèi)的最強大腦則成了衡量人工智能的另一個(gè)標尺。

　　此次最強大腦比賽，三場(chǎng)比賽涵蓋了人臉識別、語(yǔ)音識別與視頻(動(dòng)態(tài)模糊圖像)識別等多個(gè)領(lǐng)域。這些「技能」是人類(lèi)長(cháng)期進(jìn)化過(guò)程所形成的，百度首席科學(xué)家吳恩達這樣解釋人類(lèi)的人臉識別能力：“一個(gè)3歲的孩子看見(jiàn)媽媽時(shí)，不管媽媽是微笑、生氣，睜著(zhù)眼、閉著(zhù)眼，長(cháng)頭發(fā)、短頭發(fā)，穿什么衣服，孩子都可以輕易認出這是媽媽。”

　　更重要的是，人類(lèi)的這種識別幾乎是瞬間完成的，即便到現在，全世界頂尖的科學(xué)家也無(wú)法理解這背后的真正原理。而要讓計算機擁有這種能力，科學(xué)家們在過(guò)去五十年里提出了諸多想法，但直到這幾年，圖像識別才真正實(shí)現了技術(shù)突破。

　　與圖像識別相似，語(yǔ)音、動(dòng)態(tài)圖像識別的技術(shù)發(fā)展進(jìn)程也經(jīng)歷了漫長(cháng)過(guò)程，這些依托新算法的人工智能技術(shù)，究竟離人類(lèi)大腦，特別是那些具備超強能力的人類(lèi)大腦還有多大差距，這次比賽提供了一個(gè)最好的觀(guān)察視角，而比賽結果也充分說(shuō)明了人工智能在某些領(lǐng)域的已然超越人類(lèi)。

　　當下人工智能只聚焦在特定領(lǐng)域

　　早幾年的時(shí)候，李彥宏在參加《最強大腦》節目擔任嘉賓后感言：“某些對于人類(lèi)艱難的事情，對于電腦來(lái)說(shuō)非常簡(jiǎn)單。”這話(huà)說(shuō)得并不夸張，比如圍棋這個(gè)領(lǐng)域，相比于人類(lèi)棋手的成長(cháng)速度，計算機的進(jìn)化速度“令人窒息”，2016 年年底橫掃中韓高手的 Master，也是AlphaGo 的進(jìn)化版，要 Alpha Go 真正「進(jìn)入職業(yè)棋屆」不過(guò)一年多一點(diǎn)的時(shí)間，這種學(xué)習和進(jìn)化速度是人類(lèi)根本無(wú)法匹及的。

　　當下人工智能領(lǐng)域的火熱得益于過(guò)去幾年深度學(xué)習的崛起。最主要聚焦在三個(gè)領(lǐng)域：圖像識別、語(yǔ)音識別以及自然語(yǔ)言處理。投資人David Kelnar提供了兩幅圖像識別和語(yǔ)音識別進(jìn)化速度對比圖：

　　以圖像識別為例，在 2012 年的圖片分類(lèi)競賽ImageNet 上，以深度神經(jīng)網(wǎng)絡(luò )為技術(shù)支撐的研究團隊奪得第一，并將錯誤率降低到 20% 以下，讓包括 Google 、Facebook 這樣的巨頭都震驚，隨后，Google 買(mǎi)下了這個(gè)團隊，也讓深度神經(jīng)網(wǎng)絡(luò )「教父」Geoff Hinton 進(jìn)入 Google 工作。在深度神經(jīng)網(wǎng)絡(luò )的幫助下，Google 的圖像識別水平有了大幅提升，并將錯誤率降低到 10 %以?xún)取?/p>