人類(lèi)多余？AI想超越人類(lèi)可沒(méi)那么容易

　　今年五月份舉行的烏鎮圍棋峰會(huì )上，AlphaGo擊敗柯潔之后可以說(shuō)在圍棋界里已是“獨孤求敗”的境界了，幾乎無(wú)人是其對手。人們在贊賞的同時(shí)，也想看到是否會(huì )出現一個(gè)對手，能夠將ALphaGo拉下馬。

　　事實(shí)就是這樣，越想著(zhù)什么越會(huì )發(fā)生什么。ALphaGo終于遇到了自己的對手，這個(gè)對手甚至以摧枯拉朽之勢擊敗了ALphaGo。

　　就在上周，據外媒報道，英國DeepMind團隊在《自然》雜志上發(fā)表了相關(guān)論文，介紹了新一代的圍棋AI：ALphaGo Zero。使用了強化學(xué)習技術(shù)的ALphaGo Zero可以通過(guò)自我對弈進(jìn)行訓練，棋力大幅度增長(cháng)，輕輕松松擊敗了曾經(jīng)不可一世的ALphaGo。人們再次被震驚了，就連柯潔都發(fā)出了“人類(lèi)多余”的感嘆。

　　ALphaGo Zero到底是何方神圣?

　　可能有的人認為，這沒(méi)有什么特別的。ALphaGo Zero是ALphaGo的強化版，比ALphaGo經(jīng)歷了更多的數據演練，打敗ALphaGo很正常。然而事實(shí)并不是這么簡(jiǎn)單。

　　在過(guò)去，AlphaGo都是使用專(zhuān)業(yè)人類(lèi)棋手的對局數據來(lái)進(jìn)行訓練，可以說(shuō)是人類(lèi)棋手的指導下，讓它一步步的成長(cháng)起來(lái)。而ALphaGo Zero完全不同，它采用了強化學(xué)習技術(shù)，從隨機對局開(kāi)始，不依靠任何人類(lèi)專(zhuān)家的對局數據或者人工監管，而是讓其通過(guò)自我對弈來(lái)提升棋藝。

　　據了解，ALphaGo Zero經(jīng)過(guò)3天的訓練，就已經(jīng)可以擊敗AlphaGo Lee(去年擊敗韓國頂尖棋手李世石的系統)，比分為100比0。經(jīng)歷40天訓練后，它總計運行了大約2900萬(wàn)次自我對弈，又擊敗AlphaGo Master(今年擊敗世界冠軍柯潔的系統)，且比分為89比11。要是說(shuō)ALphaGo對陣人類(lèi)只是略勝一籌，那對陣ALphaGoZero簡(jiǎn)直就是被碾壓的局面。

　　DeepMind團隊表示，ALphaGo Zero之所以那么強，原因在于它采取的強化學(xué)習技術(shù)。他們發(fā)現AlphaGo Zero自我對弈僅幾十天，就掌握了人類(lèi)幾百年來(lái)來(lái)研究出來(lái)的圍棋技術(shù)。由于整個(gè)對弈過(guò)程沒(méi)有采用人類(lèi)的數據，因此ALphaGo Zero的棋路獨特，不再拘泥于人類(lèi)現有的圍棋理論。

　　何謂強化學(xué)習技術(shù)?

　　到底什么是強化學(xué)習技術(shù)呢?簡(jiǎn)單地說(shuō)，強化學(xué)習就是讓AI從中學(xué)習到能夠獲得最大回報的策略。AlphaGo Zero的強化學(xué)習主要包含兩個(gè)部分，蒙特卡洛樹(shù)搜索算法與神經(jīng)網(wǎng)絡(luò )算法。

　　在這兩種算法中，神經(jīng)網(wǎng)絡(luò )算法可根據當前棋面形勢給出落子方案，以及預測當前形勢下哪一方的贏(yíng)面較大;蒙特卡洛樹(shù)搜索算法則可以看成是一個(gè)對于當前落子步法的評價(jià)和改進(jìn)工具，它能夠模擬出AlphaGo Zero將棋子落在哪些地方可以獲得更高的勝率。

　　AlphaGo Zero的自我強化學(xué)習，圖片源自Nature

　　假如AlphaGo Zero的神經(jīng)網(wǎng)絡(luò )算法計算出的落子方案與蒙特卡洛樹(shù)搜索算法輸出的結果越接近，則勝率越大，即回報越高。因此，每落一顆子，AlphaGo Zero都要優(yōu)化神經(jīng)網(wǎng)絡(luò )算法中的參數，使其計算出的落子方案更接近蒙特卡洛樹(shù)搜索算法的結果，同時(shí)盡量減少勝者預測的偏差。

　　剛開(kāi)始，AlphaGo Zero的神經(jīng)網(wǎng)絡(luò )完全不懂圍棋，只能盲目落子。但經(jīng)歷無(wú)數盤(pán)自我對弈后，AlphaGo Zero終于從圍棋菜鳥(niǎo)成長(cháng)為了一代棋神。

　　AI雖強，但超越人類(lèi)可沒(méi)那么容易

　　我們可以看到，ALphaGo Zero與它的前任相比，技術(shù)上實(shí)現了質(zhì)的飛躍。DeepMind團隊也表示，希望通過(guò)培養AI自主學(xué)習的能力，來(lái)解決更多其他領(lǐng)域目前無(wú)法解決的棘手問(wèn)題。但是仍有很多人對于A(yíng)lphaGo Zero的這種進(jìn)化表示了深切的擔憂(yōu)。

　　美國加州伯克利大學(xué)博士@Ent_evo就專(zhuān)門(mén)針對ALphaGo Zero發(fā)表了一篇博文，在文中評論道：這對人類(lèi)來(lái)說(shuō)是個(gè)很大的打擊。當年AlphaGo至少還學(xué)習了大量的人類(lèi)經(jīng)驗，但是AlphaGo Zero根本就不需要人類(lèi)棋手這么多年的積累，人類(lèi)經(jīng)驗是好是壞，對AI而言完全無(wú)關(guān)，這是所有AI末世中最令人恐懼的一個(gè)場(chǎng)景。

　　這不禁讓人想起著(zhù)名物理學(xué)家斯蒂芬?霍金在2017全球移動(dòng)互聯(lián)網(wǎng)大會(huì )(GMIC)發(fā)表的演講。他表示，人工智能的崛起很有可能終結人類(lèi)文明。

　　但是也有不少業(yè)內人士對此表示不用擔心。新松機器人總裁曲道奎在接受媒體采訪(fǎng)時(shí)表示，Zero的分量被夸大了，這次突破只能算人工智能在圍棋領(lǐng)域的勝利，但要完成超越人類(lèi)其他行業(yè)的水平卻為時(shí)尚早。就技術(shù)層面而言，Zero解決了圍棋問(wèn)題，但更多的問(wèn)題比如自然語(yǔ)言理解、圖像理解、推理等問(wèn)題仍然存在。

　　在筆者看來(lái)，ALphaGo Zero的誕生帶來(lái)了許多積極意義。它從零開(kāi)始，證明了“算法優(yōu)先于數據”這條長(cháng)期以來(lái)一直爭論的觀(guān)點(diǎn);它能夠擺脫對人類(lèi)的依賴(lài)，不需要人類(lèi)給出樣本數據，這為廣泛的行業(yè)應用提供了更多可能。

　　雖然人工智能如此強大，但是“人類(lèi)多余”的言論還是說(shuō)的過(guò)于嚴重了。即使ALphaGo Zero是通過(guò)自我學(xué)習進(jìn)行成長(cháng)，但是它依然沒(méi)有屬于自己的思維能力。歸根結底，AI也只不過(guò)是由人類(lèi)為了某些需求而用技術(shù)加持的一個(gè)工具罷了。這個(gè)工具雖然強大，但超越人類(lèi)可沒(méi)那么容易。