“谷歌人工智能击败欧洲围棋冠军 是怎么做到的？”

本篇文章3278字，读完约8分钟

谷歌旗下的人工智能企业deepmind开发的alpha go不久前击败了欧洲围棋冠军，《火影》杂志用封面论文的方法报道了这个人工智能行业的里程碑，是1997年深空击败国际象棋大师卡斯帕罗夫的世纪之战。 据悉，3月alphago还将挑战世界顶级围棋选手李世石。

正如外国媒体的评价，“1997年，当ibm的深蓝计算机称霸象棋时，它采用的是手工编码的规则，囊括了检索时可能出现的所有步法。 alpha go本质上可以随着时间学习，识别特征模式，模拟有限数量的潜在结果。 ”。

杞人忧天的话“奇点临近”又开始抬头，但比起突然发生的人类机械冲突，润物已经悄然融入我们生活的siri、google now等智能助手可能更有“存在感”。 他们不是和我们很争执不下的对手，而是随时散散心，安排我们的日程起居，提供给我们演戏的助手。 《与机器人共舞》的作者约翰·马尔科夫认为，前者是意图取代人类的ai(artificial intelligence )，后者是意图辅助人类的IA ( IA )，

例如，谷歌新和谷歌玻璃是增强人类能力的工具，无人车将完全接管司机的驾驶权。 收购的boston dynamic机器人公司放弃了对人类智力的模拟，专注于具有与人类四肢相同的灵活性、平衡性和适应性的无头big dog，谷歌brain项目学会了像人类一样识别猫。 body和brain的分离及其结果在无人车项目中最为明显。

作为第一个报道谷歌无人车项目的记者，约翰·马尔科夫在《与机器人共舞》中详细发布了重复走ai路线的谷歌无人车面临的问题:完全无人车将陷入四向停车的问题( four-way stop )。 在没有信号灯的十字路口，司机之间需要很多复杂的交流，但对于彼此独立、彼此不连通的计算机系统来说，在可预见的未来处理这类问题更是困难重重。

通过摄像头、多光谱雷达、激光雷达等传感器，谷歌无人车可以实时感知行驶中环境的道路状况，但车与车之间的数据共享和始终“信息表达”至今仍无法实现，包括无线通信标准、车厂合作、政府 更麻烦的是，虽然司机经常违反和无视交通规则，但无人车与行人之间的意识“信息表达”仍然是天方夜谭。

比起如此执着于“无人”概念的谷歌，许多其他企业采取了更现实的ia路径。 例如，mobileye无人驾驶汽车可以让车上的乘客敏锐地感觉到机械援助的存在，进而企业利用视线跟踪、生物识别等技术检测司机的观察力是否在方向盘上。

这对于正在进入无人车大潮的uber来说也不是个好主意，但创始人kalanick表示，“uber之所以贵，是因为司机的价格太高，如果没有司机，uber的费用就会大幅下降。”

事实上，根据《与机器人跳舞》一书的整理，ai和ia两个阵营的竞争，两种价值观的冲突从20世纪60年代开始在硅谷。

1966年，他在约翰·麦卡锡领导斯坦福大学的人工智能实验室，开始了模仿人类能力的人工智能项目。 然后，在美国的另一边，麻省理工学院的马文明滑雪和恩格尔伯特启动了以计算机为人类智能扩展的智能增强项目，从此半个世纪的花各开了两朵，各自成长。

在摩尔定律的号角声中，随着计算能力几何水平的上升，当时的人工智能阵营笼罩在乐观的气氛中。 如果你觉得自己陷入了困境，只要等十年，你的问题一定会通过提高计算性能来处理。 在他们眼里，机器的视觉、听觉、推理能力等可以通过提高计算能力来解决。 1978年，人工智能最忠实的信徒莫拉维克在杂志上写道:“再过10年，制造可与人类智慧媲美的设备的硬件价格应该相当于现在大型计算机的水平。”

但是，他预想的机器人时代还没有到来。 斯坦福制造了基于“if then”逻辑的“推理引擎”，将各行各业专家的知识封装成包含600条思维规律的“指导手册”，但这在人类需要去“input-out”的方法中，存在着机械本身， 这是他们想要的机器(不是思考机)。

20世纪80年代是“脑海中的自行车”的黄金时期，也是相关企业纷纷倒闭的“人工智能之冬”。

ia阵营成为了人机交互的先驱。 恩格尔伯特不仅是著名的“鼠标之父”，还是图形客户界面、超拷贝系统的先驱，从窗口、鼠标到自动助手、计算机再到“交互式交互”，ia阵营基本上都是恩泽。 在他们的努力下，从巨大的东西到台式电脑、口袋玩具、打孔纸到键盘鼠标、触摸屏、语音助手、幻灯片，机器正在成为越来越容易使用的人脑的延伸。

他预言，1987年后的ipad、siri的苹果知识导航器的宣传视频中系着领带的虚拟助手将被虚构，但14年后的siri中没有个体化身。 事实上，在虚拟助手的设计中，化身一直备受争议。 ia阵营的开发者们举手说:“是否应该把这个系统做成聊天机器人。” 他们认为没有人会坐下来和虚拟机器人整天说话。 他们应该做的是设计一个系统来管理繁忙的日常生活。 萌萌的siri“戏耍性”很差，但是谷歌now智能化到可以用你的停留时间自动评价家庭和事务所，但是“非人化”不用害怕，也不用担心变细。 同样是微软的大眼睛剪辑office助手也因为太“活跃”而被盯上了。

实际上，这是ia和ai之间的无形线发挥着其作用。

随着全球网络和大量数据的出现，人工智能行业的另一支流——深度神经互联网研究大展拳脚空之间，机器深度的学习也成为可能，人工智能在两次冬天过后再次迎来爆炸。 《纽约时报》指出:“要正确识别猫，需要多少台电脑？ 16000辆”为标题报道吴恩达领导的谷歌brain是如何训练机器识别猫的，youtube需要数百万级的视频资料。 语音识别、机器视觉、物体识别、人脸检测、翻译会话等行业的创业企业开始在各地开花结果。 数十亿的移动传感器和计算系统——高端智能手机不断滋养和调教着超级大脑。 就像高速移动的神经互联网一样。

alphago采用的神经互联网结构的示意图

alphago的挑战成功，是神经互联网威力的最好说明，正如谷歌在博客上明确的那样，“以前流传的人工智能的做法，是为了构建搜索树，以覆盖尽可能的地方，从而挑战人类的大脑。 我们“分解”围棋，利用改进的搜索树算法结合深度神经互联网开发一个叫alphago的程序，将棋盘分解为含有数百万类似神经元的互联网连接，分为12个不同的互联网层，其 我们让围棋高手训练alphago项目3000万步，预测对方的回合准确率将达到57% (迄今为止的记录为44% )。 不仅要模仿最好的棋手，为了打败他们，alphago可以通过加强学习( reinforcement learning )来在神经元之间进行游戏，调整网络连接，开发新的战略。 ”。

一些人工智能阵营认为，为了实现模拟生物智能的目标，应该从制造人工昆虫这一最低水平的设备开始，模拟仿生(动物)，而不是模拟最简单的生物系统、与人类匹敌的能力 boston dynamic等企业开发的机器猫、狗、豹等实现了“头脑简单，四肢发达”。 协调性、适应性不亚于人类，非常好。

因为人工智能的brain和body正在迅速成长，所以微博上关于boston dynamic机器人最普遍的看法是，今后人类会被机器人毁灭的画面会满脑子都是。

而且，ai和ia也在相互交流。 google brain的研究成果应用于google now等多种产品中，更准确地洞察顾客的新闻输入，更人性化地理解人类的意图。 微软发布的第一个智能助手cortana似乎比siri、谷歌now更“人格化”。 名字来自“光晕”的作用，虽然是圆形图标，但拥有16种表情，能与你进行更自由机智的对话，声音更富抑扬和感情。 很明显，微软的目的是像“her”的萨曼莎一样爱娜娜。

正如约翰·马尔科夫在《与机器人跳舞》书的结尾听到的:

人类已经有相当一段时间通过计算机和其他人类进行交流，或者直接和人类这样的机器进行交流。 这些人工智能的化身将是我们的奴隶、助手、同事还是三方的融合？

ai还是ia是摆在开发者和招聘者面前必须回答的问题。

作者:约翰·马尔科夫(约翰·马克关闭)

出版社:浙江人民出版社

译者:郭雪

出版年:-11-16

来源：成都新闻网