去年今日，三連敗的李世乭扳回一局。

　　然而這一針興奮劑很快失效，隨后李世乭再折一陣，最終以1:4輸給AlphaGo。在圍棋的人機(jī)大戰(zhàn)中， 人類選手完敗給人工智能。

　　人工智能一戰(zhàn)成名，李世乭留下落寞側(cè)影。為AlphaGo落子的黃士杰一年后回憶說：“當(dāng)時(shí)我代表AlphaGo下棋，必須保持冷靜”。

　　從那時(shí)起到現(xiàn)在，人類始終生活在一個(gè)被AlphaGo改變的世界。

　　一年回望

　　站在圍棋人機(jī)大戰(zhàn)一周年的節(jié)點(diǎn)上，該如何回顧過去、展望未來呢?量子位先把幾個(gè)問題拋給創(chuàng)新工場(chǎng)AI工程院副院長(zhǎng)王詠剛。

　　量子位：一年后再看AlphaGo有何改變?有什么記憶猶新的片段?

　　王詠剛：AlphaGo出世一年，其實(shí)進(jìn)入大家視野的是三個(gè)版本：5:0擊敗樊麾的內(nèi)測(cè)版本，4:1擊敗李世石的版本，以Master網(wǎng)名60:0快棋挑落中日韓高手的版本。三個(gè)版本演進(jìn)脈絡(luò)明顯，每次迭代都有重大升級(jí)。

　　最震撼的是計(jì)算機(jī)在人類傳統(tǒng)認(rèn)為極其玄妙的、電腦無法掌握的“大局觀”上突飛猛進(jìn)，遠(yuǎn)遠(yuǎn)將人類選手甩在身后。電腦計(jì)算“大局觀”的方式，和人類培養(yǎng)“大局觀”的思路，有根本的差別。人類沒可能在這方面趕上電腦。

　　和樊麾對(duì)局的棋譜基本上還看不出AlphaGo的大局觀有多強(qiáng)，和李世石對(duì)局就下出了聶衛(wèi)平贊不絕口的五路肩沖，到了Master的60局，大局觀體現(xiàn)在兩個(gè)地方：

　　1)從始至終對(duì)局勢(shì)的把握，比如第60局古力用AlphaGo的思路對(duì)付AlphaGo，把中央撐得很滿，但AlphaGo不緊不慢，總是恰到好處地保持勝勢(shì)。

　　2)已經(jīng)深刻影響人類對(duì)布局的思考，大飛守角之類的變化迅速被人類棋手模仿，這和當(dāng)年深藍(lán)問世后，國(guó)際象棋的布局革命是一樣的。

　　量子位：過去一年，有什么具體產(chǎn)品或研究，是基于AlphaGo的么?

　　王詠剛：AlphaGo用的是AI領(lǐng)域應(yīng)用非常普遍的算法：深度學(xué)習(xí)、蒙特卡洛算法、增強(qiáng)學(xué)習(xí)等。

　　從概念上可以說，機(jī)器視覺相關(guān)的深度學(xué)習(xí)技術(shù)，包含環(huán)境-決策-反饋的智能系統(tǒng)，里面都有AlphaGo的影子。當(dāng)然，直接的代碼實(shí)現(xiàn)層面，肯定沒有復(fù)制、粘貼這樣直接借用的關(guān)系，因?yàn)锳lphaGo的深度學(xué)習(xí)模型畢竟是圍繞圍棋的特征建立的。

　　DeepMind去年發(fā)布的讀唇術(shù)LipNet，與英國(guó)國(guó)家醫(yī)療服務(wù)體系NHS合作推出的醫(yī)療輔助應(yīng)用Streams，與眼科醫(yī)院合作幫助眼部疾病診斷等等，可以說都是與AlphaGo同源的技術(shù)。

　　去年今日，三連敗的李世乭扳回一局。

　　量子位：AlphaGo是否已經(jīng)攻克圍棋?未來可提升的空間還有哪些?

　　王詠剛：“攻克圍棋”，如果說戰(zhàn)勝人類選手的話，AlphaGo已經(jīng)實(shí)現(xiàn)了，而且現(xiàn)在“絕藝”，DeepZen之類的程序?qū)θ祟悇俾室埠芨吡恕?/P>

　　未來最多三年必將發(fā)生的是，手機(jī)上的本地APP就可以戰(zhàn)勝人類職業(yè)高手，現(xiàn)在熱鬧的網(wǎng)上圍棋對(duì)弈平臺(tái)都會(huì)死掉(因?yàn)閷?duì)手可以輕易用手機(jī)作弊)，人類圍棋將回歸現(xiàn)澈賽，圍棋培訓(xùn)講師將更重視普及教育，因?yàn)橹懈呒?jí)的提高訓(xùn)練完全可以用機(jī)器代練。

　　不過，如果說“攻克圍棋”是像計(jì)算機(jī)可以窮舉西洋跳棋的所有變化那樣，讓電腦成為圍棋“上帝”，這個(gè)應(yīng)該還不大可能�，F(xiàn)在AI大部分的招數(shù)，還在人類高手可以理解的范疇內(nèi)。AI也有一些可疑的“弱點(diǎn)”，比如官子水平到底如何等等。

　　以后AI和AI之間的競(jìng)賽，應(yīng)該會(huì)不斷促進(jìn)AI提高(但這種沒有太多商業(yè)利益的事情，有沒有持續(xù)投入是個(gè)問題)。人類應(yīng)該望塵莫及，但可以不斷從AI中學(xué)習(xí)新的思想。

　　不止下棋

　　“AlphaGo給大家最大啟發(fā)，不是贏棋，而是如何構(gòu)建一個(gè)智商超過300的機(jī)器”，HTC負(fù)責(zé)研發(fā)及醫(yī)療的總裁、原Google中國(guó)工程院副院長(zhǎng)張智威說。

　　構(gòu)建的方法有兩個(gè)：一是訓(xùn)練、二是數(shù)據(jù)。張智威最近在清華的一次分享(傳送門)中說，“如果能做好這件事，各位都是億萬富翁。最近兩年，我們每天都在想，哪些領(lǐng)域可以拿到無限的數(shù)據(jù)”。

　　而在AAAI Fellow、IEEE Fellow、香港科技大學(xué)楊強(qiáng)教授看來，DeepMind在創(chuàng)造AlphaGo的過程中，引入一個(gè)新的概念：利用深度學(xué)習(xí)+強(qiáng)化學(xué)習(xí)，來判斷現(xiàn)狀和預(yù)測(cè)未來。這與未來的商業(yè)模式有著明確的關(guān)聯(lián)：

　　通過對(duì)大數(shù)據(jù)的分析，對(duì)現(xiàn)實(shí)的判斷和對(duì)商業(yè)未來走向進(jìn)行預(yù)估。

　　楊強(qiáng)還試圖基于AlphaGo歸納出一套人工智能的應(yīng)用流程：算法的目標(biāo)是什么?有沒有數(shù)據(jù)?數(shù)據(jù)在哪里?問題的邊界是否清晰?什么叫合理的走法、什么叫犯規(guī)的走法?你的特征在哪里?又如何得到這些特征?是否可以得到一個(gè)持續(xù)的反饋?

　　但也有人沿著另一條路前進(jìn)。

　　圍棋也好、國(guó)際象棋也好、國(guó)際跳棋也好，所有這些都是完美信息博弈。現(xiàn)實(shí)世界中，不完美信息才是常態(tài)，各種看不見的隱藏信息產(chǎn)生了大量的不確定性，而德州撲克代表的就是這種類型的博弈。

　　今年初，在德州撲克的人機(jī)大戰(zhàn)中，人工智能Libratus擊敗了四位 人類玩家。創(chuàng)造了這個(gè)AI的卡內(nèi)基梅隆大學(xué)Sandholm教授說，能夠處理不完美信息的AI，未來可以用于商業(yè)談判、網(wǎng)絡(luò)安全、醫(yī)療方案制定等領(lǐng)域。

　　人工智能發(fā)展的終極目標(biāo)，是通用人工智能(AGI)。通用人工智能可以解決任何一個(gè)問題。想要實(shí)現(xiàn)AGI就得讓人工智能學(xué)會(huì)解決不確定性問題，這也是德州撲克人機(jī)大戰(zhàn)的重大意義之一。

　　對(duì)于已屆不惑的Demis Hassabis來說，創(chuàng)立DeepMind的目標(biāo)絕不僅限于創(chuàng)造AlphaGo。過去的一年里，DeepMind還搞出了很多有意思的創(chuàng)新。

　　比方說可以模擬任意一種人類聲音的WaveNet;以及與英國(guó)國(guó)家醫(yī)療服務(wù)體系合作，使用人工智能來改善醫(yī)療行業(yè)等。

   投稿郵箱：chuanbeiol@163.com   詳情請(qǐng)?jiān)L問川北在線：http://sanmuled.cn/