【中國智能制造網(wǎng) 智能快訊】谷歌超級人工智能系統(tǒng)AlphaGo在與圍棋高手李世石的較量中取得勝利，是人工智能發(fā)展史上重要的里程碑，顯示出人工智能在復雜的博弈游戲中開始挑戰(zhàn)別的人類選手。“深度學習”將為人工智能打開一扇新的大門。
　　
　　圍棋是一種古老的游戲，行棋規(guī)則簡單，千變?nèi)f化中卻蘊涵無盡玄機。以基本的“定式”為例，定式的選擇只有在合適的場合配合下才能發(fā)揮功效，絕非機械記憶即可，必須了解其內(nèi)涵，掌握各種變化下的應對，否則，可能非但無利，反而有害。
　　
　　圍棋的特殊性并不在于變量的數(shù)量級變化，而在于選擇的“不確定”性。與其他游戲不同，圍棋博弈時，優(yōu)選擇很難用數(shù)學語言“定量”表達，高手之間對“下一手”的看法不能達成一致基本是常態(tài)。這并不是因為棋手之間的能力差異所導致。事實上，選擇不同的“下一手”很多時候的確沒有好壞之分，只是形成不同的路線，勝負取決于棋手后續(xù)的綜合功力。因此，對于高手來說，計算能力很重要，但博弈時更講究的是“棋感”。所謂實與勢要均衡，“高者謀勢，低者謀實”。
　　
　　電腦游戲更新?lián)Q代非?？欤粋€重要的原因就是玩這些游戲的“解決方案”通常都是確定的。一個游戲被玩熟之后，對于后續(xù)進程通常都在預期之中，其魅力當然很快就會消失。
　　
　　由于圍棋博弈缺乏“定量”解決方案，因此僅依靠海量存儲數(shù)據(jù)棋譜，進行搜索比對加以分析判斷，難以找到佳的“下一手”，要讓機器取得勝利的辦法只能是掌握“學習”能力。為此，AlphaGo通過神經(jīng)網(wǎng)絡(luò)引入了“直覺”。直覺讓棋手成為高手，但卻不是傳統(tǒng)數(shù)字世界所使用的規(guī)則。此次AlphaGo連續(xù)擊敗李世石，表明人工智能通過“學習”，在“勢”和“實”這些“虛”的領(lǐng)域達到了令人震驚的高度。
　　
　　人工智能主要可分為類人的人工智能和非類人的人工智能。類人人工智能的思考和推理就像人的思維，可以通過實踐和學習獲得知識和能力；非類人人工智能主要通過感知、知覺等專業(yè)技能執(zhí)行特定任務(wù)，解決問題的重要途徑是將所有可能構(gòu)建成搜索樹，通過比對、決策尋找優(yōu)方案，對于這類人工智能來說，背后的數(shù)據(jù)庫越強大，它的“水”就越深，但能力也基本在預期范圍之內(nèi)。
　　
　　谷歌AlphaGo將搜索樹與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起，背后的數(shù)據(jù)庫理論上只是用來學習的素材，不再單純比拼記憶和計算，而是通過實踐和學習獲得知識和能力。就像AlphaGo戴維所稱：“AlphaGo是我們創(chuàng)造的，但并不知道‘他’是怎么想的。”九段棋手古力則感嘆，AlphaGo團隊并沒有圍棋高手，卻打造出棋力水平如此高的系統(tǒng)。“深度學習”能力獲得重大突破，意味著人工智能將不斷進化，向更遠更高的境界邁進。這就是“深度學習”的魅力。
　　
　　專業(yè)圍棋選手的反應值得關(guān)注。本次“人機大賽”前，專業(yè)棋手大多看好李世石，國內(nèi)等級目前排名的柯潔甚至預測李世石5：0取勝。棋圣聶衛(wèi)平則認為，電腦擊敗專業(yè)棋手是“忽悠”，歐洲樊麾被AlphaGo擊敗是恥辱。李世石兩度失敗后，還有九段棋手質(zhì)疑比賽過程有貓膩，不愿意接受這個事實。這個群體對圍棋有著更深刻的理解，只是沒有認識到人工智能所達到的高度。
　　
　　人工智能在經(jīng)濟決策、控制系統(tǒng)和仿真系統(tǒng)等領(lǐng)域目前已得到越來越廣泛的應用，但主要還是集中在非類人人工智能領(lǐng)域。AlphaGo此次選擇圍棋只是測試其能力，未來谷歌希望打造一個通用智能系統(tǒng)，用于災害預測、風險控制、醫(yī)療健康和機器人等復雜領(lǐng)域。
　　
　　目前來看，AlphaGo還有不少需要完善的地方，是否能跨越圍棋領(lǐng)域尚未得知。從盤面上看，其局部戰(zhàn)斗表現(xiàn)出色，但招式過于強硬，在講究“棋感”的布局階段還存有一定缺陷。在對弈前半盤，李世石前兩局棋都有不少機會。歐洲樊麾曾采用復雜的大雪崩定式開局，也一度占到不少便宜。
　　
　　此外，AlphaGo也許能夠促使我們對圍棋的重新理解。AlphaGo的很多“非人類招式”一度受到專業(yè)人士揶揄，但事后卻發(fā)現(xiàn)取得了很好的效果。事實上，人們對圍棋的認識一直在改變。李世石嶄露頭角時，其韓式力戰(zhàn)型棋風并不被認可，很多“無理手”甚至“惡手”在講究“棋理”的人士眼中是不可接受的。但這種風格現(xiàn)在成為了主流。