我们不谈围棋，只谈人工智能

　　围棋世界冠军李世乭与 AlphaGo 的最后一盘比赛，执黑先行，历时五小时，终于在第 180 手投子认输。

　　在这场连战五局，持续了一周的人机围棋比赛中，李世乭只拿下了一盘，总比分 1:4 输给了 Google 的人工智能算法 AlphaGo。

　　可以预见，以后谈到计算机如何厉害的时候，被用了快 20 年的 IBM “深蓝”打败国际象棋冠军的例子，将会变成 AlphaGo 这场比赛的胜利。

　　最近一周，你肯定已经被各种棋盘解读、“人工智能如何打败人类”的分析或者搜狗的离奇营销刷屏了。

　　不过抛开围棋界和计算机领域的专业词汇，Google 到底是怎么做到的？围棋胜出究竟有什么意义？而这次人工智能的胜利，对于每个人来说又意味着什么？

　　我们请了人工智能领域沉浸已久的研究者和作家，试着用更加简单的方式回答上面的问题。

　　好奇心日报：跳棋、国际象棋、围棋……为什么棋总被当作人工智能的发展标志？

　　乔纳森·谢弗：因为规则是固定的，每步棋子可能性是有限的，下棋的能力有分数可以评估，还有人类的对手可以和程序对垒……所以研究人工智能的先锋们总是把棋牌游戏当做是人工智能测试的最完美方式。

　　而围棋被看作是对计算机最有挑战的一种比赛。

乔纳森·谢弗（Jonathan Schaeffer）：加拿大阿尔伯塔大学的教授，他带领的团队曾经写跳棋程序 Chinook，后来也写过国际象棋的人工智能系统。

　　好奇心日报：计算机战胜围棋世界冠军和之前战胜国际象棋大师、跳棋冠军有什么不同？

　　乔纳森·谢弗：跳棋的对弈有“10 的 20 次方”种落子可能，计算机在这种场合上使用简直完美。国际象棋有“10 的 45 次方”种移动可能，国际象棋还没有被计算机完全搞定，计算机在这方面已经是“超级人类”的存在了。

　　至于围棋，有超过“10 的 100 次方”种落子可能。直到几个月之前，电脑围棋都比人类弱很多。

　　好奇心日报：谈及 AlphaGo 的能力，“深度学习”可能是出现最多的词，但这个词到底是什么意思？

　　乔纳森·谢弗：你可以把它想象成一个带有点和连接的网络吧。就像一个地图一样，我们假设城市是点，然后连接是路。

　　我们来假设这地图上的连接会动态变化。例如，本来从 A 到 B 点只需要走 10 分钟，但现在看着这条路的实时路况，系统自动调整了时间，例如上下班高峰期 13 分钟，其他时间 9 分钟。这就是一个学习的例子。更进一步说，这个网络还可以建新的路，所以 A 和 B 之间的最佳路径还可能会改变。

　　对应到 AlphaGo 上，每一个“城市”就是一个知识点，他们之间连接的“路”就是知识与知识之间的连接。想象使用一个地图在城市中导航，每个城市的计算价值，是连接它的路数量的总和。同样的，一个知识点的价值，也依赖于它的连接情况。

　　当我们看纸质地图的时候，这个地图是二维的。然后想想两张地图叠在一起，在地图上不同的连接也交织着。AlphaGo 使用的是十三层的网络，所以也能让不同的知识点有更多连接的可能。

　　在一场围棋比赛中的特定时刻，有些知识点会使用，而另一些则不会。就像是你能去某一些城市，另外一些则禁止你入境一样。知道这些信息，会改变“城市点”的连接情况，更会改变这个城市的连接价值——这也就是每一个棋步的来源。

　　凯文·科伦：深度学习就是一种人工智能学习技术，通过把大量数据“喂”进系统，尝试自己建立模型，通过模型自己做决定，就像我们现在认为的人类大脑工作的原理那样。

　　所以说，深度学习是通过审视记忆来做出决定的，因为 AlphaGo 已经看过那么多的例子，接下来深度神经网络中会自动权衡重要性然后进一步做出决定。

　　好奇心日报：目前有很多围棋人工智能，比如 Zen、Crazy Stone 以及 Facebook 的 Dark Forest，它们和 AlphaGo 相比如何？

　　凯文·科伦：一些其他的围棋人工智能系统也在对阵弱一些的人类棋手时赢过，但没有一个能够真正比得上 AlphaGo。

凯文·科伦（Kevin Curran）：英国阿尔斯特大学计算机科学教授、IEEE 安全技术专家，专门研究计算机网络和系统。

　　好奇心日报：你觉得 AlphaGo 的算法和人脑还有什么差别？

　　凯文·科伦：现在打败了人类最厉害围棋手的 AlphaGo 只是一次测试的项目。人类围棋选手可以随便转向某个观众，然后展开一段有意义的对话，但现在全球上最好的自然语言系统，比如 Siri 依然没法和人正常对话。

　　这就是区别，人脑依然还是更加智能。

　　詹姆斯·巴雷特： AlphaGo 和人的脑袋，大概隔了几个世界这么远吧。

　　AlphaGo 是狭义上的人工智能，它只能用来下围棋。但我们的脑袋能够做很多不同的任务，人类拥有的是通用的智能。但是，这对于创造一个有具有通用智能的机器人和电脑系统来说，深度学习是很重要的一步。

詹姆斯·巴雷特（James Barrat）：纪录片制片人，曾经为国家地理、探索频道制作影片。他也是人工智能的书作《我们最后的发明：人工智能和人类时代的终结》的作者，这本书采访了科幻大师阿瑟·克拉克（Arthur Clarke）、未来学家雷·库兹韦尔（Ray Kurzweil）还有机器人制造专家罗德尼·布鲁克斯（Rodney Brooks）。

　　好奇心日报：除了围棋，图灵测试也是大家谈论人工智能进展时常提到的衡量方法，它真的能判断人工智能的水平吗？

　　詹姆斯·巴雷特：比起围棋测试，图灵测试能够更好地测试人工智能。

　　当我们谈到智能的时候，我们一般说的是人类的智力。即使是和与世界冠军下围棋相比，图灵测试也是更大的挑战。

　　凯文·科伦：图灵测试是这么做的：每个参加者都会单独参加，人类裁判会通过文本问一些问题，如果不能通过回答有依据地分辨出机器和人类，那么受试的机器就通过了图灵测试。

　　但这个测试并不会检验回答是否“正确”。

　　图灵检测的是答案和典型人类的思路有多么类似，因为对话是通过文字来沟通，所以电脑是否会真的“说话”并不重要。

　　图灵测试只测试电脑是否像一个人类，但鉴于人类行为和智能行为并不完全一样，所以这个测试并不能准确地去检测人工智能。

　　好奇心日报：有种说法是，在计算机原理取得突破之前，人工智能还是有极限的，这是对的么？

　　乔纳森·谢弗：人工智能已经有很广泛的应用了，每天我们都在用。你用的信用卡，人工智能被用来防止盗刷。你网购的时候，人工智能推测你喜欢什么不喜欢什么。

　　我们很快也会看到无人驾驶车，这全是人工智能科技。想想看，有人工智能帮我们开车的场景吧，我们坐在后座放松，让电脑干完所有的工作。

　　好奇心日报：AlphaGo 会让你更害怕人工智能么？这个算法未来能应用到什么地方？

　　詹姆斯·巴雷特：不会，因为没有必要害怕一个算法。那些会利用强大的算法去伤害别人、获得权力或者去偷盗的人才应该让人恐惧。

　　AlphaGo 只是让大众更加清醒地意识到这个事情：人工智能是一个强大的，多功能的工具，而且它的能力也在急速增长。

　　AlphaGo 也扩展了我们对人工智能这十年发展的愿景，它将会比作为一个纯粹的围棋选手更让人激动。

　　人工智能战胜人类围棋选手之所以重要，是因为它有潜力应用到机器人，科学研究，投资，无人车，战争甚至更多地方。

　　深度学习系统能够利用有记录的每场战斗作为自己的训练资料，让自己成为一个不错的“将军”。它并不像人类的将军，它可不会睡着或者喝醉。

　　最后

　　AlphaGo 之前，放在大众面前最聪明的例子是 IBM 沃森在美国电视问答综艺节目 Jeopardy 中打败人类对手。在那场比赛里沃森轻松听懂主持人说的话，看出当中的双关语并给出答案。

　　之后 IBM 对沃森的开发一直没有停下来，将它作为自己的未来系统推给合作伙伴。但几年下来，沃森还是没办法胜任最基本的电话客服工作——没人会觉得普通的电话客服比拿了百万奖金的人类选手更聪明。

　　AlphaGo 的胜利是技术进步的结果。但人工智能和人类智力之间的距离依然遥远。

　　另一方面，今天一些简单的人工智能被用在方方面面，尽管它们大多长得不像人，也根本不会说话。在担心人工智能造成的威胁之前，我们可以先享受它所带来的福祉。

　　最后，如果你关心人工智能和人类的智力究竟有什么区别，以及科学家们过去几十年都在做什么。Jeff Hawkins 那本影响了大量研究人员，同时又颇为易读的On Intelligence（中译《智能时代》）还是得推荐。

　　题图来自：Flickr | Chad Miller

　　在纽约，我们一起聊聊媒体、年轻人和在中国的机会 | 好奇心在纽约

　　网易跟帖人，一个角落里的公共知识分子｜好奇心人类学

　　我们体验了一天企业微信，你的工作以后可能离不开它