機器人終成圍棋“大師”

　　文章稱，對人工智能研究者來說，圍棋一直有著特殊吸引力：最復(fù)雜的算法，但人工智能遠不能與最好的人類棋手相比。直到去年，DeepMind公司開發(fā)的自我學習程序“阿爾法狗”以5—0戰(zhàn)勝歐洲圍棋冠軍樊麾，他們才決定此次要在韓國首爾與世界圍棋冠軍李世石做五番對決。

　　文章說，這對于人工智能來說是個標志性時刻。因為此前大部分研究人員和圍棋專家認為，計算機要達到職業(yè)棋手水平還要10年，而現(xiàn)在，“阿爾法狗”已能匹敵頂級圍棋大師。

　　過去5年來，人工智能研究領(lǐng)域已取得難以置信的進步。谷歌研究員已把過去理論上的機器學習架構(gòu)變成了真實、有用的產(chǎn)品。某些效果來自微妙的改進，如更多相關(guān)搜索結(jié)果、更嚴格的篩選過濾、對視頻和應(yīng)用程序的更好建議等。

　　機器學習還能讓人們做到那些以往絕對做不到的事。比如“谷歌照片”能讓你在幾秒鐘內(nèi)，用手機找到女兒2013年和巴吉度獵犬一起站在雪地里的照片；如果你拿著手機在俄羅斯辦事，用“谷歌翻譯”能得到英語的同聲傳譯。谷歌還在教計算機自動識別詞類，理解句子含義，識別手寫字體、圖像和視頻。

　　至于“阿爾法狗”成功的秘密，文章說，一種關(guān)鍵認識是，讓計算機知道如何完成目標并通過經(jīng)驗來提高，而不是每項任務(wù)都通過手寫指令來完成。這就是“阿爾法狗”的秘訣。

　　具體說，谷歌首先用人類對弈的3000萬種走法來訓(xùn)練“阿爾法狗”的神經(jīng)網(wǎng)絡(luò)，讓它學會預(yù)測人類專業(yè)棋手怎么落子。然后更進一步，讓“阿爾法狗”自己跟自己下了幾千盤棋，從自己的錯誤中學習，讓它能發(fā)現(xiàn)全新的策略，下得比它開始所學習的那些人更好。

　　真正的挑戰(zhàn)不是“人機大戰(zhàn)”

　　如果“阿爾法狗”贏了，我們輸了嗎？當計算機能在典型的反映人類智慧的比賽中打敗人類，我們就不如它們嗎？

　　文章認為，恰恰相反。世界上真正的挑戰(zhàn)不是“人類對機器”之戰(zhàn)，而是人類加上所有我們能搜集到的工具，對我們周圍那些難以解決的復(fù)雜問題的挑戰(zhàn)。無論氣候變化、醫(yī)療衛(wèi)生還是教育，這些問題影響到我們每個人，已有成千上萬優(yōu)秀人才針對這些最重要的問題在努力，推動它們的解決和相關(guān)領(lǐng)域的不斷進步。

　　拿人工智能技術(shù)來說，它為我們提供了強大工具，有助于專家更快做出突破，提高我們應(yīng)對那些亟待解決的全球性難題的能力。我們需要機器學習來幫助處理復(fù)雜問題，預(yù)測未知，支持我們實現(xiàn)以往不可能的目標。

　　隨著我們的工具變得更智能，用途更加多樣化，我們就可以義不容辭地思考更雄心勃勃和富于創(chuàng)新性的方法，以解決社會最嚴峻的全球性難題。我們要抵制那種問題太難的想法，這樣才能有更高的目標。

　　文章最后稱，可以設(shè)想，下一代棋手可能會毫不猶豫地把“阿爾法狗”拉到自己一方。世界上最好的氣候變化研究員、醫(yī)生或教育工作者也會用機器學習工具來幫助自己。真正的考驗不是機器能否戰(zhàn)勝人類，而是人類和機器一起能否攻克那些全球性難題。