編者按：
谷歌的人工智能機(jī)器AlphaGo三次將韓國圍棋九段高手李世石挑落馬下，五番棋勝負(fù)已分。然而，在人們已經(jīng)為人工智能在圍棋上的勝利歡呼時(shí)，復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院教授危輝認(rèn)為，我們應(yīng)該保持審慎樂觀，因?yàn)槿斯ぶ悄艿暮诵目茖W(xué)難題，從50年多前人工智能的誕生到現(xiàn)在，還一個(gè)都沒解決，以前人工智能做不了的事情現(xiàn)在仍幾乎不能做，進(jìn)步之處在于現(xiàn)在計(jì)算機(jī)的計(jì)算速度快了許多。本文來自上?？茀f(xié)大講壇暨第201期新民科學(xué)咖啡館危輝教授講座現(xiàn)場記錄，經(jīng)過本人審閱。
● ● ●
1.人工智能完勝人類？這還只是一個(gè)傳說
在Google人工智能AlphGo戰(zhàn)勝歐洲圍棋冠軍之后，Google有個(gè)說法叫做人類最后的智力驕傲即將崩塌，其實(shí)我覺得這個(gè)說法言過其實(shí)，人類最絢爛、最精華的東西遠(yuǎn)不是圍棋，例如人能欣賞一則幽默，解決剛剛遇到的一個(gè)問題，但機(jī)器完全做不到，人類的思維遠(yuǎn)不是說因?yàn)樵趪迳鲜《チ艘磺小?/p>
很多人說IBM的Watson機(jī)器人（2011年，在美國的電視智力競賽節(jié)目中打敗了人類對(duì)手）比人聰明，實(shí)際情況并非如此，它做智力測驗(yàn)比一般人好。設(shè)計(jì)師事先給它設(shè)計(jì)一個(gè)游戲規(guī)則，類似我們小時(shí)候電視上經(jīng)常出現(xiàn)的問答，回答對(duì)了加十分。根據(jù)這個(gè)規(guī)則，Watson最后得了77147分，得分最高，所以細(xì)究一下，高分不一定表示它聰明，當(dāng)你讓它做一件要求推理的事情時(shí)，這個(gè)機(jī)器就會(huì)崩掉，所以我們要跟它比推理能力，而不是簡單的機(jī)械記憶。
最近兩年，在拉斯維加斯全球消費(fèi)電子展（CES）上的自動(dòng)駕駛也很熱，很多人希望將來我們的汽車也能自動(dòng)駕駛，但目前的情況是，如果有一天自動(dòng)駕駛汽車放到你面前，你不會(huì)開，因?yàn)槌绦蚝芊爆?。真正地要機(jī)器跟人類的駕駛員那樣高度自動(dòng)化，目前還遠(yuǎn)遠(yuǎn)達(dá)不到，所以這也僅僅只是一個(gè)夢(mèng)想而已。
有人曾說，未來大概有七百多種職業(yè)，包括速記員、導(dǎo)游、客服、秘書、司機(jī)不再需要人來擔(dān)任。我想列舉一例，1950年，人工智能剛剛出現(xiàn)的時(shí)候，就有人預(yù)測秘書會(huì)被機(jī)器人代替，但從1950到現(xiàn)在，秘書有被機(jī)器代替了嗎？所以現(xiàn)在重提將來會(huì)有750余種工作被機(jī)器代替，這個(gè)預(yù)測實(shí)在太大膽。像客服、導(dǎo)游這么復(fù)雜的工作，機(jī)器要代替人還非常難。
從科普雜志到時(shí)尚雜志都在宣揚(yáng)機(jī)器智慧超越人類，都只是一種假象，人工智能的核心科學(xué)難題，50年前到現(xiàn)在還沒有一個(gè)解決，以前人工智做不了的事情現(xiàn)在仍幾乎不能做，只不過現(xiàn)在計(jì)算機(jī)的速度快了，好像看起來有所改進(jìn)，其實(shí)改進(jìn)不是很大。真正的理論突破沒有，大多只是漸進(jìn)式工程進(jìn)步而已。一個(gè)最好的例子就是自然語言理解，以前人們希望計(jì)算機(jī)能夠翻譯論文，現(xiàn)在只能做到大大限制主題后的簡單問答。
2.人工智能：理想與現(xiàn)實(shí)的差距仍很遙遠(yuǎn)
人工智能通常包含兩件事情：第一件事情我們首先要了解人類智能的本質(zhì)是什么，生物體（如人）的智能如何實(shí)現(xiàn)。人類在千百萬年的演化過程中，進(jìn)化出一個(gè)非常完善的大腦，所以我們首先弄清楚大腦如何工作，人類智能的本質(zhì)是什么；第二件事情，我們知道了大腦的工作原理，哪怕只知道一點(diǎn)點(diǎn)，就可按照大腦的工作機(jī)制，設(shè)計(jì)一些算法或硬件來展現(xiàn)智能機(jī)器——任何一項(xiàng)做人工智能的研究都包含這兩件事。
人工智能之所以能求解，必須滿足兩個(gè)條件：
第一、要求能夠精確定義的問題；
第二、問題的范圍一定要非常有限，能夠被精確定義。
現(xiàn)實(shí)的情況是，我們生活中大量的問題，是不能被精確定義的，范圍也不受限，以近日谷歌AlphaGo與李世石九段的圍棋比賽為例，圍棋的黑子白子、格子規(guī)范，棋局設(shè)計(jì)，用計(jì)算機(jī)表示它們，均能夠做到。所以對(duì)人工智能來說，一定要定義地非常精確，范圍非常有限，只有這樣它們才能大概知道在做怎樣的事情，以及如何做好。
回歸到人工智能研究的細(xì)節(jié)上來，人工智能首先研究的是推理，推理很基礎(chǔ)簡單，相當(dāng)于中學(xué)生的幾何題：告訴你已知條件，然后證明出來，如證明兩條線垂直或兩個(gè)角相等，這是人工智能研究的早期核心之一。
其次，人有非常強(qiáng)的學(xué)習(xí)能力，計(jì)算機(jī)以前不能學(xué)習(xí)，設(shè)定程序后只能按程序做，不會(huì)解決遇到的新問題。人類希望它像同自己那樣擅于學(xué)習(xí)，于是讓它“讀”很多書，“看”很多東西，把“前輩”的經(jīng)驗(yàn)記下來，于是計(jì)算機(jī)的學(xué)習(xí)能力得到提升。
第三個(gè)方面，問題的求解，在設(shè)置起始狀態(tài)以及最終狀態(tài)后，以最快的速度從這種情況挪到那種情況，何種方式速度最快最好，這是人工智能研究的第三個(gè)問題。
第四個(gè)問題是規(guī)劃，例如走迷宮，我們需要規(guī)劃一條路線，從這里走進(jìn)去，從那里走出來，人工智能可以做出這樣的決策。
第五個(gè)問題是自然語言的理解，自然語言理解里面一個(gè)非常核心的應(yīng)用是機(jī)器翻譯，自然語言理解非常困難，解決這個(gè)問題，要比計(jì)算機(jī)下圍棋打敗人難很多，所以如果機(jī)器翻譯搞定的話，我們就不用花那么多的時(shí)間學(xué)習(xí)英語，就可以跟老外順暢地交流，但我們發(fā)現(xiàn)這是很困難的事情。
第六個(gè)研究是模式識(shí)別，如圖象理解，比如場景是一張圖里有桌子、茶、雕像，還有語音播放，人類的視覺以及聽覺能很好地識(shí)別它們。機(jī)器的模式識(shí)別能力目前在簡單的東西上已做得不錯(cuò)，如指紋識(shí)別、印刷體識(shí)別、手寫體識(shí)別以及汽車入庫車牌識(shí)別都做得不錯(cuò)，但在復(fù)雜的情況下還做不到，仍有局限性，例如車牌識(shí)別僅限于車停在恰當(dāng)?shù)奈恢?，如換成大馬路等其他場景，識(shí)別就不好了，所以現(xiàn)在的模式識(shí)別做得好的事情屈指可數(shù)。如果要把模式識(shí)別研究清楚，未來十年、二十年，我們能夠取得很大的進(jìn)步嗎？我不敢估計(jì)。類似的領(lǐng)域還有很多。
3.人工智能模擬人類神經(jīng)網(wǎng)絡(luò)，前景無限
上圖為國際象棋算法示意圖，下圖為圍棋算法示意圖，圖片來自IFENG
人類智能的物質(zhì)基礎(chǔ)是大腦中的神經(jīng)元。它們大概有1000億個(gè)，神經(jīng)元如何工作以及多個(gè)神經(jīng)元構(gòu)造如何工作，研究它們對(duì)人類進(jìn)步的意義很大。今年大腦科學(xué)計(jì)劃將成為國家未來科學(xué)研究一個(gè)非常重要的方向。如果把腦科學(xué)研究成果跟人工智能程序設(shè)計(jì)連接在一起，這會(huì)給人工智能設(shè)計(jì)帶來很大的想象空間。
目前，人類的視網(wǎng)膜從解析度上來看已不如高端的照相機(jī)，但人的視網(wǎng)膜非常復(fù)雜，視網(wǎng)膜細(xì)胞收集信息后，將信息投遞到別的細(xì)胞中去，這個(gè)信息通路的過程也很復(fù)雜。不同的細(xì)胞收集不同范圍里面的信息，部分細(xì)胞能檢測到圖象的邊界。因?yàn)橛辛诉吔缫院螅祟惒拍芸吹酵饷娴氖澜纭?/p>
很多人說，眼見為實(shí)，其實(shí)這并不總是客觀的。因?yàn)橐曈X對(duì)外界物理信息主動(dòng)加工，已經(jīng)解釋過一遍，所以說并不是真實(shí)的物理環(huán)境和真正的刺激，我們的主觀感知有顏色，但這并不是說自然界真的有顏色，而是我們的主觀感受。但是它會(huì)帶來好處，這就是方便我們對(duì)整個(gè)世界加工，不同的顏色表示不同的物理刺激，我們很容易將不同事物區(qū)分出來，顯然這種主觀標(biāo)示刺激對(duì)我們認(rèn)知世界有好處。
人工智能的模式識(shí)別以及圖像加工程序模擬視網(wǎng)膜細(xì)胞，原理與之類似。如果我們能夠模擬大腦的工作機(jī)制，寫出程序來解釋人類為什么會(huì)產(chǎn)生錯(cuò)覺，從而有可能接近大腦的工作機(jī)制，就會(huì)使得我們一步步地接近大腦是怎樣工作。類腦計(jì)算是模仿大腦信息加工制造出來的硬件結(jié)構(gòu)或計(jì)算程序，它的核心是根據(jù)大腦的工作機(jī)制才能做好，這是一個(gè)多學(xué)科交叉的研究領(lǐng)域，例如心理學(xué)、神經(jīng)科學(xué)等。通常情況下，設(shè)計(jì)計(jì)算機(jī)軟件是針對(duì)某種人工智能任務(wù)。類腦計(jì)算的核心是我們了解大腦怎么工作之后，然后再對(duì)它進(jìn)行模仿。
眼見并不一定為實(shí)，繆勒——萊依爾錯(cuò)覺。圖片來自zhidao.baidu.com
類腦計(jì)算的發(fā)展前景以及未來應(yīng)用都非常廣闊。例如，當(dāng)人的視覺出現(xiàn)障礙，青光眼或由外傷導(dǎo)致失明，如果我們想對(duì)他進(jìn)行修復(fù)，或設(shè)計(jì)一個(gè)模仿機(jī)器即可讓他看到世界。事實(shí)上，人類的視覺加工神經(jīng)通路很長，如果中間哪個(gè)環(huán)節(jié)出了問題，就會(huì)影響視力，我們可設(shè)計(jì)一些視網(wǎng)膜芯片來代替它。對(duì)于很多截癱病人，如果能通過芯片植入，將上下神經(jīng)連接起來，使其恢復(fù)正常行走或感知，這種應(yīng)用的社會(huì)價(jià)值也很大，所以類腦計(jì)算跟普通人的日常生活息息相關(guān)，未來會(huì)有非常好的應(yīng)用前景，當(dāng)然它自身需要解決的問題還很多。
4.AlphaGo Vs 李世石：人類以一敵百，雖敗尤榮
對(duì)于圍棋比賽來說，每一步我們的選擇會(huì)很多，機(jī)器同我們一樣，每一步都有很多決策需要決定，但機(jī)器每一步棋的結(jié)果會(huì)一直演化下去，直至得到最優(yōu)的選擇，而且它們這樣做很容易，對(duì)人類來說，這并非易事。如果我們將棋局上的每一個(gè)點(diǎn)視為一個(gè)元素，它可以是1、-1，或者是0，所以每一個(gè)點(diǎn)共有三種狀態(tài)：黑、白和空白，這種結(jié)點(diǎn)數(shù)量總共有3的361次方之巨，人腦這樣做會(huì)有些困難，但人工智能可以把棋局精確地表示出來。
對(duì)于機(jī)器來說，實(shí)現(xiàn)它的效率是一個(gè)難點(diǎn)，即用很快的速度或方法找出哪種走步最合適。一個(gè)好的辦法是設(shè)計(jì)一個(gè)搜索程序，一個(gè)結(jié)點(diǎn)、一個(gè)結(jié)點(diǎn)地走下去，它需要判斷哪一個(gè)更好，判斷的依據(jù)來自于后面，而不依賴于前面，所以對(duì)計(jì)算程序而言，它們總能找到對(duì)自己有利的走法，人工智能的這個(gè)難點(diǎn)類似人類的歧路尋羊，窮盡所有可能性的方法在機(jī)器里面搜索。這理論上是可行的，但實(shí)踐上卻不容易。
接下來就是如何提高機(jī)器的效率，AlphaGo通過對(duì)很多棋譜進(jìn)行深度學(xué)習(xí)，并事先對(duì)棋譜依據(jù)走法和策略進(jìn)行了分類，每一個(gè)分類對(duì)應(yīng)一個(gè)已知的不同策略。在設(shè)計(jì)過程中，谷歌的AlphaGo可能有一個(gè)創(chuàng)新的設(shè)計(jì)，即怎么表征棋局的當(dāng)前狀態(tài)和判定假設(shè)走步的價(jià)值，比如說每走一步，它的價(jià)值是什么。這可能是通過對(duì)大量以往棋局的機(jī)器學(xué)習(xí)來做到的，它或是基于下棋規(guī)則，或是基于大量棋局與走步的配對(duì)。人工智能在每一種情況下，都有一個(gè)很好的判定。事實(shí)上，這種搜索上世紀(jì)50年代就已做到，如今仍在反復(fù)使用。
對(duì)于李世石來說，AlphaGo的背后擁有一個(gè)龐大的團(tuán)隊(duì)，有做硬件的，有設(shè)計(jì)程序的，還有大量的頂尖棋手貢獻(xiàn)出來的棋譜。棋譜是AlphaGo經(jīng)驗(yàn)的來源，也是其他大量棋手經(jīng)驗(yàn)的結(jié)晶，所以把這么多人的智慧綜合到一個(gè)計(jì)算機(jī)上，來對(duì)付一個(gè)人，李世石堪稱雖敗尤榮。
事實(shí)上，圍棋是一個(gè)規(guī)則特別明確的事情，AlphaGo非?？赡茚槍?duì)的不是模仿下棋規(guī)則，而是匹配一定區(qū)域的棋局。如果人類和人工智能比規(guī)則簡單明確的棋類，早晚要輸。
此前兩役，AlphaGo贏了，其實(shí)它并沒有真正地理解圍棋的基本原則，它唯一的概念就是布局和布局之間的關(guān)系，所以說它的程序?qū)W到的東西還很有限，并不像我們想象的那么好，所謂的類推能力是由它積累的海量樣本造成，這方面沒有創(chuàng)新，機(jī)器只知其然，不知其所以然。
人工智能發(fā)展到現(xiàn)在的一個(gè)現(xiàn)狀是：瞎子摸象。每個(gè)人看的東西都是很局部的，但是每個(gè)人都認(rèn)為自己看到的就是人工智能未來的發(fā)展方向，最后大家都沒有達(dá)成一個(gè)共識(shí)。
很多人不愿意承認(rèn)這種尷尬局面：我們離我們的目標(biāo)仍非常遙遠(yuǎn)，真正的人工智能也離我們很遠(yuǎn)。盡管銀幕中的科幻電影有很多人工智能的形象，它們甚至已進(jìn)化出了人的意識(shí)，但這樣的事情在現(xiàn)實(shí)世界中還不會(huì)出現(xiàn)。生物神經(jīng)系統(tǒng)，特別是高級(jí)靈長目動(dòng)物的大腦，是長期自然進(jìn)化的結(jié)果，我們要對(duì)自然心存敬畏，不要?jiǎng)虞m就認(rèn)為它很容易被超越。
（責(zé)任編輯 葉水送 徐可）
知識(shí)分子，為更好的智趣生活。
關(guān)注請(qǐng)加微信號(hào):the-intellectual或長按下方二維碼。投稿、授權(quán)事宜請(qǐng)聯(lián)系：zizaifenxiang@163.com。
