比下棋更難的是理解人類，中美AI技術想象空間大不同

歷史上人工智能打敗人類的事情并非首次發(fā)生，但最近圍棋冠軍李世石在與人工智能AlphaGo的對弈依然引發(fā)了全世界的關注。面對AlphaGo以4:1戰(zhàn)勝李世石，擔心人工智能將加速人類毀滅的有之，持李世石故意輸?shù)舯荣惖年幹\論者有之，拋開這些危言聳聽的言論不談，我覺得倒有必要嚴肅地談一談人工智能為什么能夠打敗人類，除了圍棋下一步人工智能還將在什么領域打敗人類，中國的人工智能技術目前處在什么樣的階段，人工智能技術又能夠如何幫助人類更好地生活，這些更為務實一些的話題，遠比討論一場比賽的輸贏更有意義。

美國人工智能：看重算法優(yōu)化和運算速度的提升

AlphaGo戰(zhàn)勝李世石，勝在計算能力，包括算法和計算速度，同時計算機不會出現(xiàn)疲勞、害怕這些只有人類才會出現(xiàn)的生理和心理反應，且不存在嚴格意義上的“失誤”。事實上，機器在計算能力上早已超越人類，此次取得圍棋比賽的勝利只是計算能力的進一步加強。AlphaGo采用了改進的蒙特卡洛決策樹算法與深度神經(jīng)網(wǎng)絡算法相結合的方法，這套算法較之上一次引起轟動的人機大戰(zhàn)時“深藍”所采用的算法，進步幅度是顯而易見的。

1976年計算機首次戰(zhàn)勝人類棋手有賴于一種名為“剪枝法”的算法，在對弈過程中，人類優(yōu)秀棋手可以通過思考預測到5步之后的情形，從而決定下一步的最佳走法，這些走法中自然包括相對行得通的走法和完全行不通的走法，不過人類棋手會自動將那些完全行不通的走法排除掉，但當時的計算機是無法做到的，這種情況下計算機每走一步平均每秒需要檢查百萬種可能的走法，所謂“剪枝法”類似于我們通常所說的“排除法”，目的是為了幫助機器剪掉那些行不通的走法，減少運算的復雜程度，避免“舉棋不定”的情況發(fā)生。

當年深藍能夠戰(zhàn)勝卡斯帕羅夫正是計算機對剪枝法不斷優(yōu)化的結果，但這套方法放在比象棋更加復雜的圍棋上又失去了效力，直到深度學習技術的出現(xiàn)。深度學習技術是對傳統(tǒng)人工神經(jīng)網(wǎng)絡技術的進一步發(fā)展，而所謂人工神經(jīng)網(wǎng)絡，就是將化簡后人腦的神經(jīng)元模型實現(xiàn)于電子計算機之上，從而得到類似于人腦的功能，使計算機可以通過“學習”從外界環(huán)境中獲取知識。而所謂“學習”本質(zhì)上是人類對機器的訓練，目前仍未完全走出“監(jiān)督式學習”的階段。即人類給機器的行為評分，做對了給高分，做錯了給低分，通過大量的實戰(zhàn)與犯錯，最終讓機器保持在高分水平。

AlphaGo的算法結合了深度學習和決策樹算法（剪枝法的升級），包含策略網(wǎng)絡和價值網(wǎng)絡兩個部分。前者負責機器快速作出下一步棋走法的決策，而后者則幫助機器對當前局面是否對自己有利作出分析。簡單來說，既保證細節(jié)正確又懂得顧全大局。加之計算機硬件水平的提升，AlphaGo戰(zhàn)勝李世石可以說意料之中。但無論是圍棋還是象棋，人與機器的比拼都限定在單一問題、封閉規(guī)則的范圍里，機器只是學會了“像人一樣去思考”，但卻無法像人類一樣針對不同的事物和情況進行真正的推理和解決問題。

對于機器來說，模擬人腦的計算模式并不是最大的難題，比計算更難的是如何理解人類的情感，讀懂人類的語言、語義。因為相比有基本套路和規(guī)則的比賽，思維、對話、情感充滿太多不確定因素。如果說以谷歌為代表的美國科技巨頭看重人工智能的計算能力，那么中國的科技公司則更加傾向于挖掘機器的深度學習能力和自然語言處理能力。

中國人工智能：更看重自然語言處理技術和深度學習能力

相比谷歌、蘋果等企業(yè)，中國的科技巨頭在人工智能技術領域更加重視技術處理實際生活問題的能力，以及技術與商業(yè)場景的緊密結合。以BAT為代表的中國互聯(lián)網(wǎng)企業(yè)目前均對人工智能有所涉足，百度基于其搜索業(yè)務結合人工智能技術推出語音搜索，阿里從大數(shù)據(jù)挖掘角度切入以便更好地為其電商業(yè)務服務，騰訊則以人工智能技術挖掘并滿足用戶社交、購物等需求。

中國雖然沒有AlphaGo，但這并不意味著中國的人工智能水平低于谷歌等美國企業(yè)。事實上，在語音、語義識別等深度學習領域，中國的人工智能水平目前處于世界領先地位。中國人工智能學會常務理事、智能機器人專業(yè)委員會主任，華中科技大學自動化學院教授、博士生導師黃心漢認為，谷歌AlphaGo在圍棋方面的成功是人工智能技術在深度學習方面取得重大進步的體現(xiàn)，但如果要進一步擴大其應用范圍，還需要整合多種人工智能技術。與之相比，語音搜索不局限于單一、封閉規(guī)則的任務，可以實現(xiàn)多輪對話，響應多樣化搜索需求，適應環(huán)境變化等多種交互行為，需要更復雜的深度學習能力，其應用范圍更加廣泛，更能代表目前人工智能的成就。

以百度的語音搜索業(yè)務為例，它是一種基于語音的搜索服務，用戶可以使用手機百度發(fā)起語音搜索，機器根據(jù)用戶發(fā)出的語音請求，進行語音識別然后將檢索結果反饋給用戶。這個功能看起來簡單，但其中所使用的技術卻十分復雜，包括了自然語言處理中的語音識別、語義理解以及機器的深度學習技術。

我們用實際對話場景來更加形象的理解這項技術。去年雙創(chuàng)周，李總理與百度的人工智能機器人小度有過一次對話。

——總理：你為什么叫小度??？

——小度：百度研發(fā)的嘛。

——李總理：你儲存了多少個句子？

——小度：好多好多。

——李總理：不愿意說具體數(shù)字是保守秘密嗎？

——小度：是啊，特別大呢！

注意，總理問的第一個問題與第二個問題是兩個不相關的問題，小度要做的首先是對語音進行識別，然后理解其語義，并最終做出語音反饋?？偫韱柕牡诙€問題與第三個問題之間能夠看出是有關聯(lián)的，這就在語音識別的基礎上考驗人工智能結合上下文理解語義的能力。它需要讀懂兩個問題之間的關聯(lián)性，然后才能給出合理的回答。

我們再來看下面這組問題：

——北京今天幾號限行？

——北京今天限行尾號為2和7。

——明天呢？

——北京明天不限行。

——后天呢？

——北京后天不限行。

這是一組在人類日常交流中經(jīng)常出現(xiàn)的多輪對話，因為人類有理解在同一對話場景下不同語句之間關聯(lián)性的能力，所以不需要每次發(fā)問都帶上核心問題。但是機器人如果沒有一定的語義識別能力是無法做到這一點的，而百度語音搜索最大的亮點便在于通過多輪對話，逐步理解人類表達的語義，反饋提供人類所需的信息。另外，百度在語義識別技術上在全球是處于領先地位的，其深度語音識別系統(tǒng)剛被美國權威《麻省理工科技評論》評為2015年十大突破技術之一。相比之下像蘋果的Siri等語音機器人，多數(shù)情況下只會被用戶當做消遣之用。

從以上對話中能夠看出，語音搜索不是簡單的語音識別，包含對需求的理解和對數(shù)據(jù)資源的理解。而隨著語音搜索業(yè)務的成熟，人類社會中的許多行業(yè)也將發(fā)生巨大改變。比如汽車導航的操作將更加自然流暢，咨詢類服務將無需人類親自進行，人們獲取新聞資訊的方式也更加多樣化。人工智能技術與真實生活和商業(yè)的結合，能夠幫助人們更好的生活，這遠比談論一場圍棋比賽的輸贏更有意義。

AI不僅會下圍棋，百度人工智能來勢洶洶

AlphaGo贏了圍棋比賽，但從人工智能的計算能力來看這并不是件值得驚訝的事，當前關于人工智能的討論，主要圍繞以下幾類事情：1、人類能做，但機器比人做得更好的事；2、人類不能做但機器能做的事；3、只有人類能做，機器做不到的事；4、人類和機器現(xiàn)在都做不到，但未來機器可能做到，人永遠無法做到的事。這幾件事中，只有最后一類事真正值得人類驚訝。而AlphaGo做的是到目前來看應該屬于第一種。

計算能力是可以通過對算法的不斷優(yōu)化和硬件性能的提升而不斷進步的，未來機器在計算能力上的表現(xiàn)可能達到驚人的地步。譬如，人們通常以拋硬幣的方式?jīng)Q定某個問題，拋硬幣正反面的結果能否計算到？理論上是可以的。但是以機器目前的計算能力現(xiàn)在還做不到，而人類永遠也無法做到。這就屬于上面四類事中的最后一類。因為實在缺乏實際意義，所以現(xiàn)在沒有討論的必要。

百度的語音搜索實際上也是上述第一類加上第二類事情。比如問未來天氣如何，人類通過對氣象的觀察也能預測到大概的天氣情況，但通過語音搜索得來的結果更加精準。再比如問交通狀況，人類看不到幾百公里之外的交通狀況，但機器可以做出回答。我們還可以設想更超前的場景，比如在用戶遭遇歹徒搶劫襲擊時，搭載語音識別功能的手機等智能設備可以通過聲音推測周圍場景，比如聽到“救命！”的呼救聲，進一步作出報警等反應。這樣的場景實際上有些接近第四類事情了，因為人們不可能在身體受到襲擊和限制的情況下進行報警。

隨著語音、語義識別技術的成熟，人工智能將更加接近于人類本身，成為有“靈魂”的生命體，從而幫助人類更好地生活。這些都遠比取得一場圍棋比賽的勝利更有意義。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。