現身說法！人類無需為輸給AI羞愧

或許大家對Garry Kasparov這個名字不太熟悉，但如果說到20年前那場「人機大戰」，最終輸給IBM「深藍」的國際象棋世界冠軍，大家想必也能猜到這個名字代表誰了。事實上， 當時的那場世紀之戰似乎比AlphaGo「圍棋人機大戰」還要更轟動一些。

Garry Kasparov輸掉的那場世紀之戰被認為是人類科技的一個重要時刻，甚至被拿來與懷特兄弟首次飛行，人類登月來相比。但Kasparov表示，他自己並沒有如此狂熱的感情，只覺得「人類在國際象棋領域輸給AI後，我們生活的其它方面也開始發生變化。」

深藍證明了機器可以在複雜任務領域超過我們發達的大腦。以國際象棋為例，最重要的區別在於，深藍每秒鐘可以計算2億步，而Kasparov每秒只能計算2到3步而已。與機器相比，人類大腦是一個無與倫比的模擬引擎，能利用我們的生活驚訝來發現有用的模式，從而做出決定。

國際象棋有明確的規則和目標，對舊的智能機器模型來說再理想不過：只需按照規則，一些提升演算法性能的創新因素，以及電腦通過編程後以令人難以置信的速度推導出結果。但生活(商業、教育、投資等)就不一樣，並沒有如此整潔和確定性的框架。現在，機器學習正讓機器比人類做的好向更前沿的一步推進，並擁有無盡的潛力。

舉例來講，谷歌翻譯完全不懂語言。它並不關心語言的語法規則(每個學習第二外語都要知道這些內容)，只通過海量的真正語言例子來學習，就像人類學習第一門語言那樣。它並不關心一個句子是否正確，只是通過每一次迭代來變得更精確。

過去，深藍並沒有足夠的數據或能力來讓他進化地更有用。但DeepMind團隊推出的AlphaGo通過從數以百萬計比賽中學習，最終成功讓自己戰勝了人類圍棋高手。雖然幾千個例子看似沒有價值，但數十億這些例子集合起來，就會變得非常有用。

當我們覺得自動駕駛90%的精確度依然不行時，這一精確度在醫療領域將引發巨大進步(機器診斷的準確性已超越了人類醫生)。假設一下，機器能自己學習，甚至能自己找出更好的學習方法，那將帶來一個新世界——機器能做人類不知道如何教給他們來做的事情。如果這聽起來有些不詳，不妨想想我們在好萊塢大片中看過的殺人機器人。

在過去，工具讓我們變得更強更快，能把火箭送入太空;新工具則讓我們更聰明，讓我們能更好的理解世界和我們自身。就像深藍不懂(甚至不知道如何玩)國際象棋，依然可以玩的很好那樣，我們也能在沒理解機器發明的所有規則的情況下，依然受益於他們。我們的挑戰是持續思考AI探索的新方向——這是機器無法做到的工作。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！