人工智慧與深度學習
公眾號第四篇推送，本文大概有2300字，閱讀大約需要4分鐘
也是很久沒有寫過推送了，科技領域本來流行的就不多，個人能力也有限對一些概念不太能理解，也就不能用一種通俗易懂的語言給大家敘述了，現在的文章能穩定在2000字以上，也算是一個比較大的進步了，另外有人有興趣做我的UI設計嗎。
今天談論的主題是人工智慧，在我看來，對人工智慧最貼切的定義就是尼爾遜教授所說的：「人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。」
也就是說，人工智慧是要和深度學習捆綁到一起的，因為人最重要的能力就是學習。考試前刷各種各樣的題從中學習方法，以保證在考試中可以作對同樣的類型題。如果一個「人工智慧」，只能作對固定那些題，而不會從中學習新的東西，它就不是一個AI。人工智慧可以通過不斷的學習，最終超過編寫它的人在這個領域的技能水平，才是人工智慧最強大的地方。
從 「深藍」 到 「AlphaGO」
「深藍」是由IBM公司開發的國際象棋程序，它運行在一台每秒能夠計算2億步的超級計算機上，基於C語言。「深藍」可以說是在這個領域的鼻祖，但是「深藍」完全不是一個人工智慧，他的演算法是由人類（同時是國際象棋大師加程序員）寫成，沒有自主的學習能力。在1996年落敗世界冠軍卡斯帕羅夫後，研究人員對它進行改進，之後1997年以卡斯帕羅夫一勝兩負三平輸給「深藍」，「深藍」退役。
2015年年末，AlphaGo橫空出世，擊敗歐洲圍棋冠軍樊輝，同時決定在五個月後挑戰李世石。我有幸學過圍棋，也學過編程，包括很多我這樣的人在內，都認為人工智慧不太可能贏。樊輝僅僅只是職業二段，而李世石則是職業九段還是因為圍棋沒有更高的評級。我們也認為李世石作為GoRating世界排名前五的棋手，水平不是人工智慧五個月能追上的
另外一個支持我們這一觀點的依據就是複雜度。國際象棋每一步有20多種可能性，而圍棋則是超過200種，國際象棋高端對局大概70步一局，圍棋如果廝殺激烈的話超過200步也是很輕鬆的事情。現代計算機的計算能力如果用窮舉，時間是絕對不夠的。
不過，最後的結果大家也都知道了，AlphaGo 4:1戰勝李世石。這個結果引起了人們的恐慌，不光是因為計算機在圍棋這個複雜的領域戰勝了人類，同時有人開始懷疑AlphaGo是故意輸了一局，開始預言世界末日。所以接下來才要講到本篇文章的正題，終結關於人工智慧的謠言以及人工智慧的真相。
Joke
How do you tell a computer scientist is an extrovert orintrovert? If he"s an extrovert, he looks at your shoes when he"s talking to youinstead of his own
先從AlphaGo說起
跟機器下棋有一個最大的不同就是，你沒辦法通過對手的表情來確認你的想法。下完一步看到對手緊皺的眉頭，你會更加確定你下這步棋是對的。有些時候在對手落子之後馬上落子，也會給對方一種你的下法我早就預料到了的心理壓力，然而這些對AlphaGo都不起作用。甚至於越往後下你越會對自己的走棋產生懷疑，以至於滿盤皆輸。
其實，AlphaGo並不是完全意義上的人工智慧，它的三大核心演算法都是由人提供的只不過在大量的學習中，演算法對棋局的判斷準確度提高了，這一點Deepmind的開發人員也承認了。
首先簡單介紹一下三大核心演算法。一，策略演算法，通過模仿高手下棋，根據當前盤面，生成可能的幾個落子點。策略網路下還有一種快速走棋策略，犧牲一定的走棋質量，換取更快的落子點生成速度。二，蒙特卡洛樹搜索，根據這些點，通過快速走棋策略生成新的分支，遞歸生成蒙特卡洛樹。三，估值策略，對蒙特卡洛樹中的每一個末端棋局進行勝率評估，選擇勝率最高的點下。
（蒙特卡洛樹搜索示意圖）
這個演算法其實是很強大的一個對人類直覺的模擬。一個圍棋選手很多時候下一步棋都是靠直覺，你問他為什麼這麼下，他只會告訴你，他覺得下在這裡感覺比較對。策略網路很好的重現了這一特點。同時整個演算法也很高效，在國際象棋中「深藍」通過枚舉法能預測之後12步的走向（人類頂尖棋手一般是10步），而AlphaGo對戰李世石卻能大致計算之後50到60步的走向，甚至面對普通棋手能計算100步以上。
而就在比賽前一段時間，Deepmind發現了AlphaGo的一個bug，這個bug一旦觸發，容易導致演算法錯誤的識別局勢，因為沒有時間修復，最後AlphaGo趕鴨子上架的去和李世石比賽。那這個bug比賽中有沒有被出發呢？有，就是在第四局對局中，被古力稱之為神之一手的第78手，挖。自此開始，AlphaGo對棋局的形勢估計開始出現錯誤，直到最後輸掉了那一盤棋。而AlphaGo通過計算得出，人類棋手能下出那部棋的概率，只有萬分之七，而對於李世石來說，只是靈感乍現而已，這裡也足以看出人類直覺的強大。
然而哪怕是在AlphaGo的紀錄片中，講述了它是怎麼出bug的，依然還有人評論說，AI是故意下錯輸給人的，那我也沒什麼好說的了。
AlphaGo和人類棋手還有一點不同的就是，它所有的運算是基於勝率而不是棋子圍住了多大的空間，所以對於AlphaGo來說，贏一目也是贏，贏幾十目也是贏。這也解釋了當它在判斷自己已經贏了以後採取保守策略的方法。保守策略會讓局勢的變化更少，那麼當你確定你贏的時候，保守策略可以讓你保持勝勢到最後。
AlphaGo說完，就到了後來更加強大且神秘的AlphaZero，AlphaZero才是真正意義上的人工智慧。AlphaGo是通過以上提到的演算法，從高手對局中進行學習提升。而AlphaZero的演算法更加簡單，它最開始有的僅僅只是圍棋的規則，通過不斷的自我對弈，來學習策略，最終達到對戰Master（AlphaGo對戰柯潔的版本）100:0的絕對領先。
結語
這次就不去批判一些社會上廠家宣傳時所謂的人工智慧了，大家可以根據文章開頭的定義自己判斷宣傳的產品是不是真正的人工智慧，也就是看這個產品有沒有自主學習的能力，是不是越用越好用。
最後，從以上的人工智慧原理可以看出，現在的人工智慧是不具備自主意識的。它的出現能夠更好的為人類服務，而社會上對人工智慧的一些恐慌也是沒有必要的。你更應該擔心的是人工智慧取代你，去完成你要完成的工作，而不是去擔心機器人以後會滅絕人類。最後送給大家一句話。
A good human plus a machine is the best combination.
– Kasparov（卡斯帕羅夫）
本文部分專業知識點取自百度百科，另外非常推薦大家看一看AlphaGo的紀錄片，B站搜索AlphaGo就能找到中英字幕版本，也可以去花14刀支持一下正版。這裡就不貼鏈接了。
TAG:刪除星 |