如何看待人工智能AlphaGo功成身退?


 
对于 AlphaGo而言,本周在围棋诞生之地与世界顶尖棋手举行的一系列扣人心弦的比赛,已经是它作为一个竞技程序所能企及的巅峰。因此,此次围棋峰会将是AlphaGo 参加的最后一场赛事。
 
据了解从现在开始,AlphaGo的研发团队将把精力投入到其它重大挑战中,研发出高级通用算法,为科学家们解决最复杂的问题提供帮助,包括找到新的疾病治疗方法、显著降低能源消耗、发明革命性的新材料等。如果人工智能能够在上述领域发现新的知识和策略,那在这些领域的突破将十分可观。

疑惑很值,打赏犒劳作者一下

已邀请:

林作铨 - 略懂AI

赞同来自: 包锞炜

战前大家已普遍预测AlphaGo会战胜柯洁。在围棋上,一旦机器取胜,这个人机大战游戏也就结束了,就象当年的国际象棋一样。我想可简单说一下这个道理。

围棋是完美信息的博弈,即对弈双方都看得见棋盘和走子变化。计算机围棋的基础算法是搜索,模拟人下棋的过程,如果将下棋的每一步看做搜索的一个决策点,搜索过程形成一颗树,树展开每个可能的走子,从中寻找最佳的走法,获取使对方不利己方有利的胜算。

这样搜索的空间是很庞大的,寻找最佳走法所需花的时间是很长的,比如,即使把全世界的计算机都拿来算一万年也不可能穷尽整个搜索空间,换句话说,不管有多大的计算能力都不能穷尽搜索空间,这是所谓的难解问题。如果搜索树很小,比如五子棋,可在很短时间内考虑到所有的情况,这样对弈双方都能找到最佳走法,不管是人还是机器原则上双方都会和棋了。因此,搜索算法研究的关键就是要想办法减少搜索空间,通过启发式方法来把搜索树中一些不值得考虑的分枝剪掉,人下棋所谓靠直觉或经验,实质上也是收缩搜索空间,因为人下棋有一些章法或定式使得我们可以较快下手,不会走明显的无用的俗手,这就是所谓的剪枝法,AI最初取得的重大突破之一。

既然不能穷尽搜索,剪枝有可能会剪错了,这是一种近似优化的方法,就可应用概率模型,在每一个决策点寻找下一个节点时,把它变为一个随机模拟的过程,如果模拟得到最大期望效用的话就用这个决策点的走子,否则就剪枝,这就是蒙特卡罗树搜索算法,这时,计算机围棋可以达到业余棋手的水平,但离职业棋手水平还有一段距离,普遍估计还得10年。

AlphaGo取得了重大突破,把下围棋走子过程看成识别问题,每下一子棋盘的变化容易被识别,这样就可以用深度学习方法,简单点说,AlphaGo中所谓的价值网络和决策网络是用强化深度学习把搜索空间大大地减少,减少到用合理的计算资源可在较短时间找到最优的搜索树的路径,相当于该考虑的决策点都考虑到了,下一步棋先看了几十步棋,不严格地说,近似穷尽了整个搜索空间,算法就“几乎”不出错,或出错的概率远比人小,人经常会下恶手,这时候人就再也下不过机器了。

如果有人想继续研究计算机围棋,必须寻找比AlphaGo更好的算法才有意义,若只是重复AlphaGo的算法,即使性能提高了,这种做法基本上是浪费资源,不如做计算机辅助的围棋教学。

人机大战是想挑战人类下围棋这种智能水平,从而想表明机器具有这种智能水平。柯洁若想赢,一种可能的方式应该和AlphaGo研发人员合作,他们知道程序的缺陷可能在哪里,柯洁与他们一起研究战胜机器的策略,这反过来挑战AlphaGo,对AI的发展有帮助。但估计也比较难有结果,因为深度学习不能“理解”下棋的过程,所训练出来的神经网络参数也不能解释。

AlphaGo战胜柯洁没关系,AI中还有很多这种战胜人类的比赛,只是围棋是一种中国文化,由于搜索空间最大难度也是棋类游戏中最难的,大家比较关注,但大家很快会习以为常,20年前国际象棋的人机大战就是这样。可以预想,今后所有游戏比赛AI都可能战胜人类,这就涉及到了人类与机器如何共处,大家该下棋打牌照样如常。

AI研究选择类似围棋和定理证明这些代表人类智能活动的领域进行研究,其本意是想找到能解决广泛一类问题的通用智能原理,如搜索的剪枝算法就是一个智能的基本原理,它能解决广泛一类问题,而不只是下棋。AlphaGo对深度学习中的无监督学习有很大的贡献,但想发展成通用AI技术很难,除非深度学习就能发展成通用AI,取代AI中其它研究,但这在我看来是不可能的。
 
那么什么样的人工智能才算是具有智能?这背后关系到对智能的定义,人类的智能是无法精确定义的。AI依赖于计算模型,如图灵机这些计算模型给出了计算的数学定义,但找不到定义智能的模型。智能是一个直观、主观的概念,从图灵测试提出开始,AI研究者希望通过计算机模拟人类的智能,找到智能的基本原理,就像当年模仿鸟飞行制造出飞机,找到空气动力学等原理,用空气动力学反过来可解释鸟的飞行,潜水艇模仿鱼儿,都是这个道理。因此,AI研究肇始就选择如下棋等比较典型反映人类智能水平的领域进行研究,并希望通过比赛战胜人类,希望寻找到某种通用智能的机制,时至今日,如AlphaGo还只能表明在下棋方面找到某种方法,AlphaGo算法可容易复制到如中国象棋这类完美信息的游戏,但想推广到更广泛一类问题的解决就是新的研究问题了,比如推广来打麻将或桥牌。

AI想达到的智能就是人类级别的智能。那么到底什么是人类级别的智能?问题在于人的智能是一个相对的概念,计算器比小孩做算术做得快,也可以说有智能,那并不是人类共同体的智能,AlphaGo战胜人类,肯定是有智能的,但AlphaGo不能做其它,比如不能证明定理。

早在50年前,学术界就讨论这个问题,并提出了 AI需要更高的标准来衡量智能。30年前AI已将很多问题思考透彻了,知道了AI的难度很大,很多地方难于突破。首先,象人类一样,AI需要拥有知识,并运用知识去解决问题,知识体现智能。AI研究中,除了目前的深度学习,还有一些通过自动控制做的机器人之外,AI的主体都是基于知识的系统。AI实践表明,精确的专门的知识能够处理,但人的常识难于处理,人类并没有将全部常识写出来,人们在交谈时也不需要把常识都说出来,否则言语行为将无从进行,常识通常是只可意会不可言传的。AI学者普遍认为,应以常识作为衡量AI是否达到人类级别的智能水平的标准。

深度学习带来了一定的进步,可以解决很多识别问题,如语音、图像和对象的识别,这些是对外界环境的感知方面的常识,还有更多的常识问题,如有关人的心智状态的推理,就不是深度学习所能解决的。

AI追求通用智能,所谓的强AI,但还停留在专用智能上面,能做到类似AlphaGo能下围棋,所谓的弱AI,从应用看,弱AI已经很成功很有价值了。相对来说,只是简单地应用某项AI技术,不能看成AI,如果是能在某方面达到了人类级别的智能程度就可以看成AI。
 
 

徐鑫 - University of Louisville

赞同来自: 包锞炜

AlphaGo击败围棋排名世界第一的柯洁后,人工智能威胁论弥漫于网络:人工智能将来很可能全面取代人类,然后把残存的少数人类关进笼子里当小白鼠养。

这种论调早就不是第一次了,也不会是最后一次。

没有什么比这更杞人忧天了!

人工智能取代人类是不可能的。

人工智能取代人类有一个前提,就是发展出具有独立意志的生命,而这是绝对不可能的。

要理解这一点,先要回答的一个问题是:生命是什么?

生命是什么?

这个问题有点大。不过是个重要问题。古今中外,给出靠谱回答的只有两个半,老子,薛定谔,和金庸。金庸拾人牙慧,算半个。

老子说:「天之道,损有余而补不足。人之道,则不然,损不足以奉有余。」金庸觉得这句话特别好,就放在《九阴真经》开头,让郭靖背了好多遍。

老子这句话是什么意思?还是用薛定谔说的话来解释吧。

薛定谔说,生命就是不断增加负熵(negative entropy)。

是不是觉得你不说我还明白,薛定谔一说我就更糊涂了?

没错。关键薛定谔面对的是人类最重大难解的问题,所以要进行很多铺垫。

薛定谔铺垫的一个关键概念就是熵。熵是对混乱度的一种衡量,负熵可以理解为混乱度的减少,或者有序度的增加。

封闭系统有一个天然属性,就是倾向于变得更混乱,或者说熵值倾向于变得最大。这就是热力学第二定律(second law ofthermodynamics)。万里长城不断破败,口袋里的耳机乱作一团,都是热力学第二定律在起作用。

而生命呢,最大的特点就是能不断变得更加有序,或者说增加负熵。

生命这样做并不影响热力学第二定律的正确性,因为这个定律的前提是封闭系统。生命是通过从环境中吸取负熵来增加自己的有序度(order-from-disorder)。作为生命和所处的环境总体,混乱度还是增加的。

别小看薛定谔的熵论,这是人类历史上对生命做出的最具统摄力的物理学概括。

老子的「人之道损不足以奉有余」,说的就是生命从环境中吸收负熵。

老子和薛定谔对生命的特征的描述可以说做的很好了。但他们没有能回答的一个关键的问题是,生命为什么能从环境中吸收负熵?

我执,这是个更大的问题。我想,可以借用佛教的一个概念「我执」来解释为什么生命自行吸收负熵。我执就是执着于自我。执着自我这种内在动力让生命从环境中吸收负熵。只有生命才执着于自我。

最具我执特征的分子:DNADNA是最执着自我的分子,没有之一。

DNA双链互补配对,是复制的分子基础。有了这个基础,生命才能在复制中保持自我。

DNA双螺旋则能让自身发展壮大,变得复杂,有序而又经济。

我执不等于金刚不坏。DNA本身的理化性质,还有地球的物理环境还能让DNA在整体稳定的情况下,发生一定的变异,而这则是进化的基础。

同DNA相比,RNA不够稳定,而蛋白质则很难复制自己。

DNA精巧的我执,也就是整体稳定和适当变异,可能决定了生命的基本特征,比如寿命,比如生殖。

DNA的稳定和变异是存在一定比例的,稳定为主,变异为辅助。当生命个体在生命历程中积累的变异超过一定比例时,稳定性就不存在了。这可能是生命为什么具有一定寿命的基础。换句话说,寿命可能是DNA的稳定性和突变的临界值。

一个支持性的例子是:突变的减少可能是树长寿的原因之一(Curr Biol. 2016 Jun6;26(11):1385-94. Patterns of Stem Cell Divisions Contribute to PlantLongevity.)。

另一个支持性例子是端粒。端粒是染色体末端的DNA序列。端粒在染色体复制过程中不断缩短,直到短到某个临界值,细胞开始衰老死亡。端粒和寿命密切相关。

DNA的稳定性和变异性博弈的后果,除了衰老,还有癌变。从这个意义上,老龄化相关的癌症是DNA的天然属性,是无法避免的。

生殖是寿命有限的最优解。在有害的突变积累到致命之前,通过繁殖后代,让生命得以延续。

人生不满百

常怀千岁忧

昼短苦夜长

何不秉烛游

说的就是古人意识到了人生的真谛:寿命有限,何不及时行乐?所以晚上打着灯努力制造人类。

无性生殖到有性生殖的过度也与DNA稳定性和变异有关。

无性生殖会积累过多的突变,而有性生殖则能防止这种突变的积累。在进化遗传学上,这被称为缪勒齿轮(Muller's ratchet)。

人工智能的物理构成不具有我执的基础

芯片,作为目前电脑的CPU的物理载体,没有保持自我的分子基础,不会执着自我,也不可能自行从环境中吸收负熵并进而发展出生命。

CPU另一个特点是依赖于较强的相互作用,比如金属键。生命自组装(self-assembly)则常常依赖较弱的相互作用,比如范德华力,氢键,表面张力等。

另外,人工智能(artificial intelligence,AI)分为strong AI和weak AI。Strong AI指和人相近的智能,而weak AI则致力于某些特定的问题解决或推理任务。AlphaGo毫无疑问属于weak AI。另外,目前人工智能研究领域取得的重大成功,都来自weak AI。神经网络(neural networks),计算机视觉(computer vision),数据挖掘(data mining)都是weak AI或者applied AI中的术语。

人工智能的真正威胁;人工智能对人类的真正威胁是被一类人用来打另一类人,就像核武器一样。这个倒是真值得担忧的。

吕乃基 - 科学文化足迹

赞同来自:

2015年10月,AlphaGo初出茅庐战胜樊麾,不到半年后战胜李世石,到2017年5月战胜世界第一的柯洁,所向无敌。仅一年零七个月,AlphaGo完成了从出山到飘然引退的全过程,跨越了即使吴清源这样的大师的一生,跨越了千年的围棋史。
 

 
1. AlphaGo引退,游戏结束?游戏刚开始

在围棋界,AlphaGo已经功成名就,达到了市场意图,聚集培育了团队,积累了开发相应程序的经验和理论基础。接下来,研发团队将把精力投入到其它重大挑战中,研发出高级通用算法,或单打独斗,为科学家们解决最复杂的问题提供帮助,包括找到新的疾病治疗方法、显著降低能源消耗、发明革命性的新材料等。

 

 
哈萨比斯希望,


AlphaGo 的故事仅仅只是一个开始。DeepMind计划在今年稍晚时候发布(在这一领域的)最后一篇学术论文,详细介绍我们在算法效率上所取得的一系列进展,以及应用在其他更全面领域中的可能性.


帮助人类进步,这是人工智能未来的方向。谷歌表示,会有很多行业用人工智能,先是探索性的、解决小问题的,再不断拓展,最后发展到端到端的整体解决方案。AI将变革各行各业,只是快慢而已。

在弱人工智能的技术范式下,人工智能的发展思路是“单项冠军”,AlphaGo是“单项冠军”中的“战斗机”。“360行,行行出状元”。所谓“行”,就有“行规”。在某种意义上可以说,只要有“规则”的领域,人工智能就可以登堂入室,攻城略地。既然在认为是人类智慧巅峰的围棋界已经得手,其他领域,如医疗、金融、甚至律师事务等,都不在话下。

每攻陷一个领域,都将积累更多经验,以及推进人工智能理论的发展,为通往下一个领域铺路建桥。人类社会中有规可循的“地盘”,就是这样一步步以及加速被人工智能所接管。

所谓“规则”,主要体现在人际关系。例如情感、信仰等等人的私人领域,现在看来“无规可循”,人工智能或“无能”或“无意”介入;反过来也为人的或虚假或真实的尊严留有一席之地。

不过,人类已经见证了人工智能由无能到“有能”成长之快;至于有意无意之间,或许只需一个按键。
2.在有意无意之间,谷歌(以及其他人工智能领域的巨头),各自以种种方式架起由人类社会通往奇点人的桥梁,同时也在某种意义上成为“未来”在今世的代言人。
 
在AlphaGo的成长过程中,亿万观众已经目睹了桥梁的一个作用:AlphaGo踏着人类的足迹超越人类。羽化成仙的AlphaGo在升天途中,施施然将50个玲珑棋局洒向人间。这就是桥梁的另一个作用,“未来”在指点人间,点化人间。
 
哈萨比斯先对他们所踏过的“桥梁”致意:
 


围棋界职业棋手和业余围棋爱好者对 AlphaGo 给围棋这一古老游戏带来的全新视角表示欢迎,他们对 AlphaGo 的反应让我们十分感动”



随后给全世界棋迷朋友们送上一份礼物。公布 50 盘 AlphaGo 自我慢棋对弈的棋谱。
 


我们相信这些棋谱中,包含了许多全新的思路及策略。希望所有的棋手都能尝试使用这些棋谱中的一些着法


顶尖职业棋手的评论是:


这是我前所未见的,就像是我想象中来自遥远未来的棋局一样。


哈萨比斯表示,


我们也在开发一个教学工具——这也是我们在过去一周中收到最多的需求,这个工具将可以展示 AlphaGo 对围棋落子位置的分析,帮助大家更好地了解这个程序是如何思考的,最终让职业棋手以及爱好者可以从 AlphaGo 的视角来重新审视围棋。


柯洁表示,希望继承AlphaGo的“全部能力。即使看上去没有逻辑的招法,事后发现都有很深的含义。每当想起都感到害怕”。对于AlphaGo飘然而去,柯洁并不感到挫折。“AlphaGo让我们意识到围棋有多深奥,是我们原来都想象不到的。DeepMind公司公布AlphaGo自我对局棋谱,将公开比赛数据等,对围棋的探索发展是好机会”。柯洁将成为哈萨比斯团队的第一个合作者。棋友可以“一起来分析他与 AlphaGo 的对局”,以及“分享AlphaGo 的自我分析”。

观察者网专栏作者陈经说,如果人类棋手在向AI学棋之后,水平取得巨大进步,有艺术美感的高水平棋局一定会比以前更多,而棋迷们会更有兴趣看人类棋手之间有血性与情感的对局。

然而,对于今后人类棋手是否能追赶上人工智能,柯洁感到


很悲观。人工智能发展速度太快了,差距反而越来越大。通过实战对局,我感受到非常大的冲击。人类再怎么努力也很难追赶上了。很多次了。虽然在梦里赢过,但…现实中是全败,很伤心。今后估计也会经常梦到。


AlphaGo已经在桥的彼岸,人类棋手可以在桥上奔跑,其中的绝大部分却永远到不了奇点人所在的彼岸。

作为“未来”在今世的“人类裔”的代言人,虽然高高在上,哈萨比斯对人类的此番言辞算得上友善而亲切。哈萨比斯希望,“更多的开发者能够接过接力棒,利用这些全新的进展开发出属于自己的强大围棋程序”。

人们一直疑虑,人类与未来的奇点人会是什么样的关系?

或许这就是未来奇点人与人类关系的理想境界吧。
 
 

包锞炜 - 指点江山,激扬科技,科技有担当,知识有力量

赞同来自:

说实话,谷歌的Deedmind只不过走了一步战术妙棋,大家以为看懂了他们的战略布局,讲真,作为科技型公司的翘楚,难道仅仅眼睛盯着围棋嘛?我们分析下,这一波的人工智能围棋摇旗呐喊,不过是为了后面的任务造势,医疗,教育,能源,环保,以及等等,这才是Deepmind的志向所在,之前这个围棋说白了,早就不想玩了,终于找到借口退役了,其实AlphaGo的内心是:围棋这种雕虫小技,哥早就不想玩了,独孤求败啊。
 
事实证明人工智能,机器学习,这些高大上的词汇以及方向是对的,公关团队的意图:
1.你们看吧,人工智能技术就在那,我们要玩更高端的领域,可能需要投入,土豪们来砸钱吧,未来更美好。
 
2.施压腾讯的AI围棋绝艺,而且马上开源,腾讯搞了半天,如今只能唱无所谓,(因为本来开发AI也不是为了下围棋而是为了玩家冲钱)
 
3.抢占人工智能舆论高地,即使未来研发新领域受挫,大众也会给予机会。

郝克刚 - 西北大学教授,已退休

赞同来自:

今年,2017年5月23-27,在世界注目的中国围棋峰会(乌镇)上,计算机围棋软件阿尔法狗,以3比0的辉煌战绩,战败了世界排名第一的青年围棋高手柯洁。同时还战胜了由5名世界冠军级的棋手组成的中国团队。这不是一次偶然性的胜利,它宣布了计算机软件的围棋水平己经远远超过了人类棋手。阿尔法狗己经镇服了人类围棋界。所有专业顶尖棋手,个个表态输得心服口服。中国围棋界赫赫有名的棋圣聂卫平,已经改口称阿尔法狗为"阿老师"了。
柯洁输后感叹说:


在我看来它就是围棋上帝,能够打败一切。


可见这是人类文明历史上的一个重大事件,是人的智慧创造的人工智能超过了个体人的智能的重大转折时刻。它以无可争辩的事例证阴,在特定的领域,人工智能可以超过人的智能。过去认为下围棋,这是人类的高级智能活动,是计算机不可能超越的领地。现在事实证明,计算机的围棋水平可以超过人类棋手。那还有什么领域是计算机最终不能超越的呢?这对人类的文明和智慧的发展,是莫大的鼓舞。

上世纪50年代,当计算机刚刚出世,开始显露出他的强大的逻辑推理能力的时候,就提出了"计算机能思维吗?″的问题。图灵1950年10月在英国曼彻斯特大学发表论文“计算机和智能”,把这个问题转化为一种可操作的方法,那就是测试。后来被称为图灵测试。

简单说就是与其争论“计算机能否达到人类的思维水平”,不如我们去做个实验测试。计算机通过了测试就说该计算机能思维,否则就说还达不到人类的思维水平。

所谓图灵测试,就是测试者同计算机进行背对背的对话交流。如果在对话中,测试者识别和区分不出对方是人还是计算机,那就说明计算机通过了测试,达到了人类的思维水平。如果对话中发现计算机所答非所问,或犯有人的对话中不可能出现的漏洞,从而断定对方不是人时,就说明计算机没有通过测试,计算机没有达到人类思维的水平。

显然,阿尔法狗这个下围棋的软件,肯定能通过图灵测试。因为它己经达到足够的围棋水平,能同人类棋手进行正常的手谈。不会在围棋对弈中让你发现他会下出绝对的昏着,水平太差。我在这里要说的是,阿尔法狗不仅通过了图灵测试,而且超越了图灵测试。就是说你通过对弈可以发现对手不是人类,但是不是因为它的棋力太差,而是因为它的水平太高,超过了人类对弈的能力,从而断定它不是人类棋手。这就是超越图灵测试的意思。

从这里不难看出67年前,图灵提出的通过测试的标准的局限性。

图灵说:


如果机器在某些条件下,能够非常好地模仿人回答问题,以至提问者在相当长时间里误认它不是机器,那么机器就可以被认为是能够思维的。


图灵万万没有想到计算机不仅可以模仿人的思维,达到人的思维水平,而且可以超过人的思维水平。当计算机超越了人的思维能力时,测试者同样可以识别出对手不是人类,是机器。所以说测试的标准不应是可否识别人同机器的区别,最后还要看能力的高低。所以说阿尔法狗战败人类棋手,已经突破和超越了图灵测试!

我去年己经超过八十岁了。能在这有生之年,见证了这一人类文明史上的重大里程碑的事件,实在是太有幸了。为了珍惜和反复重温这一庄严吋刻,我搜集到所有能找到的AlphaGo的棋谱,配上我编的围棋欣赏软件,制作了这个"AlphaGo棋局欣赏(全)″的网页。供献给所有爱好围棋的朋友们。大家能通过它仔细欣赏和回味这个事件的每一步过程。

在网页上注有“(全)”字,应该是名符其实的。这个网页搜集了DeepMind公布的全部棋局。其中包括AlphaGo在2015年同欧洲冠军樊麾的对局,2016年同韓国冠军李世石的对局,2016年底2017年初Master同世界顶尖棋手的60盘对局,2017年5月在中国围棋峰会上同柯洁的对局,配对赛,团队赛(同5名冠军的中国团队)的对局,以及最新公布的从AlphaGo的数百万计的自我对局中选出的50局,还有由樊麾详细讲解的带变化棋谱的3局棋等。也许以后还会有新的棋局。只要有,我会及时补全。不过不是说AlphGo退役了嘛。如果是真的退役,不再对弈了,现在的这个网页就真的是“全”的了

 
欣赏AlphaGo棋局(全)网页,请点击此链接:

要回复疑惑请先登录注册