最近几年,似乎人工智能在媒体上越来越火,其原因在于google的两个项目得到了很好的进展和宣传,由于汽车驾驶以及围棋在过去被很多人想当然地认为这是人类的专属领域,因此接连被突破,让一些人得了【机器恐惧症】,比如纽约时报上那篇文章就是典型的代表。

最近围棋比较热,所以我就拿阿尔法狗来说明一下这件事吧。人们为什么觉得机器变得可怕了呢?用他们的话说,就是因为机器有了【学习】的能力。过去IBM的深蓝在赢国际象棋的时候,使用的是硬性的决策树,凭借的是机器的硬件性能,而硬件性能是有限的,因此没那么可怕。现在机器自己会学习了。太可怕了。这实在是个天大的误会。

确实,人们一想到棋类,就首先会想到决策树,然后计算机利用其性能进行穷尽搜索之类的,这在象棋,乃至于五子棋里是很普遍的。但大家忽略了一个本质问题,围棋是一种重点不在于棋,而在于棋盘的游戏,与其说他是对棋的决策,不如是对于棋盘的决策。所以我们的思考角度应该在于若干个点如何排斥其它若干个点。。这时候的算法思路其实更倾向于像素处理,比如笔迹辨认之类的,想到这层,人工神经网络与表征学习算法(即深度学习算法)的作用就好理解了。

打个比方,这就好像你用造大炮方法去思考如何将东西送到月球轨道上去,这当然很难了,大炮只能在发射之前设定发射参数,发射之后无法修改,自然距离越远,不确定性越大,难度越大。但是事实上用这种方式最多只能造出德国的V2火箭而已,没法造出土星五号火箭的。后者会在飞行过程中自我修正轨道,自然就能应对不确定性,这本质上就是所谓的机器【学习】。围棋也一样,它一开始就不能用象棋的思路想问题,这并不意味着机器的能力有了很大的进步,而是人类找到了实现他的方法。

说穿了,前者是基于固定公式的决策,后者是基于统计学概率的决策,都是数学领域的问题,本来就是计算机的强项。用前者来推导出后者如何如何进步,其实是很没有逻辑的事情。而且,事实上这两种人工智能方法在理论上被推出的时间相差无几,谈不上谁更先进。要知道,鉴定人工智能的图灵测试关注的是人机对话的能力,不是下棋的能力,换句话说,什么时候机器能通过对话骗你一百块钱,也比它下棋下赢世界冠军更智能点。

所以,放心吧,人工智能还很弱。