AlphaGo贏了，人工智慧“奇點”近了？

“對於任何一個規則明確的特定問題，利用電腦的智慧技術遲早要超越人的能力，就像利用深度學習和人類知識自動化的人工智慧圍棋演算法戰勝人類棋手一樣。”中科院自動化所複雜系統管理與控制國家重點實驗室主任王飛躍教授如此點評。

事實上，現有人工智慧（Artificial Intelligence，簡稱AI）遠遠還達不到人類水準，未來也很難全面超越人類。王飛躍教授表示，“無論是從技術水準現狀，還是從科學的邏輯推斷，不管是現在還是將來，機器都無法全面取代人類，人工智慧更不可能全面勝過人類智慧；而且這一不可超越的本質很可能不是技術性問題。

在加拿大阿爾比大學人工智慧專家、電腦學教授理查·薩頓看來，戰勝李世石的AlphaGo並不具有真正的人類智慧，其缺少人類智慧中一個關鍵特徵：學習世界如何運作的能力，比如理解物理法則、預判某種行為引發的後果等。

儘管如此，AlphaGo的獲勝依然意義重大，其充分顯示人工智慧的高速度、加速度發展，也展示了人工智慧巨大的應用意義和前景。正如Deep Mind在其官網上所言的“Solve intelligence use it to make the world a better place”（研究人工智慧，讓世界變得更美好）那樣，AI在醫療、無人駕駛、機器人、手機智能助手等方面的應用前景頗具吸引力。在國內A股市場，一個AI應用的上市公司群體業已初現規模。

機器戰勝人類？

2016年3月9日，人工智慧史上值得濃墨重彩書寫的一天，一切都源於那只“狗”（AlphaGo）——代表人工智慧的AlphaGo挑戰人類棋手、韓國圍棋九段李世石的五番棋正式開始。首場較量於當日中午12點左右開始，李世石執黑先下，大約三個半小時後，李世石投子認輸。賽後，AlphaGo之父、Deep Mind領軍人物哈薩比斯（Demis Hassabis）在推特上欣喜地寫下了“登月成功，為我們的團隊感到驕傲”。

隨後的兩局對弈分別於3月10日和12日舉行，AlphaGo兩度“碾壓”李世石，取得完勝。在10日的比賽中，AlphaGo序盤先是下出幾步“昏招”，但隨後則怪招連連，四個半小時鏖戰後，逼迫李世石簽城下之盟。在12日的比賽中，儘管李世石多次下出非常規的路數並在左下角留下打劫變化，AlphaGo在最後的較量中，打破人類的斷言，實現了主動打劫和提劫，再次於中盤取勝。至此，AlphaGo連勝三盤，提前鎖定勝局。

“人類智力的最後高地已被機器佔領，人工智慧已超越人類……”一時間，這樣的驚呼比比皆是。在第三局後的新聞發佈會上，哈薩比斯甚至表示“已經不知道要說什麼了”。

更值得關注的是，與以往所有的人工智慧不同，AlphaGo在這次人機大戰中展現了驚人的學習能力。此前在2015年10月，Google宣佈AlphaGo在無讓子的情況下，以5:0完勝歐洲冠軍、職業圍棋二段樊麾，這是圍棋AI第一次在公平比賽中戰勝職業選手。彼時，AlphaGo的棋力不過職業二段，但僅僅5個月後，AlphaGo已通過自我學習取得超越職業九段的棋力。

北京郵電大學教授、電腦圍棋研究所所長劉知青表示，AlphaGo的自我學習能力是科技界一個重大的突破點。而在科大訊飛研究院副院長魏思看來，這個事件可以看成是人工智慧歷史上的一個里程碑，AlphaGo在大勢方面的判斷力對業界的影響和震動很大。

在3月13日的第四局比賽中，AlphaGo失利。但是，“在AlphaGo首局獲勝的結果面前，以後的勝負都不那麼重要；AlphaGo自然還沒有進化到完全獨立個體的程度，但是那扇門已經打開了一條縫隙。”有網友這樣評價。

3月15日，人機大戰迎來最終的對決。在經過長達5個小時的搏殺後，雙方均進入讀秒階段，AlphaGo最終勝出，將總比分定格在4:1。據報導，韓國棋院打算給AlphaGo頒發名譽九段證書。

“無論最終結果是什麼，贏家都是人類。”谷歌母公司Alphabet董事長埃裡克·施密特這樣安慰人類。儘管如此，革命性的改變已然發生。

“革命”發生在哪？

AlphaGo的驚人之處在於其在對戰中不斷增強的能力和由此展現出的“自我學習”能力，其“能力”已經超出了工程師輸入的幾十萬盤棋譜，是在不斷對戰和自我對戰中“思考和積累”的“應變”和“最優對弈方案”，能夠不按套路行棋，甚至已經學會了先手借用。

“變異”的力量來自哪裡？回顧這只“狗”的身世，AlphaGo由創建於2010年的英國人工智慧公司Deep Mind研發，技術上採用了神經網路加蒙特卡洛演算法（Monte Carlo Tree Search，簡稱MCTS），即通過卷積神經網路來類比人類大腦的視覺神經網路機制，其中基於海量資料的走棋網路（Policy Network）可以預測下一步的走棋；精確的估值網路（Value Network）則可完成局面評估、下一步動作的選擇；蒙特卡洛演算法則類比圍棋遊戲直至最後找到獲勝策略。

值得關注的是，基於深度學習（Deep Learning）構建的神經網路是讓AlphaGo表現智慧的關鍵。哈薩比斯表示，“蒙特卡洛樹搜索在10年前是一個很大的創新，但我覺得我們對AlphaGo做的是引進了神經網路這種直覺層面的東西。”依靠神經網路，AlphaGo能夠跟人一樣通過“直覺”判斷 “大勢”、“局面”，具有良好的“棋感”。在此之前，這一領域的專家原以為這還要再等10年才能實現。

自從1956年約翰·麥卡錫（John McCarthy）等人提出人工智慧這一概念後，人類在這個領域的探索從未間斷。2006年，Hinton等人提出的深度學習則讓人工智慧進入嶄新的發展階段；Hinton在2009年將深度神經網路介紹給語音辨識學者，第二年語音辨識領域就取得了巨大的突破；此後，Yann LeCun等人提出了第一個真正的多層結構學習演算法——卷積神經網路。從此，人工智慧奔走在了開掛的道路上。

深度學習是源於人工神經網路的研究，也是機器學習中非常接近人工智慧的領域。此前，Deep mind表示，通過深度神經網路與強化學習結合的Human-level control through deep reinforcement learning，展現出了在複雜任務中酷似人類的演算法。得益於大資料和互聯網技術，深度學習正在迅速成長，通過足夠大的資料量，深度學習可以建立人工神經網路，實現最好的預測能力。谷歌開源了利用大資料直接訓練電腦來完成任務的第二代機器學習平臺Tensor Flow；Facebook公佈了其關注深度學習的開源專案並任命Yann LeCun為其人工智慧實驗室負責人。

“奇點”正在臨近？

美國未來學家庫茲韋爾在《奇點臨近》一書中認為，人工智慧的進步會不斷加速，聰明的機器會設計更聰明的機器，這種自我強化最終會導致人工智慧達到一個“奇點”，成為遠遠超出人類智慧水準的一種存在。

AlphaGo開發團隊曾經表示，“開發AlphaGo不是為了模仿人類，而是為了戰勝人類。”那麼，人工智慧真的超越人類了嗎？

“AlphaGo的優勢在於其應用了MCTS，只要時間足夠，機器能夠窮盡所有對局的方案，進行充分學習，從而突破人類極限，在不斷自我對決中提升。”地平線CEO餘凱表示。

但是，這離真正的人工智慧還很遠，“奇點”的臨近或許還有很長的路程。微軟亞洲研究院副院長芮勇表示，今天與其說是機器贏了人類，還不如說是一個人+一台電腦打敗了另一個人。如果以後一個電腦設計了一個程式打敗了人，那個時候強人工智慧將近，“奇點”才會到來。但是，從目前看，強人工智慧還要走很遠的路，還只是在語音辨識、語音合成、電腦視覺等方面做得比較不錯，但採用的還是監督式的學習訓練方式。

不過，人工智慧的進步速度遠比人們想像的快，而且似乎還在加速，人類是時候需要為人工智慧的發展擔憂了嗎？理查·薩頓的看法是，“我認為人們不應該為此感到害怕，而是應更多關注。”南京大學自動化學院副教授談英姿則輕鬆地表示，“等到AlphaGo意識到自己在下棋的時候，我們再開始擔憂吧。”

王飛躍教授甚至認為根本不存在“奇點”問題：“‘奇點理論’之假像不可能出現的最大原因正是智慧技術從開始到今天所一直面臨、也無法解決的核心技術問題：常識的表示、推理及應用。常識對人類再普通不過，根本不值得提及，但對機器人和人工智慧卻是一道憑自身能力無法逾越的巨大鴻溝。”王飛躍進一步解釋稱，機器人和人工智慧等智慧技術目前主要集中在利用已知技術解決已知問題上，但對於規則不明確、任務多樣化、情況複雜的（Uncertainty、Diversity、Complexity，簡稱“UDC”）問題，人們仍然無法開發出具有人類那種能力的智慧技術，還沒有利用未知手段解決未知問題的能力。這正是機器智慧無法超越人類智慧的本質，而這一本質可能並不是技術性的問題。

王飛躍表示，智慧技術將進一步解放人類的智力，這是社會的進步，是螺旋式上升式的發展，不是走向“奇點”，更不是機器主宰世界，而是走向人類主導但更加美好的世界。

應用無所不在

AlphaGo馳騁的疆域顯然不僅僅在圍棋。Deep Mind在其官網寫道：“Solve intelligence use it to make the world a better place”（研究人工智慧，讓世界變得更美好）。哈薩比斯則認為人工智慧主要的用途是醫療、智慧手機助手以及機器人。

就在幾周前，Deep Mind 宣佈了一項與NHS（英國國家醫療服務體系）的合作，開始著手建立一個利用機器學習力量的平臺。哈薩比斯表示這個項目與IBM的Watson非常不同，“合作平臺做的事情會是醫療圖像的診斷，然後可能有對於自我量化（Quantified self）或是重要跡象的長期追蹤，幫助人們保持更健康的生活狀態，這很適合用強化學習

對於智慧手機助手，哈薩比斯想要讓其變得智慧、理解上下文，對於人們要做什麼有更深的理解，“我認為未來的兩到三年會開始看到它，也許在四到五年甚至更久後，可以看到功能上大的變化。”目前，幾乎所有的智慧手機助手都是預程式設計的，偏離了預先程式設計輸入的範本，就會變得毫無用處。

更為重要的是，人工智慧是一門幾乎在所有方面都具有重要應用的技術。諾貝爾獎和圖靈獎獲得者赫伯特·西蒙把人工智慧定格為實驗科學，研究人工智慧的最終目的是為了應用。

在哈薩比斯看來，自動駕駛也是一種機器人。谷歌母公司Alphabet董事長埃裡克·施密特近期表示，穀歌正在考慮在英國進行自動駕駛汽車路測。百度最近則成立了自動駕駛事業部，寶馬、賓士等傳統車企也在這個領域奮力搏殺，國內的北汽、廣汽、上汽、長安、比亞迪等汽車廠商同樣在悄然深耕。不過，哈薩比斯強調自動駕駛目前還是狹義的人工智慧，儘管特斯拉已經採用了一種基於深度學習、現場的電腦視覺方案。

隨著深度學習的發展，人工智慧在無人駕駛、無人機、工業4.0（工業機器人）等領域的應用將愈發廣泛並嫺熟。而在需要更高智慧的服務機器人領域，深度學習似乎更有用武之地，特別是在一個人口老齡化的社會。哈薩比斯對日本在老年護理機器人、家庭清潔機器人上的思考表示欣賞。

對於本次人機大戰的重要意義，王飛躍教授認為更體現在對搜索和優化問題的處理上。“這將產生一個巨大的新行業，軟體定義的系統、工廠、城市將成為現實，大資料真正成了原料，數位化的經驗、案例、預演都成為生產力，計算實驗與計算優化將成為管理的‘新常態’，或許這就是新IT世代（Intelligent Technology，智慧技術時代）的真正開始。”

短期內，將人工智慧的某一項技術應用於特定領域、改變人們生活已凸顯出巨大價值。人工智慧在語音辨識/搜索、機器翻譯、圖像識別、人臉識別、搜尋引擎、資料採擷等方面都表現出色。

　　資料顯示，全球目前在人工智慧領域有近千家公司，分佈在商業智慧、金融、安全等領域。在A股，已經有超過70家上市公司宣佈進入機器人領域。無人機成為創業公司和上市公司競相追逐的風口，已有超過20家A股上市公司宣佈進軍無人機。在無人駕駛領域，近40家公司涉足“智能汽車”概念。此外，還有不少上市公司已介入語音辨識、人臉識別、VR等人工智慧領域，其中科大訊飛的訊飛智慧語音系統識別率已達95%，並已啟動了訊飛超腦計畫。