科普：人工智慧發展到了哪一步——“人工智慧追問”係列報道之三-新華網

關注新華網

微博

Qzone

評論

圖集

　　新華社北京１１月１日電 科普：人工智慧發展到了哪一步——“人工智慧追問”係列報道之三

　　新華社記者楊駿

　　年初，“阿爾法圍棋”橫掃中韓等國頂級棋手，１０月它又被自己的新版演算法“阿爾法圍棋－零”戰勝。人工智慧領域的一係列新現象、新突破，讓人眼花繚亂、目不暇接。

　　無論是將人工智慧稱作“下一個風口”、“最強有力的創新加速器”、“驅動未來的動力”，還是關于它會不會比人類更聰明、甚至取代人類的爭論，都説明人工智慧又一次迎來發展高潮。

　　與以往幾十年不同的是，人工智慧這一輪高潮，是科技進步的水到渠成，也是與生活和工作相關的科技應用快速發展的結果，被嵌入十分廣泛的生活場景中。有科學家因此認為，“我們或許將成為與人工智慧真正共同生活的第一代人”。

　　不怕機器記性好，就怕機器會學習。像“阿爾法圍棋”這樣的機器自我學習技術基于三方面要素：互聯網大數據、強大的運算能力以及深度學習技術突破。它們共同造就了語音、人臉識別準確率的驚人提升，更加自然的人機對話，乃至可以像“阿爾法圍棋”一樣去找尋規律、自我決策，其中最核心的是深度學習。

　　那究竟什麼是深度學習？一是通過演算法給機器設計一個神經網絡；二是通過大量標定的數據樣本訓練神經網絡，讓它認識外部世界。以前，一個應用要通過非常精確的演算法來描述，但是今天，我們不知道該用什麼精確模型來教電腦，只能拿非常多的數據樣本讓機器比對學習，舉一反三。

　　具體到“阿爾法圍棋”，它還使用了強化學習和蒙特卡洛樹搜索等技術。後者是一種啟發式的搜索策略，能夠基于對搜索空間的隨機抽樣來擴大搜索樹，從而分析圍棋這類遊戲中每一步棋應該怎麼走才能夠創造最好機會。

　　只需要先教“阿爾法圍棋”一些人類摸索出的基本下法，然後讓它與自己大量對戰，就可以飛速提升水準。而“阿爾法圍棋”的最新版本“阿爾法圍棋－零”具備了無師自通的能力，在沒有人類知識與對決訓練的情況下，“從零開始”自己與自己對弈，僅３天後就戰勝了自己的前輩。

　　搜狗首席執行官王小川認為，識別、決策、生成是人工智慧的核心應用。例如，在決策方面，人工智慧可以幫助提高決策效率，提升商業效率。

　　“我們已經在金融、醫療和教育等方面看到這些應用。在識別和生成領域，人工智慧的進展已使人機交互越來越自然，這也是我們感興趣的領域。從歷史趨勢上看，機器在逐漸適應人，並已為人類分擔了許多具體工作。”王小川説。

　　前百度首席科學家吳恩達、香港科技大學教授楊強等眾多全球頂尖人工智慧專家都認為，人工智慧下一個重要突破口是“遷移學習”，這也是人工智慧未來的發展方向。簡單説，“遷移學習”類似中國成語裏的“觸類旁通”，就是機器將在一個領域學習掌握的技巧、經驗和能力，遷移到一個新的有一定關聯的領域裏再應用，這樣在新領域裏，它就能省去大規模數據訓練，只需一小部分數據就能迅速“成才”。當機器具備這種能力後，將使人工智慧邁入全新層次。

　　按照人工智慧“弱智能”、“強智能”和“超智能”的劃分，當前乃至很長一段時間，人工智慧還處于“弱智能”階段，還只能局限在特定的封閉領域。比如，“阿爾法圍棋”只能在封閉場景通過數據樣本學習和對弈訓練提高下棋能力，並不能發揮創造性。到了“強智能”和“超智能”階段，人工智慧就能像人類那樣學習、決策和反思，解決不同領域的各種復雜問題。

　　盡管如此，僅靠當下的人工智慧技術水準，人類就已經對機器的計算與“算計”産生高度依賴了。從購物網站的精準推送到電視劇的編劇、再到無人駕駛汽車，生活中的人工智慧可謂無處不在。