谷歌人工智能AlphaGo围棋下九段棋手代表什么?

这两天一个热闹的讨论,就是谷歌公司推出的人工智能,名叫AlphaGo,与韩国九段棋手李世石下围棋,于3月9日及今天10日连胜两局。

自从当年IBM的深蓝在国际象棋上下胜了国际象棋的世界冠军后,围棋因为运算量庞大,一直认为在是计算机难以挑战的领域。

然而自从深度神经网络技术出现后, 人工智能领域得到了巨大的发展,大众普遍会发现近几年,无论是手写输入还是语音识别都有了巨大的提升。

深度神经网络的主要提升在于,它大大提高了对深层逻辑的提取,通过海量的数据训练,可以让其不断将更复杂的逻辑规则进行识别并抽象并提取出来,然后这个抽象的结果作为一种数据结构保存下来,可以用于辨别事物。

对于类似AlphaGo这样的系统,原理上是相通的,然而真正让其得到最大提高的部分在于,它可以自己与自己进行下棋,然后不断总结更优结果,于是便能不断进行优化。

在过去的神经网络系统中,面临一个问题就是,在识别数据的时候,很容易出现识别到一半,整个网络分布就散了,于是就识别不下去了,这方面要细说就要谈到深度学习方面了,这里先不谈这个。

简单来说,AlphaGo它在围棋上取得的成就,已经超过大部分棋手了,这意味着在围棋领域,专业的九段高手也有面前败下阵来的。

有很多人说,围棋以后也没有可玩的了,因为在机器面前,人已经无还手之力了,这个说法显然是不对的。因为围棋的解集是很大的,能够构成的围棋局盘是一个天文数字,AlphaGo目前所提取的围棋规则及下法,仍然是从棋谱学习,并进行自我不断演算,然而无论如何演算,它是不可能覆盖所有的可能,只是在一个局部范围内寻找到了最优解。而这个局部范围的求解结果,极有可能在另一个角度上是错的,如果有足够多的局例对AlphaGo的下棋特点进行分析,那么人战胜AlphaGo并不难,在一些微妙的识别上,人工智能算法会很难处理。

举例来说,如果是在字符识别上,如果你把一个“2”写得模糊一些,那么对机器识别来说,它可能是“2”,也可能是“乙”,还有可能一个扭曲的“S”,亦或是其它的什么。如果有上下文的情况下,产生了会导致误导的模糊逻辑,那么要它识别出来就会很困难了。虽然理论上机器也可以联系上下文进行处理,然而现实中却不那么容易,比如机器学习中,提供的数据通常需要要规范的格式,如果是杂乱需要整理的内容,学习在对新内容的学习上会搞得一片混乱。

任何系统都一定是有BUG的。记得以前玩过下象棋的智能系统,如果是按步就班的下,难度还是很高的,然而如果走些明显很不合理的怪棋,往往系统自己就完蛋了,它们也会走一些莫名其妙的棋。像AlphaGo必然也存在这样的问题,只是体现在哪里并不清楚。

另外,既然AlphaGo能够自我进行下棋博弈进行优化,那么就说明,人工智能在自己与自己下的时候,总有一方胜一方负,如果没有的话,便不可能进行优化了。

换而言之,战胜目前状态的AlphaGo解法是一定存在的,然而这些如何应用在下棋上,又如何才能战胜,只能等棋手们去思考了。

说到人工智能,AlphaGo的局限性在于,它目前实现的智能程度确实很高,然而却是体现在仅仅下棋这个方面,如果比喻的话,AlphaGo实际上就相当于一个刻苦学习的白痴,然而因为他实在太刻苦了,所以在某一个方面掌握得就能非常精深,然而在其它方面,就完全不行了。

什么都能识别都并加以学习的人工智能,是通用人工智能,目前这样的系统还没有出现,AlphaGo同样称不上这方面好的开始,因为它的表现是在某一个专精方面的深入,而不是其它方面。当然这个也是很有意义的,利用计算机这样的工具,可以让我们更好的学习研究一些深入的知识。

如果虚心一些,那么AlphaGo这种系统的数据训练方式,对我们现实的启迪是什么?它意味着如果一个人先天不是太糟糕的情况下,后天的刻苦努力最起码可以让人在某一领域获取成就。

发表评论

电子邮件地址不会被公开。 必填项已用*标注