這幾天我一直在圍觀(guān)人們的反應，最想不明白的一點(diǎn)，其實(shí)是人們究竟怎么開(kāi)始把機器與人類(lèi)放到對立的兩面？
圍棋是藝術(shù)，阿爾法狗是技術(shù)，它如何就會(huì )毀了圍棋呢？棋手們自己不是也說(shuō)“（現在下棋）或多或少都會(huì )受到阿老師的影響吧，下棋會(huì )讓人感到更自由一些，沒(méi)有什么招法是完全不能下的”（周睿羊，DeepMind博客視頻），“阿爾法狗帶給我們很多的新東西?，F在呢，大家更多地去嘗試以前都沒(méi)有下過(guò)的各種下法”（時(shí)越，DeepMind博客視頻）
棋手們的意思難道不是說(shuō)，AI促使人類(lèi)棋手更加強大，更樂(lè )于創(chuàng )新嗎？
而對于人工智能科學(xué)家而言，阿爾法狗的使命，更不是要在圍棋賽中打敗人類(lèi)。他們之所以讓機器與頂尖的人類(lèi)棋手互動(dòng)，意在為“狗”提供一個(gè)不能用其他方式替代的學(xué)習環(huán)境。DeepMind創(chuàng )始人哈薩比斯自己在很多公開(kāi)場(chǎng)合就不止一次地說(shuō)過(guò)，是為了發(fā)現潛藏的通用知識（general knowledge)?！肮贰?，其實(shí)是一個(gè)通用智能體。
把DM的使命說(shuō)得更冠冕堂皇些，何嘗不是人類(lèi)對自身的進(jìn)一步探索？
正如物理學(xué)家費曼教授那句留在黑板上的著(zhù)名遺言，“我所不能創(chuàng )造的，都是我沒(méi)有真正懂得的”（What I cannot create, I do not understand)，如果世界在人們眼里是由外部世界和內心世界兩部分組成的話(huà)，也許“內心”世界更加根本，因為外部世界的存在狀態(tài)，根本還是取決于我們大腦對它的解釋。這便是人工智能最引人入勝的地方：借助于建造它來(lái)更好地了解我們自己，理解這個(gè)世界。
DeepMind所致力建造的這一類(lèi)AI，有個(gè)名字，叫“受神經(jīng)學(xué)啟發(fā)的AI”(neuralscience-inspired AI）。別忘了哈薩比斯本人就是倫敦大學(xué)學(xué)院的認知神經(jīng)學(xué)博士，DM對人類(lèi)身上最感興趣的部位叫做海馬體（Hippocampus）。按維基的說(shuō)法：海馬體是人類(lèi)及脊椎動(dòng)物腦中的重要部分，位于大腦皮質(zhì)下方，擔當著(zhù)關(guān)于短期記憶、長(cháng)期記憶，以及空間定位的作用。在阿茲海默病中，海馬體是首先受到損傷的區域：表現癥狀為記憶力衰退以及方向知覺(jué)的喪失。大腦缺氧（缺氧癥）以及腦炎等也可導致海馬損傷。平常我們開(kāi)玩笑時(shí)愛(ài)說(shuō)的“老癡”或“腦殘”都跟這個(gè)海馬體相關(guān)。
我們需要記住，DM的AI有兩個(gè)關(guān)鍵詞，一是通用，一是學(xué)習。他們所有的算法都從元數據開(kāi)始進(jìn)行自主學(xué)習，從而掌握某項任務(wù)，這與預編程的人工智能有本質(zhì)的不一樣。此外，DM還強調，他們希望所有的系統能夠通用，也就是說(shuō)，希望同一個(gè)系統，或同一套算法可以有跨領(lǐng)域的廣泛應用。公眾所熟知的贏(yíng)了國際象棋的IBM傳奇深藍，以及近年來(lái)的沃森系統，它們都仍然屬于窄AI范疇，也就是說(shuō)，它們是為了解決某個(gè)特定問(wèn)題量身打造的AI，因而只能解決那一類(lèi)問(wèn)題。
而阿爾法狗這一類(lèi)DM的AI，事實(shí)上則可以被叫做“通用人工智能”AGI（Artificial General Intelligence），目標既不針對特定任務(wù)，也無(wú)涉預編程。這就引出了眼下被熱議的“強化學(xué)習”技術(shù)（reinforcement learning）。
描述強化學(xué)習其實(shí)非常簡(jiǎn)單，它有個(gè)一目了然的框架，框架內有兩個(gè)內容：系統和環(huán)境。這里的“系統”就是我們說(shuō)的AI，而它會(huì )發(fā)現自己處于某個(gè)“環(huán)境”當中，要達成某項目標。
“系統”與“環(huán)境”之間進(jìn)行雙向交流：首先，它通過(guò)其感知儀器來(lái)對“環(huán)境”進(jìn)行觀(guān)察，在DM的學(xué)習過(guò)程中，通常使用的是視覺(jué)，也就是說(shuō)，“系統”觀(guān)察到的就是像素。這些觀(guān)察結果往往有很多“噪音”，并且信息不完整，因為現實(shí)世界本身就十分混亂，充滿(mǎn)干擾，而且永遠不可能對一件事獲得真正完整的信息?！跋到y”的任務(wù)，便是要在這樣的混亂條件下，創(chuàng )建一個(gè)可能的、最好的統計模型；這個(gè)最好的模型一旦建立，第二項任務(wù)，便是在當前的時(shí)間點(diǎn)上可供選擇的一系列行為中，選出最好的一個(gè)，向目標靠近。而一旦“系統”確定了某一個(gè)行為是最佳之后，“系統”隨即將這個(gè)行為作為輸出，并得以執行。其結果，有可能會(huì )，也有可能不會(huì )，對當前的“環(huán)境”帶來(lái)任何改變。但無(wú)論如何，它都成為新一輪觀(guān)察的驅動(dòng)。所以這個(gè)“系統”盡管表面上看，可以通過(guò)這樣一個(gè)簡(jiǎn)單的框架圖形來(lái)描述，但它事實(shí)上隱藏了很多的復雜性。
解決了隱藏其后的復雜性，其實(shí)就擁有了足夠的智能來(lái)進(jìn)行幾乎一切學(xué)習。我們認同這個(gè)觀(guān)點(diǎn)，因為我們知道，包括人在內的所有脊椎動(dòng)物，都是這樣來(lái)學(xué)習的。人類(lèi)大腦中，完成這一“強化學(xué)習”過(guò)程的是多巴胺系統。
了解了創(chuàng )造出阿爾法狗的DM公司的通用智能使命，以及這一通用智能的學(xué)習原理之后，不難看出，各類(lèi)游戲其實(shí)都是其算法的絕佳測試平臺。一兩年前連線(xiàn)雜志 “Wired” 就有過(guò)長(cháng)文報道，DM最初使用經(jīng)典的80年代雅達利游戲（Atari ）來(lái)測試他們的算法。當AI在玩雅達利時(shí)，它所獲得的輸入沒(méi)有別的，就是純粹的像素，完全就像人在看著(zhù)屏幕學(xué)，屏幕尺寸大概是200*150，所以它所得到的就是每幀3萬(wàn)個(gè)點(diǎn)，目的也很簡(jiǎn)單，一切從頭琢磨自學(xué)，為了拿高分。
在基本的學(xué)習能力具備后，再通過(guò)模擬海馬體的工作原理，來(lái)為智能體增加能力，例如學(xué)習抽象概念，以及增進(jìn)長(cháng)期記憶。
如果說(shuō)AI是在利用包括棋類(lèi)在內的游戲來(lái)作為測試平臺，達到提升功力的目的的話(huà)，它真正的目標可能更多地在于幫助人類(lèi)完成更加關(guān)鍵的工作，例如與預測相關(guān)的醫療、氣候、能源、宏觀(guān)經(jīng)濟等應用。這樣一來(lái)，人工智能技術(shù)可以毫無(wú)疑問(wèn)地被認為是眼下最重要的技術(shù)之一，更可能正是潛在的“元解決方案”（meta-solution），可以協(xié)助人類(lèi)解決所有的其它問(wèn)題。
提到“元解決方案”，不可避免的是與之相伴的倫理討論。在科幻作品、斷章取義的名人演說(shuō)、雞毛令箭的媒體報道的共同作用下，AI所獲得的倫理關(guān)注尤其熱鬧。但是它與任何強大的新技術(shù)無(wú)異，技術(shù)本身是中立的，決定它是否符合倫理的，永遠是掌握技術(shù)的人。在此過(guò)程中，公眾、媒體、研究機構（企業(yè)）以及政府幾方的透明，對每一步的監管都因此變得至關(guān)重要。
阿爾法狗的創(chuàng )造者的使命是要將世界的信息組織起來(lái)，讓它更好地為全世界共享，換句話(huà)說(shuō)，就是利用 AI或者AGI 來(lái)自動(dòng)將無(wú)序的信息轉化為知識，從而利用這些知識使人類(lèi)更加強大。因此，與世界最優(yōu)秀的人工智能專(zhuān)家一起，挖掘出暗藏在圍棋這一古老游戲后面的智慧，促成技術(shù)的進(jìn)步，這應當是烏鎮比武會(huì )上所有人的勝利吧。
原標題：DeepMind的使命不是要下贏(yíng)圍棋
聯(lián)系客服
