别让AlphaGo给忽悠了，强人工智能才是未来

人工智能从来没有获得这么高的关注度，也从来没神话到如此的地步。

这两天，有关谷歌AlphaGo战胜世界围棋冠军李世石的消息，每一局的对抗都频频刷爆朋友圈。AlphaGo连胜两局的战果，让本身并不清楚人工智能为何物的中国大众，开启了更大胆的想象空间。一时间，AlphaGo就像科幻电影里具有人的思维、情感甚至还能谈恋爱的机器人一样，被极大地神话了。实际上，无论是上次的引力波发现，还是这次人工智能AlphaGo，中国公众的沸腾都远远超出全球。而造成这样一种奇怪的现象，原因是中国除了崇拜科学外，还容易陷入集体躁动的状态。而这，并不利于我们更准确地认识和理解人工智能。

事实上，AlphaGo仅仅是一台机器

这里就专业的角度来帮你剖析一下，AlphaGo到底是个什么东东？人工智能这个领域在全世界已经孕育了上百年的历史，人们对人工智能的探索和联想始终就没有断过。人工智能的雏形其实就是计算机对人类智能的模仿，让机器“学会”人类在某一领域的专业技能。一个会下围棋的人工智能程序，就属于这个范畴，不过它更像是冰冷的机器，没有情感，更不会“调戏”和随机应变，只是按程序行事。

但门槛更高的人工智能应该是具备人脑的感知、思维、逻辑判断、情感、对话、交流等能力的，这才是在科幻片中的场景，渗透人们生活，混在人群中，难以区别机器与人类。当然，AlphaGo确实值得欢呼，谷歌也因为这样一场秀，不仅赚眼球，还在技术形象上加分，但它并未像外界所期待的超越人类智能那样有划时代意义，这里就科普一下AI。

人工智能领域，分为三个段位，一个是弱人工智能，也就是AlphaGo所在的领域，属于在单个领域有较强智力的程序或机器人。它的智能程度取决于两点，一点是围棋棋谱和经验的植入，据说AlphaGo输入了3000万步的人类围棋大师的走法、棋谱，这属于经验和技巧的掌握，是范式化的教授，就像中国武术最机械的招式对抗一样，但模仿永远不是精髓所在；另一点是AlphaGo也改变了单纯的模仿套路，有自我学习的能力，在不断对弈中能提升智能水平，这一点最接近人的大脑。据说，AlphaGo自我对弈了3000万局，积累下的经验就能不断提升智力水平。理论上，与围棋大师对垒次数越多，经验值涨的越多。

可以说，这两点构成了AlphaGo人工智能的核心。有人说，围棋比象棋的人工智能程度要高很多，理由是围棋棋局之复杂远超国际象棋，标准的19×19棋盘内，共有361个点，大概有10170种下法，还跟宇宙中的原子去做对比。这一点逻辑上有一些混淆，对机器人来说，复杂度考验的更是计算能力，算法上的规则不同，进行优化即可，智力上的提升仅仅是线性的。一个最简单的事实是，半年前AlphaGo就击败了欧洲围棋冠军，当时给出的判断是专业中的入门选手，过了半年就能打败世界冠军，如果真归结于人工智能，这智力水平进步也太快了。

因此，就像所有弱人工智能的弊端一样，AlphaGo即使在接下来与世界围棋冠军李世石的对垒中最终5局全胜，也仅仅是围棋领域人工智能程序的冠军，就如第二局中，AlphaGo能估算的步数显然比人脑计算快得多，以至于在某一时刻将李世石拖得超时，但你不能说AlphaGo智力水平高出人脑。人工智能领域门槛最高的其实是强人工智能和超人工智能，具备人脑一样处理各种问题的能力，还有自我学习、理解和沟通能力，在强人工智能、超人工智能上，世界范围内都仅仅处于初级阶段。而超人工智能是指获得人类的自我意识，不断进化超出人类的智力水平，这一块几乎连头绪都还没理清楚。

百度人工智能则是另一维度上的探索

所以，搞清楚了AlphaGo的身份和背景，弄明白人工智能，才不至于在一场人机大战的喧嚣中迷失自我，更不会过度地神化AlphaGo，担忧世界会被人工智能所接管。很简单的道理，如果让AlphaGo去干一件不擅长的事，几乎是寸步难行。相比，全球范围内，在强人工智能领域，也有一些公司和研究机构在探索，例如IBM的沃森及认知计算技术，百度大脑背后的图像识别、语音交互和深度学习、无人驾驶等技术，都属此类。

语音搜索的复杂度要高得多。因为它不仅要在多环境下有高的识别率，还要能理解人的语言，并给出匹配的服务响应。在语音识别方面，深度学习技术早已融入，百度研发出了基于多层单向LSTM（长短时记忆模型）的汉语声韵母整体建模技术，并成功把连接时序分类（CTC）训练技术嵌入到传统的语音识别建模框架中，训练语料量可能会突破100万小时，识别率接近97%。

除了能够“听清”，百度语音搜索突破之处还在于它能够“听懂”，能够根据语义和语境，与用户实现多轮对话。例如，当你向它询问“姚明是哪里人”，它会回答“姚明的出生地是上海徐汇区”。

而当你紧随着这个问题继续询问“他老婆是谁”，百度语音搜索便可以根据对话语境，理解“他”指的是上一句话中的“姚明”，回答你“姚明的妻子是叶莉”。

接着，你还可以继续这段对话发问“他老婆有多高”，百度语音搜索会自动理解此处的“他老婆”指代上一句话中的叶莉，然后回答“叶莉的身高是190厘米”。而在这项技术实现之前，你只能机械地、重复地询问“姚明是哪里人”、“姚明老婆是谁”、“叶莉有多高”。

多轮交互技术的实现和日臻完善带给我们很多想象空间。可以想见，未来，语音搜索将如同最贴心的秘书一般陪伴在我们身边，我们可以像和人类交流一样与之进行对话。而作为交互方式，语音识别一旦在物联网、智能硬件、自动驾驶等领域商用，都将发挥出重大价值，颠覆我们的生活体验。

除此之外，在视觉搜索上，人工智能的含金量更高，人脸、花卉、植物、动物、服装等柔性物体的难度更大。百度应用了最新的卷积神经网络技术，先建立一层人工神经元，用来探知物体的边缘形状，第二层神经元将第一层感知到的物体边缘形状拼凑起来，认知形状，第三层进一步拼接信息从而得出物体整体形态。这些过程完全由机器自主学习并完成的，这一技术让“即拍即得”成为可能。

拿去年百度世界大会上备受关注的“度秘”机器人来说，它能够让人们更便捷、智能地获取服务，比如叫咖啡、找餐馆、订电影票，你随便丢一句话，度秘都能理解，还具备学习和思考的能力，跟你开个玩笑，几乎适用于任何一个场景，而且还具备极强的适应性，使用的人越多，社会化活动越多，就越聪明，群体性的智慧都能不断输入。这个过程就像小孩在慢慢长大一样。

这背后的人工智能复杂度比下围棋、象棋高得多，远不是机械程式化的反馈动作。度秘涉及到自然语言处理，负责理解人的意图、沟通的顺畅，还应用了语音识别、图像识别，在交互中感知命令。当然，深度神经网络学习也是技术的核心，建立更类似人脑的神经元网络和组织，通过算法和训练模型，不断学习和提升智力水平。

再者，无人驾驶汽车是近年来人工智能领域最热的话题，但至今，谷歌自动驾驶技术还难以商用。去年底，百度无人驾驶汽车在国内首次实现了城市、环路及高速道路混合路况下的全自动驾驶。面对复杂的路况和环境场景，这个大脑需要看得见、听得清，还要在路上思考，判断并决策，其中所应用的深度学习、神经网络、隐层的学习模型和海量训练数据，远比安排一次围棋大战，更接近现实的世界，更趋同于人脑的神经元组织。

其实，度秘和无人驾驶汽车在人工智能技术上覆盖的广度和精度都很高，一个更接近人脑的组织，具备感知、分析和思考、判断决策的能力，能应对各个使用场景。这样的人工智能的复杂程度远超过AlphaGo这样的单腿巨人。这恰恰是强人工智能的范畴。相比弱人工智能的学习和进步速度，强人工智能进化的周期要长得多，更接近人类。

人工智能还有很远的路要走

当前，大众对人工智能的专业理解，存在信息不对称的问题，因此当把人工智能放到围棋游戏上时，连世界冠军都甘拜下风，便很容易让人产生错误的想象，仿佛机器的智力水平超越了人类。这里存在很大误区，是不是具备人类的智力水平，要看放到更多的社会、生活场景下，能否聪明应对各个层次的问题，甚至还具备跟人类一样的思考、情绪、学习能力。

这与AlphaGo完全是两个不同的方向。很简单的比喻，人脑的计算水平再快，也赶不上机器的算力，但机器再聪明，也不可能跟人脑一样复杂多变。拿AlphaGo来说，仅仅是识别、根据经验和自我学习的能力，去给出下一步棋子的行为，但人所在的世界要比这复杂的多，仅仅是感知就有语音（听觉）、图像（视觉）、传感器（触觉）等方面，这么看的话，百度虽然在度秘、无人驾驶等领域有一些成果，但也仅仅是小儿科，李彦宏自己也承认也就2-3岁儿童的水平。

所以说，人工智能确实有很大的想象力，也会给人们的生活带来巨大的便利，这从百度的语音搜索、度秘机器人、无人驾驶的应用场景中，能深刻地体会到，但离科幻片里的情景还有很远的路走，我们可以去接近，但不能神化，也不能犯认知上的错误。AlphaGo打败世界围棋冠军，远不是大家所渲染的那样有阿波罗的意义，超越人类智能是个奇点。而且，相比人工智能的围棋冠军，我们更期待看到具备情感、思维的人工智能的成熟。