人类，不要气馁李世石首败谷歌人工智能看中国制造

i黑马 • 8年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

导读 : 机器学习思考的方式与人类专家不同。

前言

在深蓝成功挑战国际象棋的19年后，2016年3月9日，谷歌公司的人工智能 AlphaGo 击败围棋九段韩国棋手李世石。人工智能再一次刷新了机器智能的记录，突破了人类最后一个智力堡垒。这一天，也将载入史册。面对全新的人工智能技术，人类需要气馁吗？

一

“一个超出大部分人意料的结果

今天，2016年3月9日，发生了一件事情，当然不是那边的日全食，而是地球这边，谷歌人工智能AlphaGo与韩国棋手李世石的第一场中，AlphaGo 获得今日比赛的胜利。双方在较量3个半小时后，李世石宣布认输。

“ 但大家都对机器很看好吗？

其实不然，很少有人在这次的比赛中看好机器。在今天早些时候比赛进行的时候，我看过新浪网一个简短的调查，49%的人认为，谷歌 AlphaGo 会 0-5 输给李世石。

在大部分人心中，不管如何，应该或多或少都会隐隐地相信未来会更好，这点是毋庸置疑的，但在今天的结果的反转上来看，我想，也许是大部分人接受不了机器发展的速度。

二

“ 一个大家依然质疑的问题，人类会输吗？

李世石可能会赢吗？

“ 虽然受到很大冲击，但还是很享受这盘棋，并且很期待后面的比赛。这盘我没下好，所以想后面的棋我胜算还是会很大吧，胜算会是五成吧。” 李世石在今天赛后是这么说的。

我想他是以人类的方式方法这么观察和评估他今天的对手的。所以他认为依然有胜算。

但是！机器是没有特定的 Character 的！

观战的金成龙九段说：“AlphaGo下围棋不像人，可以说是超越了人类的风格。”

是的，对手似人，但不是人。AlphaGo 能快速学习李世石的棋风，但是李世石能知道AlphaGo 的棋风吗？所以这里请允许我用一个词“无懈可击”。

而且大家不要忘记，这还只是一个 Alpha。

“ 这是为什么？

19年前，IBM公司的“深蓝”计算机战胜了国际象棋世界冠军卡斯帕罗夫。当初的方式方法真的追究起来，可以说是胜之不武，毕竟我们认为通过穷举和作弊无两样了。

（图：超级计算机“深蓝”PK国际象棋大师。来自互联网）

这一次不一样。

由于围棋的可能性如此之多，根本就没有什么套路可言。以前的穷举的方式方法根本无法应用于此。下赢围棋的唯一的办法就是让电脑也学会“学习”，而不是死记硬背。

(图：AlphaGo 核心算法原理，来源:gogameguru.com)

简单的说，深度神经网络是AlphaGo的”大脑“，我们先把它当做一个黑匣子，有输入端，也有输出端，中间具体怎么处理先不考虑。那么AlphaGo的”大脑“实际上分成了四大部分：1、Rollout Policy 快速感知”脑“：用于快速的感知围棋的盘面，获取较优的下棋选择，类似于人观察盘面获得的第一反应，准确度不高；

2、SL Policy Network 深度模仿”脑“：通过人类6-9段高手的棋局来进行模仿学习得到的脑区。这个深度模仿“脑”能够根据盘面产生类似人类棋手的走法；

3、RL Policy Network 自学成长“脑”：以深度模仿“脑”为基础，通过不断的与之前的“自己”训练提高下棋的水平；

4、Value Network 全局分析“脑”：利用自学成长“脑”学习对整个盘面的赢面判断，实现从全局分析整个棋局。

可以这么说，

机器学习思考的方式与人类专家不同。

这是一个不对等的思考。

AlphaGo 能快速基于海量的数据进行反复比较演练学习，李世石能够在一晚上学习到吗？

网上有个段子，“不怕AlphaGo 胜，就是怕它假装输掉。”细思极恐。

三

而且从某种角度看，传统专家会消失殆尽。

这并不是一句戏言。如果上面讲解 AlphaGo 的原理过于技术化，我们依然可以通过这样的方式进行阐述：

如果非要把专家和机器智能进行比较，我们可以这么绝对的理解。以一个人类的技术专家为例，他的大部分的经验模式是从可能长达10年的从业经验上累计必要的事件数据，然后总结这种可能存在的模式并不断测试累积，而技术专家之间又通过一定的方式不断进行知识传授和交流，从而实现因果的转换。