登录×
电子邮件/用户名
密码
记住我

为您推荐

AlphaGo

“硅脑”战胜人脑?

FT美国西海岸编辑沃特斯: AlphaGo程序采取了“强化学习”技术,电脑甚至会生成从未学过的策略,专家称这代表机器学习演化过程中的某种新东西。

不是所有的人工智能都生来平等。上周在首尔展示的人工智能,就比如今用在在线推荐引擎和客户支持系统中的普通机器智能更有趣。如果它真能达到所吹嘘的水平,它也许会让真实世界中的大量应用上一个台阶——尽管历史经验表明,人工智能领域那些吸引眼球的突破,并未实现人们在它们最火爆时对它们的期望。

上周四,谷歌(Google)旗下的DeepMind公司在对围棋世界冠军李世石(Lee Se-dol)的第二局比赛中取胜,这令它距离取得这场五局对战的胜利仅一步之遥。此前,DeepMind的AlphaGo程序已在人工智能领域引发了关注。如今,它就要为“硅脑”取得里程碑式的胜利了。

人机对战的噱头并不是什么新事物。IBM在19年前就创造了这种炒作模式。当时,该公司的深蓝(Deep Blue)国际象棋计算机打败了世界冠军加里•卡斯帕罗夫(Garry Kasparov)。那时候,似乎人类智力的一个堡垒已被计算机科学攻破。不过,深蓝更多地是强大硬件的胜利,而不是通常被视为智能基础的算法的胜利。

多年来,国际象棋电脑程序一直在稳定进步,运用强大的计算能力,试图预测未来所有可能的下法,并计算当前最优的一步。由于摩尔定律(Moore's Law)不可阻挡的前进步伐为计算能力带来了指数式增长,深蓝在人机大战中最终大获全胜几乎是定局——这只是个时间问题。

二十年后,深蓝的胜利仍回荡在人们的脑海中,然而它对促进人工智能应用却没起到什么作用。尽管该系统可以在狭小的棋盘上制造奇迹,这种奇迹却并未传递到纷繁复杂、“毫无章法”的现实世界现象。

2011年,IBM还尝试过一种完全不同的噱头。当时,依照其创始人名字命名的电脑沃森(Watson),在美国电视智力问答竞赛节目《危险边缘》(Jeopardy!)中,与几名人类的最佳选手对战。这一次,IBM让自己面对的挑战是解决“自然语言处理”的著名难题,即理解语言的含义,即使这种含义隐藏在双关语和文字游戏中。

沃森的成功是一次人工创造性的胜利。IBM采取了研究人员已知晓多年的一系列推理策略,通过调整这些策略建立了一个系统,该系统在处理语言时的灵活性超过了此前的想象。这一成功启动了IBM最有前途的新业务:沃森部门成为该公司数据分析业务的旗舰部门。

不过,尽管IBM已加紧将这种技术用于真实世界的商业问题,但对于它原本认为有能力解决的真正困难的问题,该公司到目前为止仍然难以解决。

相比之下,DeepMind则是完全不同的一类技术。与国际象棋不同,围棋的可能下法太多了,计算机难以计算。因此,机器可以采取的唯一办法是通过模式识别“理解”棋局的进展,再设计出一种策略并实时调整。因此,这样的系统必须依赖于所谓深度学习技术——人工智能领域近期最惊人进展的幕后技术——运用由人工神经元组成的网络,分析大量数据,寻找模式和“背后含义”。

为了教会该系统,DeepMind让两个围棋程序彼此对弈,使用一种被称为“强化学习”的技术,帮助该技术反复迭代和演化。在对弈中,两台电脑生成了自己从未学过的策略。

人工智能专家仍然不确定是否该称之为新智能的诞生,但暗示,这代表着机器学习演化过程中的某种新东西。

谷歌开展人工智能研究的目标,始终是为了重塑其核心的互联网业务:它不仅仅要通过其现有的搜索引擎展示出相关信息,还要理解并预测用户的需求并提供建议。这种技术还可以用在医疗保健等新的市场中。

至于谷歌到底能在这次弈棋胜利的基础上走多远,还很难判断。不过,李世石显然遭遇了一次活生生的展示。在赛前接受英国《金融时报》采访时,他对电脑获胜的可能性不屑一顾。至少,傲慢依然是人类没有受到挑战的一种能力。

译者/简易

版权声明:本文版权归FT中文网所有,未经允许任何单位或个人不得转载,复制或以任何其他方式使用本文全部或部分,侵权必究。

读者评论

FT中文网欢迎读者发表评论,部分评论会被选进《读者有话说》栏目。我们保留编辑与出版的权利。
用户名
密码
设置字号×
最小
较小
默认
较大
最大
分享×