“以前柯潔和人類棋手下，始終顯得很從容，但今天臉上充血，顯得很緊張?！表n國(guó)圍棋九段金庭賢說(shuō)。

Google 黑板報(bào)整理了一段 22 秒的短視頻，柯潔揪了自己 4 次頭發(fā)，剩下時(shí)間單手抵住下巴或者扶額。解說(shuō)嘉賓常昊表示柯潔揪頭發(fā)是緊張的表現(xiàn)。

其它一些比如皺眉、咬手指、側(cè)身坐、身子前傾等小動(dòng)作和神情，頻繁被攝像機(jī)鏡頭捕捉到。

“他（柯潔）以往在國(guó)內(nèi)比賽，相對(duì)來(lái)說(shuō)，他用的時(shí)間是比對(duì)手少。今天跟 AlphaGo 之間，他幾乎多用了一個(gè)小時(shí)。”常昊說(shuō)。

似乎所有人，都在期待柯潔有多緊張。

柯潔所處的對(duì)局室里只有寥寥數(shù)人，除了幾家攝影媒體，還有 3 名工作人員、代替 AlphaGo 落子的黃士杰博士以及柯潔自己。整場(chǎng)比賽，黃士杰博士幾乎面無(wú)表情地坐著，幾乎勻速地執(zhí)行 AlphaGo 計(jì)算出的最佳落子。

比賽進(jìn)行到 4 小時(shí) 25 分鐘時(shí)，柯潔輸?shù)袅吮荣悺?/p>

一年多前，AlphaGo 首戰(zhàn)戰(zhàn)勝李世乭，柯潔說(shuō)“就算 AlphaGo 戰(zhàn)勝了李世乭，但它贏不了我?！?/p>

輸了比賽后，柯潔自陳 AlphaGo 越來(lái)越像圍棋上帝，“我還是想和人類下棋，因?yàn)榈轿磥?lái)，我們與 AlphaGo 的差距可能越來(lái)越大?！?/p>

這個(gè)畫面似曾相識(shí)。

2016 年 1 月，AlphaGo 戰(zhàn)勝歐洲冠軍樊麾。

“AlphaGo 目前還沒(méi)到與我談?wù)搫儇?fù)的程度，對(duì)決結(jié)果將會(huì)是 5:0 或者 4:1?！崩钍纴h在自己 AlphaGo 比賽的賽前記者招待會(huì)上報(bào)出出師表。他并不認(rèn)為樊麾輸給 AlphaGo 對(duì)自己起到什么威脅，在他看來(lái)，樊麾是業(yè)余棋手里的頂尖高手。

兩個(gè)月后李世乭 1:4 輸?shù)舯荣?。這位時(shí)年 33 歲的韓國(guó)圍棋世界冠軍如此評(píng)價(jià) AlphaGo， “它（AlphaGo）可以始終保持心理平靜和精神專注，就這方面而言，我覺(jué)得人類比不過(guò)它，盡管我還不大愿意承認(rèn)，AlphaGo 在棋藝上勝過(guò)人類?！?/p>

同樣的情況你也可以在國(guó)際象棋棋王卡斯帕羅夫 1997 年對(duì)戰(zhàn) IBM 深藍(lán)時(shí)看到。

他沒(méi)有考慮過(guò)自己會(huì)輸給深藍(lán)，之前還說(shuō)過(guò)“國(guó)際象棋這游戲就是為我而設(shè)的?！?/p>

卡斯帕羅夫在 1999 年達(dá)到 2851 國(guó)際棋聯(lián)國(guó)際等級(jí)分、2005 年退役。之后 8 年一直沒(méi)人能超過(guò)他，直到 2013 年才由挪威人卡爾森打破記錄。

但現(xiàn)在更多讓人們記住、知道卡斯帕羅夫的事情，還是他在 1997 年輸給國(guó)際象棋人工智能“更深的藍(lán)”。

1997 年 5 月 11 日，國(guó)際象棋人工智能只用 19 步就戰(zhàn)勝了卡斯帕羅夫。棋王這張雙手捧頭的照片成了他最廣為流傳的照片之一。

這次柯潔輸?shù)暮苌伲?AlphaGo 用的處理器功耗也只有去年的 1/10。下圍棋，人被計(jì)算機(jī)超過(guò)，已經(jīng)沒(méi)有任何懸念。

1. 賽前，外界已經(jīng)不對(duì)人類報(bào)什么希望

博彩網(wǎng)站預(yù)測(cè)給出 AlphaGo 獲勝賠率 1.05、柯潔獲勝賠率 8。也就是說(shuō)買 100 元柯潔獲勝，將能獲得 800 元；買 100 元 AlphaGo 勝，能拿回 105元，只賺 5 塊錢。

這和去年李世乭比賽前大不相同，當(dāng)時(shí)還有很多人覺(jué)得人類能贏，包括人工智能專家。

“一年前我期待李世乭 3:2 或者 4:1 戰(zhàn)勝 AlphaGo，我當(dāng)時(shí)沒(méi)預(yù)料它那么強(qiáng)大。今年的結(jié)果毫無(wú)疑問(wèn)，AlphaGO 三場(chǎng)全勝?！痹鴰ш?duì)制作跳棋和國(guó)際象棋程序的喬納森·謝弗爾教授告訴《好奇心日?qǐng)?bào)》。

2. 從圍棋來(lái)看，柯潔是人腦的最后防線

如果說(shuō)圍棋是“人類智慧皇冠上的明珠”，那么這一次和 AlphaGo 對(duì)局的中國(guó)棋手柯潔九段無(wú)疑是最有資格守衛(wèi)這份珍寶的人之一。

柯潔 1997 年出生，自幼學(xué)棋。2008 年取得初段段位，2014 年獲得第二屆百靈杯世界圍棋公開(kāi)賽冠軍，成為中國(guó)大陸第 16 位圍棋世界冠軍，年僅 17 歲升九段。截至目前，柯潔共在以個(gè)人資格出賽的國(guó)際圍棋比賽中取得 4 次冠軍。

2016 年 3 月敗于 AlphaGo 的韓國(guó)棋手李世乭九段比柯潔年長(zhǎng)許多。李世乭 1983 年出生，至今在以個(gè)人資格出賽的國(guó)際圍棋比賽中獲得 18 次冠軍。

國(guó)際上有一個(gè)非常簡(jiǎn)單粗暴的辦法評(píng)價(jià)圍棋選手的實(shí)力：定級(jí)分。法國(guó)計(jì)算機(jī)專家，也是圍棋人工智能程序 CrazyStone 的作者 Rémi Coulom 利用選手的歷史成績(jī)結(jié)合 Elo 算法，建立了一個(gè)給這些選手打分的網(wǎng)站 Go Ratings。因?yàn)槭澜缟喜](méi)有一個(gè)統(tǒng)一的圍棋國(guó)際組織，這個(gè)網(wǎng)站的分?jǐn)?shù)在很多時(shí)候被引用作為圍棋選手世界排名。

從 1991 年到 2006 年，韓國(guó)名將棋手李昌鎬連續(xù) 16 年在 Go Ratings 排名第一，李世乭則從 2007 年到 2011 年連續(xù)五年排名第一，柯潔從 2015 年開(kāi)始成為世界榜首。

但柯潔本人認(rèn)為，Go Ratings 的評(píng)分并不科學(xué)，認(rèn)為它沒(méi)有公信力。

目前，在 Go Ratings 的排名上，柯潔、韓國(guó)棋手樸廷桓、中國(guó)棋手羋昱廷、韓國(guó)棋手申真谞、中國(guó)棋手連笑分列前五名。李世乭排名第 6。

在去年李世乭敗給 AlphaGo 后，柯潔曾發(fā)微博稱，自己能戰(zhàn)勝 AlphaGo。他也曾多次在國(guó)際大賽賽前，公開(kāi)表示自己對(duì)比賽的信心。歷史上，國(guó)際個(gè)人大賽中，柯潔和李世乭共有 8 次對(duì)弈，大比分為 8 比 2，柯潔占有明顯優(yōu)勢(shì)。

3. 之前柯潔已經(jīng)輸給了 Master，這次對(duì)弈的意義是什么？

2016 年 12 月 29 日至 2017 年 1 月 4 日，一個(gè)神秘的賬號(hào) Master 出現(xiàn)在中國(guó)大陸的圍棋在線平臺(tái)奕城圍棋網(wǎng)和野狐圍棋上。奕城圍棋和野狐圍棋是最熱門的圍棋對(duì)弈平臺(tái)，包括柯潔、井山裕太、樸廷桓、羋昱廷、連笑、古力等等眾多日韓三國(guó)眾多的圍棋冠軍和高手都注冊(cè)有賬號(hào)。

但 Master 在快棋比賽中展現(xiàn)出了針對(duì)人類的絕對(duì)優(yōu)勢(shì)。Master 和全世界 60 位世界冠軍、國(guó)內(nèi)冠軍，包括中國(guó)著名圍棋大師聶衛(wèi)平在內(nèi)對(duì)局 60 場(chǎng)，規(guī)則定為每 30 秒下一步的快棋。這 60 場(chǎng)比賽無(wú)一例外全部獲勝。

Master 背后就是 AlphaGo。

在和李世乭和柯潔的比賽中，AlphaGo 的算法表現(xiàn)出了非常穩(wěn)定的性能，能夠以很穩(wěn)定的節(jié)奏，平均幾分鐘一步下完整盤，而作為人類的柯潔和李世乭都多次陷入“長(zhǎng)考”，花費(fèi)很長(zhǎng)時(shí)間思考落子的位置。和限時(shí)數(shù)小時(shí)的正式比賽相比，快棋對(duì)于 AlphaGo 這樣的機(jī)器來(lái)說(shuō)優(yōu)勢(shì)顯著。

當(dāng)年深藍(lán)戰(zhàn)勝卡斯帕羅夫也是這樣。1994年卡斯帕羅夫就在快棋比賽里輸給過(guò)一次人工智能，但兩年后他在不限時(shí)的正式比賽里贏了深藍(lán)。

真正被認(rèn)為人類戰(zhàn)敗，是 1997 年，升級(jí)版深藍(lán)戰(zhàn)勝卡斯帕羅夫。

換句話說(shuō)，在正式比賽里打敗柯潔，AlphaGo 才能說(shuō)戰(zhàn)勝最厲害的人類圍棋棋手。

4. 柯潔自己覺(jué)得有希望么？

看上去是沒(méi)有。

賽前深夜，柯潔在微博上發(fā)了一篇題為《最后的對(duì)決》的短文。他在文中寫道：“無(wú)論輸贏，這都將是我與人工智能最后的三盤對(duì)局。因?yàn)楝F(xiàn)在的 AI 進(jìn)步之快遠(yuǎn)超我們的想象。”

柯潔在去年李世乭與 AlphaGo 對(duì)陣中曾經(jīng)發(fā)過(guò)這樣一條微博：“就算阿法狗戰(zhàn)勝了李世石，但它贏不了我?！蹦菞l微博被轉(zhuǎn)發(fā)了三萬(wàn)次。

但是在今年賽前，柯潔寫道：“我相信未來(lái)是屬于人工智能的。”

去年年末與 Master 對(duì)戰(zhàn)之后，柯潔深夜寫道：“人類數(shù)千年的實(shí)戰(zhàn)演練進(jìn)化，計(jì)算機(jī)卻告訴我們?nèi)祟惾际清e(cuò)的。我覺(jué)得，甚至沒(méi)有一個(gè)人沾到圍棋真理的邊?！?/p>

但他也繼續(xù)說(shuō)棋手會(huì)結(jié)合計(jì)算機(jī)，邁進(jìn)全新的領(lǐng)域，達(dá)到全新的境界，就像“新的風(fēng)暴繼續(xù)來(lái)襲”。

5. 機(jī)器，AlphaGo 和一年前有什么變化？

從比賽形式上看，柯潔和 AlphaGo 的三番棋對(duì)決和去年李世乭的比賽沒(méi)什么差別——AlphaGo 調(diào)用云端的運(yùn)算資源，一位工作人員和人類旗手對(duì)坐，負(fù)責(zé)擺出棋子。

不同的是這次比賽增加了團(tuán)體賽，柯潔還會(huì)在 5 月 25 日和 5 月 27 日與 AlphaGo 再下兩盤。在 5 月 26 日，數(shù)名中國(guó)頂尖職業(yè)圍棋選手還會(huì)組成團(tuán)隊(duì)和 AlphaGo 進(jìn)行兩盤團(tuán)體和配對(duì)比賽。

實(shí)際上這一次 Alpha Go AlphaGo 背后的計(jì)算能力只有此前對(duì)戰(zhàn)李世乭那會(huì)兒的 1/10。去年戰(zhàn)勝李世乭時(shí)，AlphaGo 的程序需要依靠全世界 Google 很多機(jī)房提供計(jì)算能力。

而今天的 AlphaGo 的算力需求更小，它不再是分布式運(yùn)算，整個(gè)程序僅運(yùn)行在一個(gè)單一的云服務(wù)器 TPU 上。這是 Google 去年在開(kāi)發(fā)者大會(huì)上發(fā)布的用于人工智能計(jì)算的單處理器計(jì)算機(jī)，全稱是 Tensor processing unit。

從計(jì)算機(jī)消耗的能耗來(lái)看，去年李世乭相當(dāng)于面對(duì) 10 臺(tái)計(jì)算機(jī)打比賽。而今年柯潔的比賽是貨真價(jià)實(shí)的一比一對(duì)抗，AlphaGo 的程序性能提升了至少 10 倍。

6. ?除了柯潔，這次還有兩個(gè)人類群毆 AlphaGo 的比賽， 有什么意義？

這次的團(tuán)隊(duì)賽還分為兩種：一種是人類組隊(duì)對(duì)陣機(jī)器，第二種是，人和人工智能算法合作，對(duì)陣人類。

意義很明確：如果人工智能算法能夠打敗單個(gè)人類，那么用人類的集體智慧和寫作文對(duì)應(yīng)人工智能是否能贏？人+機(jī)器這樣的組合，能不能產(chǎn)生更好的結(jié)果？

這樣的比賽之前也有過(guò)。2005 年，Playchess.com 舉行了一場(chǎng)“自由式”象棋大賽，參賽者可以任意和其他人或者電腦組隊(duì)。通常情況下，象棋網(wǎng)站都會(huì)運(yùn)用“反作弊”算法來(lái)防止參賽者用電腦程序作弊。

重賞之下，好幾位特級(jí)大師都攜多臺(tái)電腦參加了比賽。一開(kāi)始，結(jié)果不出預(yù)料。人和電腦組隊(duì)，要遠(yuǎn)遠(yuǎn)勝過(guò)最強(qiáng)的電腦。“九頭蛇”（Hydra）和“深藍(lán)”一樣，是一臺(tái)專業(yè)象棋超級(jí)電腦，而面對(duì)棋力較強(qiáng)的人類選手和一臺(tái)較弱的筆記本電腦的組合，它卻敗下陣來(lái)。人類的戰(zhàn)略引導(dǎo)加上電腦精確的戰(zhàn)術(shù)計(jì)算。

但更有意思的是，最后的贏家并不是“人+高配置電腦”的組合，而是兩位美國(guó)業(yè)余選手和三臺(tái)電腦的組合。

他們的技巧是通過(guò)干預(yù)和“教導(dǎo)”，讓電腦們更深入地搜索可能的局面。這一策略不僅勝過(guò)了特級(jí)大師們對(duì)象棋的精深理解，也勝過(guò)了其它參賽者的超強(qiáng)計(jì)算能力。

“棋力較弱的人類+機(jī)器+優(yōu)化的步驟”比強(qiáng)力的電腦本身技高一籌，也優(yōu)于“棋力較強(qiáng)的人類+機(jī)器+較差的步驟”。

7. ?李世乭在賽后怎么看待自己的失?。?/h3>

李世乭在去年 6 月的夏季達(dá)沃斯論壇上說(shuō)，賽前自己存在判斷失誤，低估了對(duì)手的水平：

“當(dāng)時(shí)我看了它和樊麾的比賽，之后我覺(jué)得 AlphaGo 應(yīng)該不是我的對(duì)手，比較確信我會(huì)贏。但是沒(méi)想到，深度學(xué)習(xí)在六個(gè)月期間有這么大的進(jìn)步?！?/p>

他說(shuō)人類和機(jī)器對(duì)弈的時(shí)候，人是處在不利地位的。AlphaGo 始終如一，沒(méi)有情緒波動(dòng)，甚至也不會(huì)意識(shí)到下到第幾局、整個(gè)場(chǎng)面是什么情況。

“我再也不想和 AlphaGo 比賽了。”李世乭說(shuō)。

8. AlphaGo 到底是什么？

AlphaGo 是一款圍棋人工智能，Google 人工智能團(tuán)隊(duì) DeepMind 創(chuàng)造了它。

DeepMind CEO 哈薩比斯今年 5 月 19 日接受 BBC 四臺(tái)采訪時(shí)表示，AlphaGo 是面向圍棋這一“狹窄領(lǐng)域”的人工智能，簡(jiǎn)單說(shuō)，雖然它能打敗世界冠軍，但 AlphaGo 也只能下棋。

9. AlphaGo 怎么學(xué)會(huì)下棋，提升棋藝的？

說(shuō)起這個(gè)，“窮舉”、“蒙特卡羅樹算法”、“深度學(xué)習(xí)”等等一大堆術(shù)語(yǔ)經(jīng)常出現(xiàn)，但沒(méi)有這些基礎(chǔ)也能看懂。

所謂 “深度學(xué)習(xí)”，是 AlphaGo 圍棋訓(xùn)練的第一步，將人類棋譜輸入計(jì)算機(jī)，學(xué)習(xí)人類的落子習(xí)慣。這種“識(shí)別”與人臉識(shí)別、圖像分類等搜索技術(shù)類似。

第一步：把棋盤分拆成小塊，輸入數(shù)據(jù)。AlphaGo 會(huì)把輸入系統(tǒng)的人類棋譜的每一步進(jìn)行分拆，棋盤上每個(gè)落子以及隨后的應(yīng)對(duì)落子算作一個(gè)樣本，AlphaGo 從這些人類棋局中分解出了三千多萬(wàn)個(gè)樣本。

這些樣本集合在一起，能夠識(shí)別出每個(gè)特定的落子之后，哪一種應(yīng)對(duì)方法的概率最高，這個(gè)最高的概率其實(shí)就是人類棋手最喜歡的應(yīng)對(duì)方法。

雖然說(shuō)圍棋“千古無(wú)同局”，但是局部來(lái)看還是有很多相似的模式反復(fù)出現(xiàn)，AlphaGo 就學(xué)會(huì)了這些最受歡迎的下法。

第二步：亂下棋，不過(guò)比純粹亂下要好一點(diǎn)。

AlphaGo 的思考結(jié)合了蒙特卡羅樹搜索。

假設(shè)一個(gè)從來(lái)都沒(méi)下過(guò)圍棋的人，用了分身術(shù)分成兩個(gè)人開(kāi)始在棋盤上亂下，最終這盤棋也會(huì)分出個(gè)勝負(fù)。

第二盤，上一盤贏的那個(gè)分身不再完全是亂下了，開(kāi)始使用贏的那一盤中的一些對(duì)應(yīng)，第三盤棋，第二盤贏的那個(gè)分身開(kāi)始使用第一盤和第二盤中的對(duì)應(yīng)。當(dāng)?shù)?N 盤棋下完之后，這個(gè)始終贏棋的分身就會(huì)獲得最有可能獲勝的落子方法。

以上這 N 盤棋就是一步使用蒙特卡羅樹搜索的思考過(guò)程，思考結(jié)束后的下一個(gè)落子，就是被是推演過(guò)次數(shù)最多，獲勝概率最高的那一步。

AlphaGo 團(tuán)隊(duì)還改進(jìn)了以上這種傳統(tǒng)的蒙特卡羅樹搜索算法。

上面我們說(shuō)過(guò)的深度神經(jīng)網(wǎng)絡(luò)得出了一套人類棋手概率最高的下法，假設(shè)蒙特卡羅樹搜索故事中那個(gè)完全不會(huì)下棋的人學(xué)習(xí)了這套下法，那么之后的“亂下”思考過(guò)程的起點(diǎn)就會(huì)提高很多。這樣一來(lái)，蒙特卡羅樹算法的計(jì)算量就減少很多，提高了效率。

第三步：AlphaGo 自己和自己下棋，來(lái)學(xué)習(xí)棋局。圍棋畢竟變化太多，AlphaGo 需要更多的棋局來(lái)學(xué)習(xí)，于是通過(guò)自我對(duì)弈產(chǎn)生新的棋局。

AlphaGo 自己和自己下棋，棋力的來(lái)源就是第一步通過(guò)學(xué)習(xí)人類棋局得到的落子方法。AlphaGo 左右互搏，自我對(duì)弈幾萬(wàn)盤，就能總結(jié)出贏棋概率更高的新下法，接下來(lái)再用新下法自我對(duì)弈幾萬(wàn)盤，以此類推，最終得到了一套棋力比最初只學(xué)習(xí)人類下法厲害很多的新策略。

那用這新的策略和蒙特卡羅樹搜索結(jié)合是不是更厲害呢？答案卻是否。

因?yàn)槭褂酶怕蕘?lái)訓(xùn)練的這種策略會(huì)讓下法高度集中，變化太少，而蒙特卡羅樹搜索需要更多的變化才更有效。

第四步：局面評(píng)估。

這也是 AlphaGo 最厲害的地方是，它可以像人類一樣在比賽過(guò)程中估計(jì)局面的優(yōu)劣，這樣才有第四局它判斷獲勝幾率太小，選擇中盤認(rèn)輸。

當(dāng)一盤棋開(kāi)始的時(shí)候，AlphaGo 先用第一步訓(xùn)練的下法下若干步，然后亂下一步，接著用第三步自我對(duì)弈訓(xùn)練產(chǎn)生的更厲害的下法下完整盤棋，然后對(duì)結(jié)果做一個(gè)評(píng)估，評(píng)估出“亂下”的那步棋造成的局面是好是壞。

AlphaGo 可以在一步的思考中亂下很多次，總有一次能匹配到真實(shí)對(duì)下棋的狀況。而對(duì)這一步亂下以及后續(xù)結(jié)果的評(píng)估，就是對(duì)當(dāng)前局面的判斷。

10.?對(duì)弈柯潔的 AlphaGo，有著怎樣的計(jì)算能力？

上一次戰(zhàn)勝李世乭的 AlphaGo，根據(jù) Deepmind 的說(shuō)法，是一部運(yùn)行在云端，由全世界的 Google 機(jī)房協(xié)作運(yùn)算的人工智能。5 月 23 日 AlphaGo 戰(zhàn)勝柯潔之后，Deepmind 老大哈撒比斯說(shuō)明，這一次 AlphaGo 是全新的版本，不再使用分布式計(jì)算的方案，調(diào)用的計(jì)算能力只有李世乭版本的十分之一。

具體來(lái)說(shuō)，這一次的 AlphaGo 只用了一個(gè) Google TPU 的計(jì)算能力。

Google TPU 是 Google 去年首次發(fā)布的用于人工智能運(yùn)算的專用硬件，全稱 Tensor Processing Unit，中文可以翻譯成張量處理單元，是一個(gè)飯盒大小的專用硬件。在人工智能研究里，包括 Google 在內(nèi)都在大量使用通用處理器 CPU 和圖形處理器 GPU 進(jìn)行運(yùn)算。比如曾經(jīng)公布過(guò)的一個(gè)版本的 AlphaGo，使用了 1920 個(gè) CPU 和 280 個(gè) GPU，取得了 Go Ratings 網(wǎng)站的 3168 等級(jí)分，世界第一柯潔的等級(jí)分為 3625。

TPU 這種專用硬件的效率比 CPU 加 GPU 快很多。

上周的 Google I/O 大會(huì)上，Google 宣布了 TPU 2.0，它具有四個(gè)專用芯片，每秒可處理 180 萬(wàn)億次浮點(diǎn)運(yùn)算。64 個(gè) TPU 可以拼在一起組成 TPU Pod，可提供大約 11500 萬(wàn)億次浮點(diǎn)運(yùn)算能力。Google 同時(shí)公布了一個(gè)數(shù)字，說(shuō) Google 的大型翻譯模型如果在 32 塊性能最好的 GPU 上訓(xùn)練需要一整天，而 8 塊 TPU 就可以在 6 個(gè)小時(shí)內(nèi)完成同樣的任務(wù)。

2017 年底，Google 就會(huì)把 TPU 計(jì)算服務(wù)變成云服務(wù)，全世界的人工智能研究者都可以租用這種云服務(wù)，幫助加速人工智能研究。和亞馬遜等公司提供的，基于 CPU 和 GPU 的人工智能云服務(wù)相比，Google 的 TPU 更有效率優(yōu)勢(shì)，從成本上來(lái)講，也更便宜。

11.?DeepMind 公司有什么來(lái)頭？

DeepMind 是一家成立于 2010 年、總部位于英國(guó)倫敦的初創(chuàng)公司，主要研究人工智能。2014 年 Google 以 4 億英鎊（約合 6.6 億美元）的價(jià)格打敗 Facebook，買下 DeepMind。這筆交易金額可以排進(jìn) 2014 年全球初創(chuàng)公司收購(gòu)金額前十。

公司創(chuàng)始人哈薩比斯曾有過(guò)數(shù)次創(chuàng)業(yè)經(jīng)歷，最后為了創(chuàng)造一個(gè)通用的、真正能思考的人工智能，創(chuàng)辦 DeepMind。

12.?今天 DeepMind 在 Google 承擔(dān)著什么角色？

DeepMind 的研究圍繞人工智能展開(kāi)。2016 年 7 月前后，Google 用 DeepMind AlphaGo 的深度神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè) Google 內(nèi)部 120 個(gè)數(shù)據(jù)中心和連帶冷卻風(fēng)扇的各個(gè)時(shí)段用電量，然后分配能源，達(dá)到控制冷卻系統(tǒng)和計(jì)算機(jī)服務(wù)器的耗電量的目的。

現(xiàn)在 DeepMind 的辦公室還在距離倫敦國(guó)王十字車站約 2 公里的一處辦公樓里，那里已經(jīng)聚集 400 多位計(jì)算機(jī)和神經(jīng)科學(xué)家。他們還計(jì)劃繼續(xù)擴(kuò)充到 1000 人。

13.?除了 DeepMind 之外，Google 還收購(gòu)了什么人工智能公司？

2014 年收購(gòu)英國(guó) DeepMind 公司不是個(gè)例，Google 在最近 5 年間投資收購(gòu)了不少人工智能公司，例如 api.ai、Timeful、Kaggle 等等。

從 2013 年開(kāi)始到現(xiàn)在，Google 已經(jīng)收購(gòu)了 16 家人工智能公司了?？梢哉f(shuō)是各大科技公司里收購(gòu)最多、布局最早的。

主要是來(lái)自策略的轉(zhuǎn)變。Google CEO 桑達(dá)·皮蔡在 2016 年 5 月宣布將公司從“移動(dòng)為先”的策略轉(zhuǎn)變成“人工智能為先”（AI First）。根據(jù) Google 員工的說(shuō)法，他們已經(jīng)在公司的每一個(gè)產(chǎn)品上都應(yīng)用了機(jī)器學(xué)習(xí)的算法。

Google 買下的公司主要用于拓展現(xiàn)有業(yè)務(wù)。比如 2013 年 Google 收購(gòu)了聚焦于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的初創(chuàng)企業(yè) DNNresearch，用于幫助提升圖像搜索功能。

它也收購(gòu)了像 Deepmind 這樣本身發(fā)展成熟的團(tuán)隊(duì)，收購(gòu)后依然保持獨(dú)立運(yùn)營(yíng)。今年，Google 主要收購(gòu)了一家做視覺(jué)搜索的初創(chuàng)公司 Moodstock，以及語(yǔ)音識(shí)別開(kāi)放平臺(tái) Api.ai。

14. AlphaGo 對(duì) Google 有什么影響？

去年 2 月，AlphaGo 在圍棋上打敗李世乭的消息，讓不少人開(kāi)始關(guān)注人工智能。

而也是在這次比賽之后，Google 制定“人工智能為先”的策略，今年 5 月舉行的開(kāi)發(fā)者大會(huì)上皮蔡再次強(qiáng)調(diào)這一點(diǎn)，現(xiàn)場(chǎng)還做了不少人工智能都能做什么的演示，例如這樣的用語(yǔ)音控制的調(diào)酒機(jī)：

15. ?AlphaGo 之后還要打更多游戲么？

更多的比賽只有營(yíng)銷價(jià)值。圍棋就是終極比賽，是人腦在公平游戲里的最后防線。

這是因?yàn)閲迤灞P一共有 361 個(gè)落子點(diǎn)，圍棋每一步的可能性都是天文數(shù)字，靠計(jì)算機(jī)窮舉原理上就是不可能的。其它游戲的限制少很多，人工智能更有機(jī)會(huì)依靠窮舉法取得比賽勝利。

對(duì)于把下棋當(dāng)作人工智能測(cè)試平臺(tái)的研究者來(lái)說(shuō)，1997 年 IBM 超級(jí)計(jì)算機(jī)“深藍(lán)”(Deep Blue)在戰(zhàn)勝國(guó)際象棋世界冠軍加里·卡斯帕羅夫(Garry Kasparov)之后，圍棋就一直是最大的挑戰(zhàn)。

之前有報(bào)道稱 AlphaGo 要和人類選手比賽《星際爭(zhēng)霸 2》，你能想象人類和計(jì)算機(jī)比操控單位的速度么？

16. ?那 DeepMind 接下來(lái)要干什么？

在醫(yī)療領(lǐng)域，DeepMind 已經(jīng)有所建樹，他們跟倫敦皇家免費(fèi)醫(yī)院（Royal Free London）簽訂一紙為期五年的付費(fèi)合約，處理后者 170 萬(wàn)條患者記錄。

DeepMind 的第一項(xiàng)醫(yī)療研究是幫助醫(yī)生診斷眼部疾病，2016 年 7 月，他們宣布了與英國(guó)國(guó)民健康服務(wù)（National Health Service）的最新合作項(xiàng)目，與倫敦摩菲眼科醫(yī)院一起，讓人工智能幫助醫(yī)生診斷，預(yù)防眼部疾病。

這個(gè)長(zhǎng)達(dá)五年的研究項(xiàng)目將利用摩菲眼科醫(yī)院超過(guò)百萬(wàn)的患者數(shù)據(jù)庫(kù)，讓人工智能學(xué)會(huì)“看”眼部掃描。簡(jiǎn)單來(lái)說(shuō)就是讓人工智能把這些掃描結(jié)果全部“看”一遍，從而訓(xùn)練出能夠發(fā)現(xiàn)病變征兆的模型。

DeepMind 還被運(yùn)用在了 Google 的數(shù)據(jù)中心：幫 Google 省電費(fèi)。它那套深度神經(jīng)網(wǎng)絡(luò)被用來(lái)預(yù)測(cè) Google 內(nèi)部 120 個(gè)數(shù)據(jù)中心和連帶冷卻風(fēng)扇的各個(gè)時(shí)段用電量，然后分配能源。據(jù)稱，現(xiàn)在整套算法能將 Google 的能源利用提高 15%。

DeepMind 還和哈佛一起研究了讀唇語(yǔ)的軟件，他們研發(fā)的這個(gè)唇語(yǔ)閱讀軟件 LipNet 準(zhǔn)確率高達(dá) 93.4%。這個(gè)準(zhǔn)確率遠(yuǎn)高于此前研發(fā)出來(lái)的其他唇語(yǔ)設(shè)備。

去年 11 月，DeepMind 宣布將與暴雪娛樂(lè)合作，讓人工智能學(xué)會(huì)玩《星際爭(zhēng)霸 II》游戲，因?yàn)榕c棋類比起來(lái)，《星際爭(zhēng)霸》更能模擬真實(shí)世界的混亂狀況。

對(duì)于 DeepMind 來(lái)說(shuō)，無(wú)論是讓人工智能學(xué)會(huì)圍棋還是打游戲，目的都是研發(fā)“通用型人工智能”，DeepMind 創(chuàng)始人哈薩比斯去年在劍橋大學(xué)的一場(chǎng)演講中表示：“我們的首要使命便是解決人工智能問(wèn)題；一旦這個(gè)問(wèn)題解決了，理論上任何問(wèn)題都可以被解決。這就是我們的兩大使命了?！?/p>

今年 3 月，省電這件事被 DeepMind 用到了公司之外，他們與英國(guó)國(guó)家電網(wǎng)公司討論，計(jì)劃用人工智能技術(shù)幫助英國(guó)節(jié)省 10%的用電量。

17. ?人工智能真的會(huì)下圍棋么？這得看你怎么理解下棋這回事

這個(gè)看上去有點(diǎn)明顯的問(wèn)題，可以套用在很多東西上。人工智能是不是真的懂 365 種語(yǔ)言？人工智能是不是真的會(huì)寫詩(shī)？

哲學(xué)家 John R. Searle 在 1980 年（一段人工智能很熱的時(shí)期）提出過(guò)一個(gè)關(guān)于人工智能的思維游戲，叫“中文屋子”。

游戲假設(shè)人工智能的研究已經(jīng)可以成功造出一臺(tái)表現(xiàn)起來(lái)懂中文的電腦。它能輸入中文，然后在電腦程序的指導(dǎo)下輸出一個(gè)個(gè)中文字符。這臺(tái)電腦執(zhí)行起任務(wù)來(lái)叫人如此信服，能輕松通過(guò)圖靈測(cè)試：讓一個(gè)講中文的人以為電腦程序也是一個(gè)懂中文的人，對(duì)所有中文提問(wèn)它都能給出合適的回答，因而會(huì)有人相信他們正在和一個(gè)懂中文的人聊天。

所以本質(zhì)上說(shuō)，即使人工智能靠模仿騙過(guò)人類，但它對(duì)問(wèn)題仍然沒(méi)有任何理解，因此不具備真正的智能。

18. ? 通過(guò)圖靈測(cè)試，也不等于人工智能有智力

計(jì)算機(jī)科學(xué)之父艾倫·圖靈在 1950 年首次提出了這個(gè)關(guān)于機(jī)器人是否可以思考的著名實(shí)驗(yàn)：人類測(cè)試員在不知情的情況下面對(duì)計(jì)算機(jī)，用文字和其交談，如果計(jì)算機(jī)成功欺騙了測(cè)試人員假裝成一個(gè)真實(shí)的人類，那么該計(jì)算機(jī)便被證實(shí)“會(huì)思考”。

后來(lái)英國(guó)皇家學(xué)會(huì)將圖靈的標(biāo)準(zhǔn)具體化：在一系列時(shí)長(zhǎng)為 5 分鐘的鍵盤對(duì)話中，只要計(jì)算機(jī)被誤認(rèn)為是人類的比例超過(guò) 30%，那么這臺(tái)計(jì)算機(jī)就被認(rèn)為通過(guò)了圖靈測(cè)試。

一年一度的 Loebner Prize 比賽便以此標(biāo)準(zhǔn)，這個(gè)大賽也早就出現(xiàn)了“通過(guò)測(cè)試”的機(jī)器人，比如 2011 年的 Cleverbot 程序達(dá)到 59% 的通過(guò)率。

2014 年還出現(xiàn)過(guò)這樣的新聞標(biāo)題《俄羅斯團(tuán)隊(duì)開(kāi)發(fā)人工智能機(jī)器人，首次通過(guò)圖靈測(cè)試?！愤@臺(tái)名為 Eugene Goostman 的計(jì)算機(jī)被描述為“把自己偽裝成十三歲的男孩，騙過(guò)了超過(guò) 30% 的評(píng)測(cè)人員?！?/p>

Eugene Goostman 的批評(píng)者認(rèn)為，這個(gè)所謂機(jī)器人就是單純地為了通過(guò)這個(gè) 5 分鐘測(cè)試而設(shè)計(jì)的，編寫者還頗有心機(jī)地把它設(shè)定成一個(gè) 13 歲的非英語(yǔ)母語(yǔ)的小孩，以便在很多問(wèn)題無(wú)法回答或者出現(xiàn)錯(cuò)誤的時(shí)候，讓裁判誤以為這是因?yàn)樗挲g小而產(chǎn)生的語(yǔ)無(wú)倫次。也就是說(shuō)，Goostman 既不是“第一個(gè)通過(guò)測(cè)試”的程序，也不是一臺(tái)人工智能機(jī)器人。

話說(shuō)，想讓計(jì)算機(jī)蒙混過(guò)關(guān)并不復(fù)雜，這里還有 10 個(gè)伎倆，有興趣的話可以看看。

19. 很顯然人類也沒(méi)有創(chuàng)造出像人腦一樣的計(jì)算機(jī)

今天大小科技公司都在談人工智能，而神經(jīng)網(wǎng)絡(luò)計(jì)算則是說(shuō)明自己技術(shù)前沿的最佳例證。當(dāng)它的原理被市場(chǎng)部們幾經(jīng)簡(jiǎn)化之后，已經(jīng)變成“像人腦神經(jīng)網(wǎng)絡(luò)一樣工作”。

但是 1980 年就已經(jīng)出現(xiàn)的神經(jīng)網(wǎng)絡(luò)計(jì)算和人腦只有極為模糊的聯(lián)系。一個(gè)大問(wèn)題是科學(xué)家目前根本不知道人腦里那張由無(wú)數(shù)神經(jīng)元突觸組成的網(wǎng)絡(luò)究竟是怎么“計(jì)算”的。

正如伯克利大學(xué)人工智能與機(jī)器學(xué)習(xí)專家邁克爾·喬丹（Michael I. Jordan）所說(shuō)的：“我們完全不知道大腦是怎樣存儲(chǔ)信息和運(yùn)作的，這里頭的規(guī)則是什么？是什么算法？因此我們現(xiàn)在還不能說(shuō)用大腦的理論去指導(dǎo)人工智能系統(tǒng)?！?/p>

Google（Alphabet）董事長(zhǎng)施密特也說(shuō)：“我們不認(rèn)為讓計(jì)算機(jī)模仿大腦可以去做人工智能，我覺(jué)得這個(gè)太復(fù)雜，大腦的神經(jīng)元太多了，計(jì)算機(jī)只是借助了人類大腦的一些概念?！?/p>

20. ?人工智能也還不會(huì)自我繁殖并進(jìn)化

自我繁殖，并且在這個(gè)過(guò)程里進(jìn)化，是生命的重要一步。但這還沒(méi)實(shí)現(xiàn)。

現(xiàn)代計(jì)算機(jī)創(chuàng)始人之一約翰·馮·諾伊曼（John von Neumann）在 1940 年代就提出了機(jī)器人生產(chǎn)機(jī)器人的概念。馮·諾伊曼認(rèn)為，任何能夠自我繁殖的系統(tǒng)，都應(yīng)該同時(shí)具有兩個(gè)基本功能：第一，它必須能夠構(gòu)建某一個(gè)元素，并且用這些元素組裝和自己一樣的下一代；第二，它必須能夠把對(duì)自身的描述傳遞給下一代。

曾經(jīng)有人依據(jù)這個(gè)理論提出了一個(gè)名叫 Auxons 的項(xiàng)目，給這個(gè)機(jī)器人安裝高溫熔爐，讓它在沙漠里獲取原料和能量。不過(guò)這個(gè)項(xiàng)目最終連概念圖都沒(méi)有實(shí)現(xiàn)。

21. ?直接上傳思維和記憶也還不可能，因?yàn)槲覀冞€不知道大腦是怎么運(yùn)作的

這也是影視作品中的經(jīng)典設(shè)定，比如《超驗(yàn)駭客》里，德普飾演的科學(xué)家把自己的意識(shí)“上傳”到云端，繼而成為了不死的虛擬人。英劇《黑鏡》也有人死后把意識(shí)存放在云端“天堂”從而永生的故事。

但現(xiàn)在還沒(méi)有任何人有辦法移植記憶，原因在于沒(méi)人知道大腦究竟怎么存儲(chǔ)記憶。事實(shí)上，就連記憶存在大腦的什么地方都是未解之謎，更別提什么保存記憶了。

或者讓我們更（笨拙地）哲學(xué)一點(diǎn)，到底什么才算是“記憶”？你記得的那些，還是你認(rèn)為你記得的那些？

22. ?這幾年，人工智能“學(xué)會(huì)”了不少人的技能

客服。美國(guó)的第四大通信運(yùn)營(yíng)商 Sprint 從去年 1 月份大刀闊斧地裁撤了 2500 名電話接線客服人員，取而代之的是能自動(dòng)為客戶提供咨詢服務(wù)的 app 工具。

處理保險(xiǎn)理賠。日本富國(guó)生命保險(xiǎn)相互公司從今年 1 月開(kāi)始，用“IBM Watson Explorer” 取代原本公司的 34 名理賠人員，他們過(guò)去的工作主要是查閱投保人的就醫(yī)記錄等文件來(lái)確定理賠錢數(shù)，定損并且處理相關(guān)手續(xù)，人工智能可以提高 30% 的工作效率。

資產(chǎn)管理，選股票。管理 5.1 萬(wàn)億美元資產(chǎn)的全球最大投資管理公司貝萊德也在更多建立自動(dòng)化流程，用人工智能來(lái)選購(gòu)股票，并裁減了 30 多名分析師和基金經(jīng)理——占所在部門總?cè)藬?shù)的 7% 左右。

撰寫新聞稿。全球最大的新聞通訊社——美聯(lián)社平臺(tái)上大多涉及數(shù)字的財(cái)經(jīng)報(bào)道是與人工智能合作完成的。騰訊也推出過(guò)寫財(cái)經(jīng)和體育新聞的機(jī)器人。

用人工智能修復(fù)渣畫質(zhì)的照片。人工智能領(lǐng)域的專家 Roland Meertens 通過(guò)自己訓(xùn)練的算法將 1998 年 由 Game Boy 外置攝像頭所拍攝的渣畫質(zhì)照片修復(fù)成了彩色并且像素更高的圖片。

處理和篩選照片。Google Photos 會(huì)給你的照片自動(dòng)歸類、添加濾鏡、制作相冊(cè)。

畫畫。Google 甚至用人工智能畫了抽象畫，賣出了一萬(wàn)美元的價(jià)格。

翻譯。Google Translate 已經(jīng)全面引入圖像識(shí)別，把鏡頭對(duì)準(zhǔn)不認(rèn)識(shí)的文字，它會(huì)自動(dòng)翻譯成目標(biāo)語(yǔ)言。Google 表示他們的神經(jīng)機(jī)器翻譯系統(tǒng)（GNMT） 能降低 80% 的翻譯錯(cuò)誤率，并且十分接近人類譯員的翻譯水平。

駕車。特斯拉、各大車廠推出的輔助駕駛系統(tǒng)，實(shí)際上相當(dāng)于一個(gè)機(jī)器人在幫你開(kāi)車。Google 的完全自動(dòng)駕駛也做到了全程無(wú)人。

創(chuàng)作劇本。一個(gè)叫 Benjamin 的人工智能寫了一段科幻短片，還被拍了出來(lái)參加倫敦科幻電影節(jié)的 48 小時(shí)短片制作挑戰(zhàn)賽。

23. ?機(jī)器可能不會(huì)真的學(xué)習(xí)，但很多人還不如機(jī)器

日本國(guó)立情報(bào)研究所（NII）于 2011 年發(fā)起了“東大機(jī)器人計(jì)劃”（Todai Robot Project）。自 2013 年以來(lái)，團(tuán)隊(duì)每年都讓機(jī)器人在真實(shí)的考場(chǎng)接受演練。

在去年的中心考試（日本大學(xué)招生的統(tǒng)一考試）中，Todai 機(jī)器人排名在前 20%， 達(dá)到了超過(guò) 60% 的大學(xué)的入學(xué)標(biāo)準(zhǔn)。團(tuán)隊(duì)的目標(biāo)是，2020 年以前能讓 Todai 機(jī)器人考進(jìn)東京大學(xué)。

Todai Robot 的考試技能依靠于 AI 的檢索和優(yōu)化能力。

有趣的是，機(jī)器不會(huì)理解題目的真實(shí)內(nèi)涵。

問(wèn)題是，很多人類考生也好不到哪里去。大部分學(xué)生都還停留在死記硬背的水平，像 AI 一樣不能理解、不會(huì)或者根本不仔細(xì)閱讀。

實(shí)際工作中，只會(huì)照著公司做好的流程處理問(wèn)題的人并不少見(jiàn)。比如有的電話客服人員就只會(huì)跟著公司預(yù)先設(shè)置的 QA 回答。

同樣并不理解自己學(xué)習(xí)的技能，計(jì)算機(jī)快無(wú)數(shù)倍，還完全不會(huì)違規(guī)。人被搶走工作也是理所應(yīng)當(dāng)?shù)牧恕?/p>

24. 機(jī)器已經(jīng)搶走了不少工作

美國(guó)最大的經(jīng)濟(jì)研究機(jī)構(gòu)——全國(guó)經(jīng)濟(jì)研究所（NBER，全美超過(guò)一半的諾獎(jiǎng)經(jīng)濟(jì)學(xué)得主都曾是該機(jī)構(gòu)的成員）發(fā)布過(guò)一份報(bào)告，全面分析了 1990 到 2007 年的勞動(dòng)力市場(chǎng)情況主要針對(duì)藍(lán)領(lǐng)工作。

他們發(fā)現(xiàn)，每增加一個(gè)機(jī)器人，意味著要干掉 3 - 5.6 個(gè)本地崗位。同時(shí)薪資水平也受到影響，在 1000 名工人中每增加 1 個(gè)機(jī)器人，所有人的平均薪資將降低 0.25 - 0.5 個(gè)百分點(diǎn)。這也意味著當(dāng) 1000 人運(yùn)作的生產(chǎn)線上出現(xiàn) 20 個(gè)機(jī)器人時(shí)，留下來(lái)的工人的平均收入就會(huì)降低 5 - 10%。

這份報(bào)告針對(duì)的是自動(dòng)化機(jī)器人，和 AlphaGo 這種人工智能相比還很初級(jí)。

25. ?哪些類型的工作會(huì)被人工智能取代？

麥肯錫根據(jù)情境模型預(yù)測(cè)認(rèn)為今天人類 50% 的工作活動(dòng)將在 2055 年被自動(dòng)化，因?yàn)楦鞣N影響因素和經(jīng)濟(jì)狀況的不確定性，這個(gè)時(shí)間可能會(huì)早 20 年，也可能會(huì)晚 20 年。

調(diào)查涵蓋了美國(guó) 800 多種工作崗位的 2000 多種工作，認(rèn)為當(dāng)這些工作崗位涉及收集數(shù)據(jù)、處理數(shù)據(jù)、以及可預(yù)測(cè)環(huán)境下的體力勞動(dòng)這些活動(dòng)最有可能被機(jī)器取代，這些崗位需要為員工提供的工資約為 2.7 萬(wàn)億美元，它們?cè)谥圃鞓I(yè)、住宿和食品服務(wù)、零售領(lǐng)域最為普遍。

花旗銀行全球視角及解決方案部門曾發(fā)布一份報(bào)告稱，歐美銀行預(yù)計(jì)在 2015-2025 這十年間將會(huì)裁員 30%，數(shù)量最多將達(dá)到 170 萬(wàn)人，約相當(dāng)于 6 個(gè)冰島的人口，這其中，最重要的影響因素就是 Fintech（金融科技），互聯(lián)網(wǎng)技術(shù)將越來(lái)越多地取代銀行的中介作用，消費(fèi)者直接和機(jī)器互動(dòng)的時(shí)間會(huì)越來(lái)越多。

投資機(jī)構(gòu) ArkInvest 預(yù)測(cè)，接下來(lái) 20 年美國(guó)會(huì)有 7600 萬(wàn)個(gè)工作崗位因?yàn)?AI 而消失，這個(gè)數(shù)字是奧巴馬執(zhí)政 8 年創(chuàng)造的工作崗位數(shù)量的 10 倍。英格蘭銀行估計(jì)，48% 的人類工作都將會(huì)被機(jī)器人和算法取代。

26. 跳棋、國(guó)際象棋、圍棋……為什么棋總被當(dāng)作人工智能的發(fā)展標(biāo)志？

加拿大阿爾伯塔大學(xué)的教授喬納森·謝弗在早先接受《好奇心日?qǐng)?bào)》采訪時(shí)表示：因?yàn)橐?guī)則是固定的，每步棋子可能性是有限的，下棋的能力有分?jǐn)?shù)可以評(píng)估，還有人類的對(duì)手可以和程序?qū)尽匝芯咳斯ぶ悄艿南蠕h們總是把棋牌游戲當(dāng)做是人工智能測(cè)試的最完美方式。

謝弗帶領(lǐng)的團(tuán)隊(duì)曾經(jīng)寫出了跳棋程序 Chinook，在 1995 年打敗人類冠軍。

27. 這些棋類是怎樣一個(gè)一個(gè)被打敗的？

跳棋：1992 年，跳棋程序 Chinook 挑戰(zhàn)跳棋高手馬里恩·廷斯利(Marion Tinsley)，戰(zhàn)敗。1995 年，Chinook 再次挑戰(zhàn)，6 局平手，之后廷斯利因病退賽，Chinook 最終取得了冠軍?，F(xiàn)在 Chinook 已經(jīng)不會(huì)輸（跳棋容易平局）。

國(guó)際象棋：卡斯帕羅夫 1985 年連續(xù)跟 32 臺(tái)電腦下棋并取得勝利、1996 年 4:2 戰(zhàn)勝深藍(lán)，但在 1997 年，卡斯帕羅夫 2.5:3.5 敗給深藍(lán)。

圍棋：AlphaGo 在 2015 年 5:0 戰(zhàn)勝樊麾；2016 年 3 月以 3:1 戰(zhàn)勝李世乭；2017 年 5 月，暫時(shí) 1:0 領(lǐng)先柯潔。

28. AlphaGo 的進(jìn)化看上去更快？

確實(shí)如此。

可以參考國(guó)際象棋比賽里，人工智能和象棋大師卡斯帕羅夫的對(duì)弈。

卡斯帕羅夫不只是世界冠軍，他在很長(zhǎng)一段時(shí)間被認(rèn)為是人類歷史上最厲害的棋手。

即便在卡斯帕羅夫退役后，他的定級(jí)分也等了 8 年才被目前的世界冠軍，挪威棋手芒努斯·卡爾森（Magnus Carlsen）超過(guò)——而早已變成政治運(yùn)動(dòng)家的卡斯帕羅夫從 2009 年就開(kāi)始幫著培訓(xùn)卡爾森。

1989：深思 vs. 卡斯帕羅夫

臺(tái)灣學(xué)生許峰雄(Feng-Hsuing Hsu)，寫了一個(gè)象棋程序深思（Deep Thought），由此開(kāi)始了一個(gè)慣例，即在程序前加個(gè)前綴“deep”來(lái)表示它運(yùn)行在并行處理器上。比賽中，電腦根本不是對(duì)手。

1994：Fritz, Genius 在快棋賽 vs. 卡斯帕羅夫

1994 年上半年，英特爾在慕尼黑組織了可能是史上最強(qiáng)的閃電戰(zhàn)大賽，有 17 名特級(jí)大師參加。Fritz 最后和卡斯帕羅夫并列第一。在復(fù)賽中，卡斯帕羅夫 4:1 大勝。

英國(guó)人 Richard Lang 編寫的程序 Geniu 舉行的英特爾職業(yè)國(guó)際象棋聯(lián)合會(huì)拉力賽中戰(zhàn)勝卡斯帕羅夫，并把他淘汰出局。不過(guò)那是 25 分鐘的快棋賽。

1996：深藍(lán) VS 卡斯帕羅夫

許峰雄加入 IBM，和協(xié)作程序員莫雷·坎貝爾（Murray Campbell）開(kāi)發(fā)深藍(lán)。首局深藍(lán)獲勝，但之后卡斯帕羅夫兩和、三勝打敗深藍(lán)。

1997 深藍(lán) vs帕羅夫　

1997 年版本的深藍(lán)運(yùn)算速度為每秒 2 億步棋，是其 1996 年版本的 2 倍。1997 年 6 月，深藍(lán)在世界超級(jí)電腦中排名第 259 位。一個(gè)說(shuō)法是，深藍(lán)可搜索及估計(jì)隨后的 12 步棋，而一名人類象棋好手大約可估計(jì)隨后的 10 步棋。

最后卡斯帕羅夫以 1 勝、2 負(fù)、3 和，總比分 2.5:3.5 輸?shù)袅吮荣悺Ｔ僦?，就沒(méi)有人類象棋冠軍能在正式規(guī)則比賽中打贏人工智能。

28. ?AlphaGo 會(huì)改變圍棋選手的訓(xùn)練方法

在國(guó)際象棋領(lǐng)域，卡斯帕羅夫被深藍(lán)戰(zhàn)勝之后一樣，一個(gè)人機(jī)對(duì)戰(zhàn)的時(shí)代結(jié)束了，一個(gè)人與電腦一起探索棋力的時(shí)代開(kāi)始了。

人工智能的勝利，并不意味著這門游戲的終結(jié)，它幫助提升了棋手的水平，廉價(jià)、智能的國(guó)際象棋軟件也吸引到了更多的人來(lái)參與這項(xiàng)運(yùn)動(dòng)。

卡斯帕羅夫之后，國(guó)際象棋界仍然有明星誕生，克拉姆尼克、阿南德和近年最耀眼的卡爾森，都是普通人可能聽(tīng)說(shuō)過(guò)的名字。

十多年來(lái)，提供計(jì)算機(jī)和大量數(shù)據(jù)分析，已經(jīng)成為國(guó)際象棋頂級(jí)賽事的常規(guī)服務(wù)，頂級(jí)國(guó)際象棋選手也越來(lái)越多借助超級(jí)電腦制定競(jìng)賽計(jì)劃。前國(guó)際象棋世界冠軍阿南德曾表示：“電腦對(duì)于提高(國(guó)際象棋)水平有很大幫助?！?/p>

尤其是用電腦進(jìn)行開(kāi)局的準(zhǔn)備。國(guó)際象棋特級(jí)大師王皓告訴《好奇心日?qǐng)?bào)》，他們平時(shí)都會(huì)依靠軟件訓(xùn)練，比賽結(jié)束之后也會(huì)用計(jì)算機(jī)分析棋局。

2014 年，23 歲的挪威人馬格努斯·卡爾森衛(wèi)冕國(guó)際象棋世界冠軍之后，《金融時(shí)報(bào)》發(fā)表了一篇題為《卡爾森：戰(zhàn)勝電腦的國(guó)象大師》的文章，這并不是說(shuō)那場(chǎng)賽事有計(jì)算機(jī)選手參賽，而是說(shuō)卡爾森的對(duì)手們都習(xí)慣用超級(jí)計(jì)算機(jī)來(lái)計(jì)算開(kāi)局，卡爾森則不像他的對(duì)手們那樣依賴計(jì)算機(jī)分析?？柹淖龇?，已經(jīng)成了特例。

在深藍(lán)戰(zhàn)勝人類國(guó)際象棋大師之后的十幾年后，不使用計(jì)算機(jī)的人類棋手成為了罕見(jiàn)的特例。但是卡爾森也曾接受過(guò)人工智能的訓(xùn)練，他也被認(rèn)為是所有人類棋手中最接近電腦的棋手。

可以想象，圍棋的未來(lái)也會(huì)是類似的方向。

去年年末與 Master 對(duì)戰(zhàn)之后，柯潔深夜寫道：“人類數(shù)千年的實(shí)戰(zhàn)演練進(jìn)化，計(jì)算機(jī)卻告訴我們?nèi)祟惾际清e(cuò)的。我覺(jué)得，甚至沒(méi)有一個(gè)人沾到圍棋真理的邊?！?/p>

但他也繼續(xù)說(shuō)棋手會(huì)結(jié)合計(jì)算機(jī)，邁進(jìn)全新的領(lǐng)域，達(dá)到全新的境界，就像“新的風(fēng)暴繼續(xù)來(lái)襲”。

圍棋，應(yīng)該也不會(huì)例外。只是未來(lái)不會(huì)再有超越電腦的圍棋大師，只會(huì)有最接近電腦的棋手。

30. ?人工智能可以往前追溯到神話，但它真正接近我們是從電子計(jì)算機(jī)開(kāi)始的

1950 年代的黑客馬文·明斯基被普遍認(rèn)為是人工智能之父，他在去年年初去世。這里有關(guān)于他的報(bào)道。

另一位從如何看待“思考”考慮人工智能的先驅(qū)則是計(jì)算機(jī)之父阿蘭·圖靈。1950 年，圖靈寫了一份關(guān)于機(jī)器思考的論文，叫做“機(jī)器會(huì)思考嗎？”，里面提到了一個(gè)測(cè)試機(jī)器是否有“感覺(jué)”的方法，簡(jiǎn)單來(lái)說(shuō)就是讓人透過(guò)屏幕跟機(jī)器聊天，看看能否判斷屏幕背后的是真人還是機(jī)器，這個(gè)方法后來(lái)被稱作是“圖靈測(cè)試”。

他的圖靈測(cè)試是多年來(lái)人工智能研究者的目標(biāo)，2015 年，首次人工智能算法通過(guò)了圖靈測(cè)試。

話說(shuō)回來(lái)，圖靈還是世界上第一個(gè)象棋計(jì)算機(jī)程序的創(chuàng)作者。不過(guò)當(dāng)時(shí)他的程序沒(méi)有計(jì)算機(jī)有足夠的計(jì)算能力去執(zhí)行，每下一步棋需要 30 分鐘。

31. ?人工智能研究經(jīng)歷過(guò)兩次高潮和低谷

人工智能研究在高潮和低谷之間不斷交替。

第一次低谷出現(xiàn)在 1974-1980 年，這時(shí)候人工智能研究開(kāi)始遭遇批評(píng)，隨之而來(lái)研究所缺少資金支持。批評(píng)主要集中在，研究者們過(guò)于樂(lè)觀，承諾無(wú)法兌現(xiàn)。美國(guó)英國(guó)政府這期間停止向沒(méi)有明確目標(biāo)的人工智能研究項(xiàng)目撥款。

第二次在 1987-1993 年這一輪低谷主要在于人工智能商業(yè)化的失敗。受到日本政府研究規(guī)劃的刺激，美國(guó)政府和企業(yè)再次在人工智能領(lǐng)域投入數(shù)十億美元的研究經(jīng)費(fèi)，但到了 80 年代末他們重新撤回了投資。一個(gè)征兆在于，1987 年的硬件市場(chǎng)需求下跌同時(shí) XCON 等最初大獲成功的專家系統(tǒng)維護(hù)費(fèi)用居高不下。

到了 80 年代晚期，戰(zhàn)略計(jì)算促進(jìn)會(huì)決定大幅削減對(duì)人工智能的資助，認(rèn)為人工智能不是“下一個(gè)浪潮”。到 1991 年，人們發(fā)現(xiàn)十年前日本宏偉的“第五代工程”也并沒(méi)有實(shí)現(xiàn)。

32. ?近 5 年的人工智能發(fā)展可能是史上最快的

據(jù)彭博社，2015 年是 AI 的里程碑年份，Google 內(nèi)部應(yīng)用 AI 的項(xiàng)目從 2012 年的“零星幾個(gè)”擴(kuò)展到 2700 個(gè)。

2016 年，超過(guò) 30 個(gè)公司說(shuō)要做自動(dòng)駕駛。由于數(shù)據(jù)和人才的關(guān)系，人工智能是一個(gè)大公司占優(yōu)的關(guān)系。但行業(yè)內(nèi)的大公司都在積極收購(gòu)。根據(jù) The Information ，過(guò)去兩年時(shí)間收購(gòu)人工智能公司最多的是 Google，買了 9 家公司，包括 AlphaGo。接著是蘋果買了 5 家人工智能創(chuàng)業(yè)公司，以及同樣買了 4 家人工智能公司的英特爾和 Twitter。

2012 年到 2015 年，在代表計(jì)算機(jī)智能圖像識(shí)別最前沿發(fā)展水平的 ImageNet 競(jìng)賽（ILSVRC）中，參賽的人工智能算法在識(shí)別準(zhǔn)確率上突飛猛進(jìn)。 2014 年，在識(shí)別圖片中的人、動(dòng)物、車輛或其他常見(jiàn)對(duì)象時(shí)，基于深度學(xué)習(xí)的計(jì)算機(jī)程序超過(guò)了普通人類的肉眼識(shí)別準(zhǔn)確率。

33. ?這次熱，背后有實(shí)際的應(yīng)用驅(qū)動(dòng)

這一次浪潮背后, 是機(jī)器學(xué)習(xí)在商業(yè)產(chǎn)品上的應(yīng)用，現(xiàn)在它可以解決實(shí)際問(wèn)題了。Google 工程師杰夫·迪恩（Jeff Dean）說(shuō)：“我認(rèn)為在過(guò)去 5 年，最重大的突破應(yīng)該是對(duì)于深度學(xué)習(xí)的使用。這項(xiàng)技術(shù)目前已經(jīng)成功地被應(yīng)用到許許多多的場(chǎng)景中，從語(yǔ)音識(shí)別到圖像識(shí)別，再到語(yǔ)言理解。而且有意思的是，目前我們還沒(méi)有看到有什么是深度學(xué)習(xí)做不了的。希望在未來(lái)我們能看到更多更有影響力的技術(shù)。”

實(shí)際上最積極推動(dòng)人工智能的公司，已經(jīng)把 AI 放進(jìn)可用的產(chǎn)品之中、解決各種日常問(wèn)題了。Google 不僅要知道你搜索過(guò)什么，還能看懂你上傳的圖片內(nèi)容。亞馬遜用人工智能幫助推薦商品、調(diào)整定價(jià)。整個(gè) Facebook 上，用戶看到什么信息也都是由人工智能決定。這些看上去突然對(duì)人工智能熱衷起來(lái)的公司，已經(jīng)投入了多年研發(fā)。

34. ?關(guān)于 AlphaGo，經(jīng)常提到深度學(xué)習(xí)，這是什么？

在今年的 Google I/O 開(kāi)發(fā)者大會(huì)上，Google 公司的 CEO 桑達(dá)·皮蔡解釋了未來(lái)戰(zhàn)略：“我們將會(huì)在人工智能和機(jī)器學(xué)習(xí)上加大賭注?！薄耙?yàn)樯疃葘W(xué)習(xí)的優(yōu)勢(shì)，我們現(xiàn)在可以讓圖片、視頻變得更有用了。”

這樣的發(fā)言不少，很多科技公司都會(huì)聲稱自己進(jìn)入了人工智能領(lǐng)域，靠深度學(xué)習(xí)。

傳統(tǒng)程序是根據(jù)事件條件，給出結(jié)果?！皺C(jī)器學(xué)習(xí)”的定義是不用明確編寫程序，就能讓計(jì)算機(jī)學(xué)習(xí)——讓機(jī)器大量接觸數(shù)據(jù)，自己從中找到規(guī)律，改進(jìn)判斷。而深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)里最熱門的分支，被認(rèn)為推動(dòng)了這次人工智能躍進(jìn)。

“深度學(xué)習(xí)就是一種人工智能學(xué)習(xí)技術(shù)，通過(guò)把大量數(shù)據(jù)‘喂’進(jìn)系統(tǒng)，嘗試自己建立模型，通過(guò)模型自己做決定，就像我們現(xiàn)在認(rèn)為的人類大腦工作的原理那樣。”英國(guó)阿爾斯特大學(xué)計(jì)算機(jī)科學(xué)教授、IEEE 安全技術(shù)專家，專門研究計(jì)算機(jī)網(wǎng)絡(luò)和系統(tǒng)凱文·科倫（Kevin Curran）在早先的采訪中這么對(duì)《好奇心日?qǐng)?bào)》解釋深度學(xué)習(xí)是什么。

具體到 AlphaGo 身上。深度學(xué)習(xí)是通過(guò)審視記憶來(lái)做出決定的，因?yàn)?AlphaGo 已經(jīng)看過(guò)那么多的例子，接下來(lái)深度神經(jīng)網(wǎng)絡(luò)中會(huì)自動(dòng)權(quán)衡重要性然后進(jìn)一步做出決定。

所以說(shuō)，深度學(xué)習(xí)是通過(guò)審視記憶來(lái)做出決定的，因?yàn)?AlphaGo 已經(jīng)看過(guò)那么多的例子，接下來(lái)深度神經(jīng)網(wǎng)絡(luò)中會(huì)自動(dòng)權(quán)衡重要性然后進(jìn)一步做出決定。

之前開(kāi)發(fā)跳棋應(yīng)用打敗所有人類的計(jì)算機(jī)教授喬納森·謝弗用地圖來(lái)解釋深度學(xué)習(xí)的工作方式：

你可以把它想象成一個(gè)帶有點(diǎn)和連接的網(wǎng)絡(luò)吧。就像一個(gè)地圖一樣，我們假設(shè)城市是點(diǎn)，然后連接是路。

我們來(lái)假設(shè)這地圖上的連接會(huì)動(dòng)態(tài)變化。例如，本來(lái)從 A 到 B 點(diǎn)只需要走 10 分鐘，但現(xiàn)在看著這條路的實(shí)時(shí)路況，系統(tǒng)自動(dòng)調(diào)整了時(shí)間，例如上下班高峰期 13 分鐘，其他時(shí)間 9 分鐘。這就是一個(gè)學(xué)習(xí)的例子。更進(jìn)一步說(shuō)，這個(gè)網(wǎng)絡(luò)還可以建新的路，所以 A 和 B 之間的最佳路徑還可能會(huì)改變。

對(duì)應(yīng)到 AlphaGo 上，每一個(gè)“城市”就是一個(gè)知識(shí)點(diǎn)，他們之間連接的“路”就是知識(shí)與知識(shí)之間的連接。想象使用一個(gè)地圖在城市中導(dǎo)航，每個(gè)城市的計(jì)算價(jià)值，是連接它的路數(shù)量的總和。同樣的，一個(gè)知識(shí)點(diǎn)的價(jià)值，也依賴于它的連接情況。

當(dāng)我們看紙質(zhì)地圖的時(shí)候，這個(gè)地圖是二維的。然后想想兩張地圖疊在一起，在地圖上不同的連接也交織著。AlphaGo 使用的是十三層的網(wǎng)絡(luò)，所以也能讓不同的知識(shí)點(diǎn)有更多連接的可能。

在一場(chǎng)圍棋比賽中的特定時(shí)刻，有些知識(shí)點(diǎn)會(huì)使用，而另一些則不會(huì)。就像是你能去某一些城市，另外一些則禁止你入境一樣。知道這些信息，會(huì)改變“城市點(diǎn)”的連接情況，更會(huì)改變這個(gè)城市的連接價(jià)值——這也就是每一個(gè)棋步的來(lái)源。

35. ?人工智能顯然會(huì)搶走工作，但它會(huì)創(chuàng)造新的么？

一方面，人工智能取代人類就業(yè)的報(bào)告一個(gè)接一個(gè)。

網(wǎng)景創(chuàng)始人、著名風(fēng)險(xiǎn)投資人Marc Andreessen認(rèn)為，“就像今天我們大多數(shù)人都從事著 100 年前不存在的工作一樣，100 年后也會(huì)是如此。”

目前來(lái)看人類的某些技能機(jī)器很難復(fù)制，比如常識(shí)、適應(yīng)性和創(chuàng)造力。麻省理工學(xué)院的經(jīng)濟(jì)學(xué)家 David Autor 說(shuō)，“即使是實(shí)現(xiàn)了自動(dòng)化的工作崗位，常常也需要人工的參與，比如自動(dòng)化麻醉設(shè)備旁邊，就需要有醫(yī)生值守協(xié)助操作?！?/p>

再比如用機(jī)器人為新聞媒體寫稿，這并沒(méi)有導(dǎo)致記者數(shù)量的減少。人工智能寫的只是需要速度但不需要深入分析的東西，比如體育比賽結(jié)果快訊、以及不那么模板一致的公司財(cái)報(bào)快訊。它們做了許多人沒(méi)有精力做的工作，讓有經(jīng)驗(yàn)的記者去寫更有價(jià)值的報(bào)道。

但如果沒(méi)有經(jīng)歷低價(jià)值的“笨工作”的訓(xùn)練，剛走出學(xué)校的人又有多少能一下獲得經(jīng)驗(yàn)、找到一個(gè)不能被人工智能替代的高級(jí)工作呢？

36. ?如果人工智能真的搶了工作，人們的生活方式會(huì)發(fā)生怎樣的變化？

未來(lái)學(xué)家馬丁·福特（Martin Ford）在今年的 TED 大會(huì)做了一場(chǎng)演講，為我們描述了一個(gè)人工智能主導(dǎo)社會(huì)生產(chǎn)的社會(huì)。

從積極的一面來(lái)看，人們有了更多的時(shí)間休閑，有更多時(shí)間來(lái)陪伴家人，這似乎是我們現(xiàn)在努力追求的東西，但是問(wèn)題也出現(xiàn)了。

未來(lái)或許人類可以接受沒(méi)有工作，或者只領(lǐng)少許的薪水，但是這一切都會(huì)給社會(huì)造成經(jīng)濟(jì)壓力，因?yàn)槿祟悰](méi)有有工作、或者只擁有少量收入，消費(fèi)能力就就會(huì)減弱，從現(xiàn)有的社會(huì)經(jīng)濟(jì)制度來(lái)看，社會(huì)產(chǎn)品和通貨緊縮，容易造成社會(huì)動(dòng)蕩。

福特認(rèn)為，我們必須在傳統(tǒng)的工作中找到分離收入的辦法，在他看來(lái)，最好的解決方案是從保證最低收入開(kāi)始，這么做很可能會(huì)變得必不可少。

但是需要在基本工資的基礎(chǔ)上增加“獎(jiǎng)勵(lì)機(jī)制”，鼓勵(lì)那些沒(méi)有工作的人去完成教育、參加社區(qū)服務(wù)，因此獲得更多的獎(jiǎng)勵(lì)薪資。更重要的是，人們要知道如何在不需要工作的社會(huì)里還能找到生活的意義和滿足感。

而這一切都需要社會(huì)的機(jī)制、體系進(jìn)行改革和重塑，不會(huì)是件容易事。

福特的觀點(diǎn)可以看他的暢銷書《機(jī)器人時(shí)代:技術(shù)、工作與經(jīng)濟(jì)的未來(lái)》。

37. ? 悲觀主義者包括霍金、馬斯克還有比爾·蓋茨，他們相信無(wú)節(jié)制發(fā)展人工智能可能導(dǎo)致人類的毀滅

這三位都在最近表示過(guò)對(duì)人工智能的擔(dān)憂。

史提芬·霍金：“我們已經(jīng)擁有原始形式的人工智能，而且已經(jīng)證明非常有用。但我認(rèn)為人工智能的完全發(fā)展會(huì)導(dǎo)致人類的終結(jié)。”

埃隆·馬斯克：“我們需要萬(wàn)分警惕人工智能，它們比核武器更加危險(xiǎn)。”

比爾·蓋茨：“如果我們處理得好，人工智能具有積極意義……我同意伊隆·馬斯克和其他一些人的說(shuō)法，不明白為什么有些人并不關(guān)心?！?/p>

去年 4 月，馬斯克和美國(guó)初創(chuàng)公司孵化機(jī)構(gòu) Y Combinator 成立了一個(gè)非營(yíng)利組織 OpenAI，準(zhǔn)備籌集 10 億美元的資金，去對(duì)抗人工智能可能會(huì)帶來(lái)的問(wèn)題。

去年 9 月，亞馬遜、Facebook、Google、IBM 和微軟五家公司在去年 9 月聯(lián)合發(fā)起人工智能聯(lián)盟 Partnership on AI，旨在努力減輕公眾對(duì)于正在學(xué)習(xí)自主思考的機(jī)器的恐慌?；谶@五個(gè)巨頭的共識(shí)，這一行業(yè)聯(lián)合組織制定了一系列用于工程開(kāi)發(fā)和科學(xué)研究的基本道德標(biāo)準(zhǔn)。

38. ?就連機(jī)器人是不是應(yīng)該決定人類生死，今天都還沒(méi)有定論

科幻小說(shuō)家阿西莫夫在 1942 提出了著名的“機(jī)器人三定律”：機(jī)器人不得傷害人類，或因不作為使人類受到傷害；除非違背第一法則，機(jī)器人必須服從人類的命令；在不違背第一及第二法則下，機(jī)器人必須保護(hù)自己。

但這只是阿西莫夫的設(shè)想，不是各國(guó)軍隊(duì)的共識(shí)。事實(shí)上機(jī)器可以輕而易舉地決定人類的生死。目前在全球已經(jīng)有超過(guò) 30 個(gè)國(guó)家配備了“致命性自主武器系統(tǒng)”，未來(lái)戰(zhàn)爭(zhēng)的一些區(qū)域可能是人工智能在自主決定是否射殺屏幕上出現(xiàn)的運(yùn)動(dòng)物體。

美國(guó)國(guó)防部已經(jīng)在實(shí)驗(yàn)讓無(wú)人機(jī)自己判斷地面上誰(shuí)是需要被消滅的敵人。

從軍隊(duì)角度，人工智能決定生死有諸多好處，比如它效率更高、幾乎一定比人更準(zhǔn)確，并且殺人不會(huì)有負(fù)罪感和戰(zhàn)后創(chuàng)傷。這引起巨大爭(zhēng)議。2013 年 5 月，由它引發(fā)的道義、倫理、人權(quán)問(wèn)題首次被提到聯(lián)合國(guó)人權(quán)理事會(huì)。但這并不是一場(chǎng)一邊倒的爭(zhēng)論，阿西莫夫的三定律不一定是我們將會(huì)面對(duì)的未來(lái)。

用 MIT 斯隆商學(xué)院研究員?Michael Schrage 的話說(shuō)，“如果庫(kù)布里克再拍《奇愛(ài)博士》，他會(huì)拍這些自動(dòng)化的武器?！?/p>

來(lái)源 好奇心日?qǐng)?bào)