這只是開始
一年前那場人機對弈帶來的震驚與轟動， 至今令人記憶猶新。 以至於說到人工智慧在圍棋領域的殺傷力， 我們就不得不提擊敗了圍棋世界冠軍李世石九段的AlphaGo。
但這只是開始。
2017年伊始， 一個名為“Master”的ID在網路測試中以60盤全勝的戰績， 橫掃包括世界冠軍在內的中日韓多位頂尖棋手。 就在全世界對其身份進行各種猜測的時候， Master宣佈自己就是AlphaGo的升級版。
坐擁數千年歷史的圍棋， 一向因其複雜多變的下法被認為是人類在智力遊戲上的一個“堡壘”。 現如今， 世界上最優秀的人類棋手卻屢屢敗給人工智慧，
面對這些問題， 北京郵電大學電腦圍棋研究所所長劉知青教授近日在上海圖書館“上圖講座”開講， 與著名圍棋學者胡廷楣暢談“從阿爾法狗(AlphaGo)到馬斯特(Master) ——人工智慧和文化”。
“阿爾法狗”的“見、聞、知、行”
AlphaGo， 俗稱“阿爾法狗”。 “不聞不若聞之， 聞之不若見之， 見之不若知之， 知之不若行之”。 在劉知青看來， 出自《荀子·儒效》的這句話， 概括“阿爾法狗”的學習能力特別貼切。 荀子認為學一樣本領需要做到聽、看、理解和實踐四位一體， 而“阿爾法狗”對圍棋的掌握， 恰恰體現了“學習”這件事的精髓。
視覺與形象思維， 是人類智慧的兩個重要組成部分，
解決了兩大難點
劉知青認為， 圍棋有兩個相對特殊的難點：一個是面對圍棋盤面， 如何進行選點和落子；另一個是如何在下棋的過程中，
過去電腦圍棋一直使用一種叫做“蒙特卡洛樹搜索”的技術， 其底層有堅實的數學基礎， 上層則採用計算、模擬、採樣、優化等一系列數學方法。 最近幾年， 又引入了“神經網路”， 實現了對上述兩個難點的解決。 神經網路的作用有二：一是通過學習高水準棋手的棋譜， 獲得盤面落子的直覺， 即通常說得“棋感”；二是通過機器的增強型學習， 判斷形勢， 通過運用盤面優劣評價函數， 及時識別那些非最優的招法， 並停止搜索相關的決策方法。
“人工神經網路”是什麼
這種能夠幫助人工智慧打敗世界冠軍的神經網路， 究竟是什麼？
通俗地講， 神經網路類似於人類大腦的組織結構， 通過神經元的某種聯結來組成。
事實上， 人工神經網路這一概念幾十年前就已提出， 只是最近才成為人工智慧領域一門非常重要的技術。 而它之所以變得越來越重要， 就在於獲得了資料和大規模超級計算的支援。 大量的資料能夠對神經網路進行有效的訓練， 再加上神經網路本身也發生了一些結構上的根本變化， 使其可以實現圖像識別的適應。
“阿爾法狗”就是經過訓練的人工神經網路。 它通過向人工神經網路輸入圖元點，
3000萬盤棋VS 15萬
經過訓練的“阿爾法狗”， 又是如何進行形勢判斷的呢？
所謂形勢判斷， 是指面對一個圍棋盤面， 可以看出到底是黑棋還是白棋終將獲勝， 並且這種對輸贏的判斷還必須具有定量方面的基礎支撐。 而定量需要使用一個數值來表示勝率多少。 當然， 此種意義上的勝率是一個動態變化的過程。 神經網路就具備這種功能， 它可以判斷一個圍棋盤面勝率的大小， 繼而採取相對應的下棋策略。
令人類自歎弗如的是，“阿爾法狗”已經自我對弈了3000萬盤棋，這個數字是人類根本無法企及的。那麼人類一生可以自我對弈多少呢？據測算，15萬盤，可能就是人類棋手的極限了。
新的“闖入者”
簡單地把專家的思維方式和條理邏輯輸入電腦，是過去的老辦法了。如今的人工智慧會傳授關於學習的方法，因此人工神經網路的深度學習能力很強。
劉知青與不少相關領域專家都認為，人工神經網路具有通用性， 能夠應用到不同領域，除了圍棋，也可以是自動駕駛、醫療影像等等。最近一段時間，我們已經看到，很多類似的重要領域都在使用這種技術。他提出，在人工神經網路技術不斷發展的背景下，未來司機、醫生及其他職業的部分工作是否可以被機器替代，會是一個值得思考的現實問題。
儘管只有數十年歷史的人工智慧，相較於已有幾千年歷史的人類而言，還是一個非常新的“闖入者”。但是人工智慧已經表現出顛覆性的特徵，通常認為只有人類能做的一些事情，現在機器也可以高品質地完成。機器取代的人類的恐慌，也以科幻、藝術等形式被提出和蔓延。
作為學者，劉知青認為人工智慧顛覆性的背後，還有很多法律、道德和倫理方面的問題需要解決。他舉例說，假如未來出現一家具有壟斷地位的公司，同時掌握了先進的人工智慧，那會不會一家獨大而讓其他人統統成為附屬？類似這些都是值得關注和思考的問題。
互相離不開
關於人工智慧未來的發展趨勢，他深信一點——人類和機器會更加緊密地結合在一起。
人類離不開機器，因為人類需要機器的説明，因此我們應該擁抱人工智慧，而不是出於種種原因對此排斥。
而機器也離不開人，因為正是人類給機器提供了大量的實證資料，才讓機器能夠進一步地優化和學習。
不過，在另一名演講嘉賓胡廷楣看來，無論人工智慧在圍棋領域發展得多麼強大，有一點仍然是它無可取代的，那就是機器跟人下圍棋的時候，沒有“人文氛圍”——贏棋的時候不能唱歌，輸棋的時候不能罵人。
文/劉璐 曹飛 繼而採取相對應的下棋策略。令人類自歎弗如的是，“阿爾法狗”已經自我對弈了3000萬盤棋，這個數字是人類根本無法企及的。那麼人類一生可以自我對弈多少呢？據測算，15萬盤，可能就是人類棋手的極限了。
新的“闖入者”
簡單地把專家的思維方式和條理邏輯輸入電腦，是過去的老辦法了。如今的人工智慧會傳授關於學習的方法，因此人工神經網路的深度學習能力很強。
劉知青與不少相關領域專家都認為，人工神經網路具有通用性， 能夠應用到不同領域，除了圍棋，也可以是自動駕駛、醫療影像等等。最近一段時間，我們已經看到，很多類似的重要領域都在使用這種技術。他提出，在人工神經網路技術不斷發展的背景下，未來司機、醫生及其他職業的部分工作是否可以被機器替代，會是一個值得思考的現實問題。
儘管只有數十年歷史的人工智慧，相較於已有幾千年歷史的人類而言，還是一個非常新的“闖入者”。但是人工智慧已經表現出顛覆性的特徵，通常認為只有人類能做的一些事情，現在機器也可以高品質地完成。機器取代的人類的恐慌，也以科幻、藝術等形式被提出和蔓延。
作為學者，劉知青認為人工智慧顛覆性的背後，還有很多法律、道德和倫理方面的問題需要解決。他舉例說，假如未來出現一家具有壟斷地位的公司，同時掌握了先進的人工智慧，那會不會一家獨大而讓其他人統統成為附屬？類似這些都是值得關注和思考的問題。
互相離不開
關於人工智慧未來的發展趨勢，他深信一點——人類和機器會更加緊密地結合在一起。
人類離不開機器，因為人類需要機器的説明，因此我們應該擁抱人工智慧，而不是出於種種原因對此排斥。
而機器也離不開人，因為正是人類給機器提供了大量的實證資料，才讓機器能夠進一步地優化和學習。
不過，在另一名演講嘉賓胡廷楣看來，無論人工智慧在圍棋領域發展得多麼強大，有一點仍然是它無可取代的，那就是機器跟人下圍棋的時候，沒有“人文氛圍”——贏棋的時候不能唱歌，輸棋的時候不能罵人。
文/劉璐 曹飛