抛开围棋,人类从此多了一个得力助手!

来源:    发布日期:2016-03-15 10:33:04   阅读量:0

文/王飞跃(中国科学院自动化研究所研究员、复杂系统管理与控制国家重点实验室主任)

  机器的优势是精准的算法、较强的学习和模仿能力,所以机器基本不会出错,而人是具有心理起伏的,有可能会出错,所以从长远看,机器人终将在很多方面战胜人类,围棋只是其中之一的项目而已。

  但机器与人的最大区别在于,人是具有主观意图的,他有强烈的意愿主动去做某些事情。而机器不管多么强大,它都是基于各种算法基础上做出的选择,最大的缺陷是缺乏主动去做事的意图。从这个意义上说,我们大可不必为人类被机器战胜所担忧。机器战胜了人类,并非是人类的失败,而是人类多了一个得力的助手。

  围棋的计算诱惑

  围棋是对立统一的结晶!黑与白、浅与深、易与难,简单与复杂,全在19×19的361个方圆天地之间。

  上世纪九十年代初,我与UA工学院老院长Terry Triffet(特里·菲特)和Herbert Green (赫博·格林)两位先生合作进行大脑的计算建模研究时,Green教授曾鼓动我与他一起做人工智能围棋。IBM的“深蓝”战胜卡斯帕罗夫之后,我一直希望中国能开发出计算机围棋程序战胜人类的棋手,除了有感围棋源于中国却成于日本之外,还因为围棋才能真正体现人工智能的灵性,而不单是硬件的威力。

  去年吴韧离开百度后,我们曾在硅谷计划合作举办围棋的人机大赛,我起的名字就叫Let’s Go ,就是想加快人工智能围棋的研发与实践,让围棋在中国人手里输给计算机。当时我自己的心愿是利用平行的方法开发人工智能围棋系统,验证平行智能的理念。近日,闻听吴韧的异构智能将开发“异构神机”围棋程序,非常高兴,既告知我也会尽快组织“平行围棋”队伍,参与将来的相关活动。

  人类智力的边界

  《自然》杂志发表AlphaGo文章的方式,加上同时宣布本次大赛的安排,最初都引起自己本能性的反感,一是觉得这是学术圣地的堕落,二是不愿相信计算机围棋能在如此短的时间取得如此大的进步。

  春节期间,下载相关论文学习了几遍,看法大大改变。利用深度神经网络建立对局势的评估函数,这是Facebook的Darkforest等系统没有的,也使得很大程度上“瞎蒙”的蒙特卡洛搜索树方法从开环的方式转入闭环的、利用价值函数进行优化的形式,这与自适应动态规划ADP方法几乎完全一致!特别让我感兴趣的是Self Play的应用,3000万局的数据!这也正是自己想通过软件定义的对决产生人工数据进行优化的平行围棋的思路,我相信这一方向仍有很大的开拓空间。

  无论对弈的结果,我还是坚持这与时下热议的人工智能战胜人类智能无半毛钱的关系。任何规则明确的问题或任务都应该是计算机战胜人类,早晚只是时间而已,围棋不应例外。

  我坚信既然人的理性是有限的,智力也一定有限,机器更是如此,因此不存在什么“奇点”问题。实际上,如果你相信科学,就一定有限,因为整个宇宙的生命都是有限的。“奇点”之奇,怕是在有限生命和空间之外,问题是那里什么点都可以有。

  新IT时代的开始

  许多人对AlphaGo有着极高的评价和期望,认为这是人工智能的里程碑事件和Human Level人工智能的开始。对此我有不同的看法和观点。

  这次比赛结果非常重要,但其意义不是对Human Level人工智能的研究,而是针对搜索和优化问题的处理。它将大大提高人们对深度网络DNN的信心,实际上为优化中的NP-hard问题提供了一个现实的解决方案! 整个系统,整个工厂,甚至整个城市的决策优化问题都可以利用AlphaGo的思路去解决。

  这将产生一个巨大的新行业,软件定义的系统、工厂、城市将成为现实,大数据真正成了原料,数字化的经验、案例、预演都将成为生产力,计算实验与计算优化将成为管理的“新常态”,或许这就是新IT时代的开始?若真如此,我更希望是平行的ADP成为这趋势的开路先锋!■