|
简单点讲，今天的人工智能高峰论坛纯粹就是Google的炫技大会。毕竟Google是本次乌镇围棋峰会的主赞助商，看在钱的份上，竞争对手们自然被拒之门外。这是玩笑话了，其实Google绝对有足够的资本炫技，无论是在人工智能领域还是在互联网领域，它都拥有举重若轻的分量。尤其是代表了Google人工智能水平的AlphaGo在昨天战胜了当今围棋第一人柯洁，Google的底气更足了（真希望昨天是柯洁胜了，今天就能看到台上Google高管和大神们一脸的尴尬了……） 或许考虑到这场人工智能峰会是由体育单位主办的（是不是感觉有些别扭），台下的观众对人工智能这门前沿科技未必了解，于是Google非常体贴地安排了一节知识普及课“什么是AI”，而且讲师居然是赫赫有名的Google大神“姐夫”（Jeff Dean，没听过的自己去问度娘）。作为大神的粉丝，GEEK小编几乎竖着耳朵仔细聆听大神的教诲。或许最好的程序员不是最好的老师，或是内容太过超前以致无从深入浅出，总之小编听得云里雾里、似是而非，最后连“姐夫”自己也摇摇头不知该说什么好了，看来给小白上课比给机器编程难得多。 好了，闲话就此打住，接下来聊聊正事。今天的人工智能峰会论坛分为上下午两场，上午除了聊了聊大家非常关心的AlphaGo外，议题大多比较宏观，如什么是AI、AI是如何工作的、AI的潜能及未来等。下午的议题相对比较务实，如开发者及行业如何应用AI、如何应用AI应对挑战等。为了节省大家的流量，小编列出了一些大家可能比较关心的问题，精选了今天论坛上嘉宾的精彩发言来解答，希望能让各位满意。
Q：为什么计算机下围棋非常困难？Demis Hassabis：是因为围棋的复杂程度仅通过穷举搜索是难以解决的，搜索空间太过庞大。围棋不像国际象棋等游戏靠计算，而是靠直觉。国际象棋的棋子分数不一，而且一开始就将所有棋子放到棋盘上，然后一步步做减法。围棋中没有等级概念，所有棋子都一样。围棋是筑防游戏，棋盘是空的，因此需要盘算未来。小小一子可撼全局，牵一发而动全身。“妙手”如受天启，玄妙深奥。 Q：如何帮AlphaGo提升棋艺？Dave Silver：我们利用卷积神经网络来实现，原版AlphaGo有12层，Master有40层。我们用策略网络和价值网络来解决问题，策略网络进行落子选点，价值网络进行评估。通过人类棋谱来进行监督式学习，调整参数来达到理想效果，通过策略网络来进行强化学习，自我对局成千上万盘，通过价值网络来评估，预测每一步棋后终局的输赢。如果用穷举搜索，范围实在太大，我们需要简化减少搜索量，通过策略网络来聚焦几个有可能的选项，用价值网络来降低搜索深度。就是AlphaGo的树搜索，从树根开始，一个搜索基础上加上一个新搜索，最终把结果提交给树顶。这个过程会重复成百上千次，直到发现哪一步赢棋概率最高。 Q：从去年至今AlphaGo都发生了哪些变化？Dave Silver：去年的AlphaGo在谷歌云上有50 TPUs在运作，搜索50个棋步为10000个位置/秒，并在首尔战胜了韩国棋手李世石。“Master”版的AlphaGo已经无需这么多的TPU了，在单个TPU机器上就能运行。新版AlphaGo与自己对弈，强化学习，自己总结经验来改进。策略网络P以预测AlphaGo的移动，价值网络V以预测获胜者。比如通过复盘发现那一步是胜招，是第10步，我们通过这样的方式反复迭代，新策略和价值网络用于AlphaGo的下一个迭代中，新版AlphaGo可以得到更好结果和数据，达成良性循环。 Q：AlphaGo现在到底有多强？Dave Silver：以围棋等级分来看，以前ZEN、CrazyStone软件约有2000分；与樊麾对阵时的AlphaGo上升到3000分；与李世石对阵时的AlphaGo与上一代机器对弈可以让3子，达到了3500分；而年初化名为“Master”的新版AlphaGo与去年版本的机器对弈又可以让3子，达到惊人的4500分以上。 Q：人工智能是如何实现的？Jeff Dean：人工智能创造出智慧的电脑，机器学习创造出会学习的电脑，从而完成伟大的壮举。神经网络是通过不断输入像素等内容参数，根据结果不断来调优，来达到准确的输出结果，培训出模型，直到自己能找到准确答案。包括通过像素识别内容、音频转换文字、翻译、甚至看图来作文。比如说，2011年神经网络识别图像的错误率是26%，而人类是5%；到了2016年神经网络的错误率已经降到了3%，也就是说战胜人类只用了5年的时间。 Q：发展人工智能是否会导致机器抢人类的饭碗？Eric Schmidt：人工智能是可以走进寻常百姓家，让更多人受益，并非少数人专属，人工智能可以推动方方面面进步，我们也希望让更多人得到好处。如今信息爆炸时代，我们可以通过一些软件工具来帮助管理。比如现在的科学家已无法读完所有文献，而人工智能可帮助科学家有选择的阅读，与他人异地分享阅读。人工智能并非会让更多人失业。目前抚养比越来越高，我们希望通过技术来不断调优这个比例。 Q：机器智慧会超越人类智慧吗？Jeff Dean：人工智能做翻译还不能取代人类，应用是非常广泛的，机器学习还不能达到人类能力，如果相结合会变得更强大 刘知青：人类智慧与机器智慧是两种不同的智慧，无法直接比较。比如AlphaGo是以胜率为基础，人类可能是从招法好坏来判断，两者结合可能会发挥更大效果。 Q：人工智能会不会让机器产生自主意识？Jeff Dean：我们设计出这么多的算法就是为了优化人工智能，但不知道机器能否产生自主意识。不过，保证安全是第一位的。比如自动驾驶，保证它的行为是按照我们的预期发展的。 Q：未来最有可能实现人类智慧和机器智慧结合的领域有哪些？Jeff Dean：卫生保健。今天的医生经验也是有限的，可能几十年只看了几千病人。而如果把所有医生的经验总结在一起，在看病时给医生提建议，可以有助于医生给病人更好的护理。 李佳：是的，机器计算力和人的创造力相结合，医生经验和机器数据相结合，医药研发也是很好的例子，并且可以运用到其他行业，比如农业上预测稻谷产量，从卫星云图去发掘天气，再结合人类千年来知识积累，来产生难以想象的结果。 陈刚：个性化教育领域，孔老夫子两千年前就说有教无类，或者说因材施教，但现在实际上还做不到，老师效率还太低，一个班学生很多，很难做到一对一。基于人工智能大数据，有可能实现完全的因材施教。 刘知青：交通物流。我们看到在围棋取得突破性进展，在交通物流方面，怎么能实现资源高效利用率，是人工智能可以突破的方向。 |
|
|
