|
逻辑头脑力 2017-10-20
道生一，一生二，二生三，三生万物…… 混沌学中有一个很重要的结论，即：简单系统可以产生复杂行为，复杂系统可以产生简单行为。相应的有个周期三即混沌理论，通俗讲就是周期三之后，系统就进入到乱七八糟，不可辨识的混沌状态，任何可能性都会发生。 2017年10月19日，阿尔法狗团队宣布最新版的阿尔法元，在没有接受任何人类知识指导的情况下，仅仅通过对围棋规则的自我理解和推演练习，就在三天后修炼成“神”战胜了老版的阿尔法狗，并且是以100:0的巨大优势胜出。 这一消息发布后，当即引起社会各界专业人士的震惊，对此360老总周鸿祎不无伤感自嘲地评论道： 这件事确实颠覆了一般性的深度学习，这才是真正的人工智能，我觉得机器即使不会产生意识，但是会训练出超越人类的规则与经验，本来我不相信机器会奴役人类的，但是我觉得机器开始超越人类的进程开始了，十年后当反抗机器的地下黑客组织躲在地下洞穴里在昏暗的灯光下，感慨起来围棋的突破改变了历史。
前一段时间，我和一位IT界的牛人曾深度探讨过人工智能的内在机制问题，对于目前人工智能技术迟迟不能突破“理解力”这一关我感到很疑惑，在我看来智能的本质就是信息反馈环，一个信息反馈环就相当于一个智能“原子”，当足够多的信息反馈环暴力堆积起来，具有理解力和自我意识的复杂性智能自然就会诞生。不过，遗憾的是，以他的IT技术思维总是无法理解我的想法，他一直坚持智能是被设计出来的，不相信靠混乱无序的自然堆积就可以衍生出智能和自我意识。 后来我又换了一个思路问他：为什么人工智能不可以通过简单的观察模仿人的行为动作来建立足够多的大数据变得“聪明”呢？其实许多工作是不需要人工智能具有复杂的理解力，只要能够总结归纳出标准动作，完美执行即可，例如银行前台服务，公务员政务处理，，企业流水线工作、汽车飞机驾驶等等。对于这个观点他倒是蛮赞同的，认为这是一个未来人工智能技术的发展趋势——用“简单的模仿智能+大数据观察搜集”来解决现实中的问题。 不过，他也谈到现在许多人工智能技术在理论上可以做到，但从实用系统角度来谈，还会受制于技术成本、能量消耗、使用效率、市场价格等因素，所以迟迟不能在现实中普遍推广。但对于未来人工智能的普及速度他是持乐观态度的，他给我科普了一下计算机、互联网的发展进程： 1946年，第一台电子计算机诞生。 1976年，第一台苹果牌电脑诞生，这意味着计算机开始普遍进入寻常百姓家。 1969年，两台电脑主机之间实现通讯，第一代互联网诞生，当时这仅仅是少数科学家之间的交流工具。 1998年，谷歌公司诞生，这意味着互联网开始成为普通人广泛利用的信息搜集网络工具。 1997年，国际象棋世界冠军卡斯帕罗夫与IBM公司的国际象棋电脑“深蓝”的六局对抗赛降下帷幕，最后卡斯帕罗夫以一胜二负三和的战绩败北。人工智能在复杂性智力游戏领域首次战胜人类。 2016年，围棋世界冠军李世石与阿尔法狗首次交锋，最后以4:1的悬殊差距败北，人工智能技术迅速火遍全球，并成为商家企业和各国政府高度关注的发展目标。
听这位朋友分析，在IT领域30年基本上是一个技术大周期，即产品技术从实用化到推广普及，不会超过三十年。从第一台电子计算机到个人电脑普及是三十年，从第一代互联网诞生到走入寻常百姓家也是三十年。现在人工智能技术实用化已经过去了二十年，未来十年将会是一个技术井喷爆发的阶段，前五年人工智能会被大量应用于商业企业和政府机构，最多不会超过十年，个人实用型人工智能就会像手机一样普及。 未来十年，是很长的时间，也是很短的时间，值得期待，也令人恐惧…… 让我们再次把视线转向新出炉的阿尔法元，探究一下它为什么是人工智能危机最后的一个临界点。在我看来，人工智能技术在过去是采用“医生式智能”处理问题，即通过大数据标注，让人工智能记住不同问题的应对模式，然后照方抓药。实际上它并不能真正理解自己在做什么，真正的理解应当是建立在创新基础上的举一反三，通过规则推演，找到新的而且是正确的解决方案。在这里，找到新方案比较容易，找到又新又正确的方案比较难，这就需要去理解胜负背后更加玄奥的“天道”规则。以学生解数学题为例，通过题海战术，你可以让学生把可能考到的所有题型都做一遍，临场的时候一一对应发挥即可。但是从本质上讲，这种训练是侧重于记忆智能的培养，而不是推理智能的培养。真正的推理智能是你可以从几条基本规则，推导出一个世界，类似于欧几里得老先生构建平面几何学体系的本领素质。
在过去，外行人总把创新创造视为虚无飘渺的灵感迸发，其实真正研究思维科学的人都知道，所谓的创新其实就是推理，任何一门学科体系都是由几个基本公理定律推导出来的知识“圣殿”，只是前期人们大量的工作是消耗在发现一些零散知识碎片上，因为受人脑智能格局所限，人们不可能一开始摸索到一头完整的“大象”，看到的只是局部，当局部知识经验积累足够多时，才会有一个天才人物诞生，整合过去的散乱无序的知识碎片，将其构建为一个完整的理论体系。在历史上，亚里士多德是这样做的，欧几里得是这样做的，牛顿是这样做的，门捷列夫是这样做的，爱因斯坦也是这样做的…… 今天，阿尔法元也具有了这种天才式的智能，它第一次拥有了独立整合知识的推理型智能，而且它无需站在巨人的肩膀上，自己就可以在短时间快速摸索穷尽一个领域中的所有关键节点，创造出超越人类智能格局的理论体系，这才是最可怕的。 研究者们发现，阿尔法元的开局和收官和专业棋手的下法并无区别，人类几千年的智慧结晶，看起来并非全错。但是中盘看起来则非常诡异，让人难以理解。如果要解释这一差异，只能说人脑智能格局远远小于阿尔法元的智能格局，由于运算力有限所以人类需要聚焦局部才能确认精准胜算，但是当棋局复杂扩大到中盘竞赛时，人类的脑力不足，依然只能采取“局部式算法”来简化应对复杂性整体局面，而阿尔法元的运算力近乎无限，它可以轻松统筹全局，采取“整体式算法”来应对复杂性整体局面，可以发现人类的思维盲区所无法触及的广阔棋艺棋道领域。这不禁让人想起了已故去的日本著名棋手藤泽秀行先生的那句名言：棋道一百，我只知其七。 职业高手只懂得围棋真谛的７％？这样的感叹听上去像是谦虚。然而，当“阿尔法围棋”在和李世石的第二盘比赛中下出黑３７那样“天外飞仙”似的招法并且取胜，秀行前辈的话听起来不再显得那么夸张。但当阿尔法元以100:0的悬殊胜绩战败老版阿尔法狗时，棋道是一百，还是一千？就变成一个值得怀疑商榷的问题了。
阿尔法元的诞生，意味着人工智能从记忆型智能升级到推理型智能，从依赖大数据阶段升级到依赖小数据阶段。比如未来，你只要告诉人工智能，几何学的基本规则是两条平行线不可以相交，它就能自己推演出欧式几何；如果你告诉它两条平行线可以相交，它就能推演出非欧氏几何。在这个过程中，不需要人类教它什么知识经验，它完全可以在一片空白处自己构建知识殿堂。更甚者，假如它自己发明了人类未知的新规则，就可以创造人类所没有的新知识体系。由于人类对世界的所有认知都是建立在人脑运算力基础上的，超出了上限即为不可知，不可识领域。但是人工智能没有这个上限制约，所以它或它们一定会创建远远超出人类理解力极限的宏大知识体系领域。 从某种角度讲，我们这一代人在未来10年将见证一个全知全能的“神”被创造的奇迹，以后任何可能性的发生都不足为奇了！
|
|
|
