|
“它太完美，我很痛苦，看不到任何胜利的希望。”这是柯洁在2017年和阿法狗零赛后的说法。 阿法狗利用模仿人类的“深度学习”工作原理，通过“神经网络”学习所有高水平围棋棋谱，从而获得了在盘面上如何落子的直觉。因此，随着未来数据的积累，“阿法狗”们就不仅仅是下围棋了，甚至可以做更多的事情。 阿法狗零击败柯洁的事实固然让人惊讶，然而，后来的阿法蝶更是从基因序列准确的预测了蛋白质结构，这更让人震惊了，因为它让人们意识到：人类的知识不值一文，甚至有可能存在一类新的知识——人类无法理解的知识。 要解释这个“知识”，引用硅谷风险投资AimTop Ventures创始管理合伙人王维嘉在第八届岭南论坛的说法： 先从赫布学习定律来解释，学习知识时，同时受激发的神经元会相连。所以人的神经网络本质就是“萃取相关性”，去建立认知的关联。 现代电子电路是模仿神经元的原理建立的。 因此，在当前AI时代中知识是可以重新划分的： 其中的“暗知识”，就是人类不可感受、不可表达的知识，而恰恰这就是最让人可怕的地方，模仿人脑在各种数据上都远超人脑：如机器“感知”能力远超人类，电子神经元比人脑神经元快百万倍，人脑神经元=200次触发/秒,传导速度120米/秒；而电子神经元=10亿次触发/秒,传导速度=3亿米/秒，触发是人脑500万倍,传导是人脑300万倍。同时人脑神经元还“错误”百出，神经元间传递成功率=30%，还经常出现忘记、“漏电”、干扰的情况。甚至人工神经网络可以获得每个人工神经元权重来控制运作效率。 无处不在的传感器记录着世界状态，机器发现数据中隐藏的万事万物关系，算法会不断优化生活和生产活动，可以说暗知识标志着机器认知时代的到来，人类知识总量和机器相比沧海一粟。 王维嘉补充说：诚然如此，人类其实不必恐慌，人工神经网络的局限性在于“三无”，无符号、无情感、无意识，具体来说就是：其一，类似爬行动物的反应性，只能记忆相关性,无法理解场景和因果；其二，需要“先验知识”、训练数据，不能像人类一样举一反三，运作依赖拟合模式；其三，智商偏科、情商为零。 因此，AI是无法实现计划经济的，只需要把它看作一次历史级别的工具跃迁就行。完整版本见创新观察（Innovationcases） 大湾区创新战略研究会高级研究员骆仁童表示，对于AI的未来不必过分恐慌，阿法狗零的成功主要是证明AI在规则目标明确的场景中自我学习的可能性，即自我产生数据、自我建立认知。但对于创造性的认知，在相当长的时期内，是很难实现的。举例来说，给AI一千张人脸图片，然后生成新的一千个脸是很容易的事，但给AI一张人脸图片，要求它创造出一千个新的脸，目前是无法实现的。所以我们更应该多保持自己的创新意识和突破思维。 大湾区创新战略研究会高级研究员张云然表示，AI自主学习能突破人类固有的思维模式，会实现意想不到的效果。相信像Google这样巨头完善算法后，神经网络的门槛能大幅降低，更多的公司、组织、创业者可以更好的利用这些技术，结合自己的创意和业务数据，实现基于AI的创新。 |
|
|
