阿尔法围棋变成“神”的奥秘：启发式学习与深度学习相结合

人工智能已经发展到什么程度，到底会走向何处？该领域的专家表示，日前3：0击败柯洁的“阿尔法围棋”就是人工智能深度学习飞速进步的一个例子，秘密在于启发式学习和深度学习相结合，这将有助于人工智能最大化实现人类的意愿。

在全球人工智能产业信息服务平台“机器之心”主办的全球机器智能峰会上，《人工智能：一种现代方法》的作者之一、美国加州大学伯克利分校人工智能专家斯图尔特·拉塞尔举例说，“阿尔法围棋”是人工智能深度学习飞速进步的一个例子，输给“阿尔法围棋”后柯洁说，去年好像还是在跟人下棋，而今年他觉得好像是在跟“神”下棋一样。

加拿大阿尔伯塔大学教授、计算机围棋专家马丁·米勒介绍说，“阿尔法围棋”的成功源于启发式学习与深度学习相结合。有了新算法与硬件，启发式学习有望让计算机系统学会真正的人工智能，“能让我们的搜索变得更加有效，能让计算机帮助我们做出越来越好的决策。”

攻克游戏和棋类人工智能，是要为真实世界的应用铺平道路。搜狗首席执行官王小川说，识别、决策、生成是人工智能的核心应用。例如，在决策方面，人工智能可以帮助提高决策效率，提升商业效率。

“我们已经在金融、医疗和教育等方面看到这些应用。在识别和生成领域，人工智能的进展已使人机交互越来越自然，这也是我们感兴趣的领域。从历史趋势上看，机器在逐渐适应人，并已为人类分担了许多具体工作，”王小川说。

但他同时指出，目前人工智能还局限在特定的封闭领域，比如“阿尔法围棋”和搜狗的问答机器人“汪仔”在围棋和语音识别输入竞赛中分别战胜了人类，但它们只擅长各自的技能，且只能在封闭场景里通过数据学习、计算或搜索提高效率，并不能发挥创造性。今天的机器智能还需要依赖于来自人的数据。机器并不具备人工通用智能能力和解决开放型问题的能力。

香港科技大学计算机科学与工程学系系主任杨强说，从机器学习的角度看，“阿尔法围棋”尚不具备迁移学习的能力，即把已经训练好的模型参数迁移到新的模型上来帮助新模型训练数据集。王小川则认为，目前来看，迁移学习等理论离实际应用并产生效益还很远。

拉塞尔说，人工智能并不是一个新学科，20世纪40年代人们就在思考如何使用一些新工具；1950年，著名的图灵测试诞生，按照其定义，如果一台机器能通过电传设备与人类展开对话而不被辨别出机器身份，则称这台机器具有智能。

但直到2010年后，许多初创公司开始重新专注于人工智能发展，谷歌、国际商用机器公司（IBM）等大企业也投入到该领域研究中，此后人们看到了神经学的进步以及计算机资源和大数据的发展。

拉塞尔说，目前人工智能的发展“让人欣慰”，但要将其内容落地，变成能带来高产值的应用至少还要十年。人们要审慎考虑，不要因为期待过高而觉得失望。发展机器人的唯一目的是最大化实现人类的意愿，“人工智能需要对人类有贡献，要做到这点是一个技术性的问题，我相信人类能够解决这个问题。”

（原标题：专家：“阿尔法围棋”飞速进步奥秘何在）