李世石与哈萨比斯出席赛后发布会

　　最近几天，谷歌的人工智能AlphaGo与韩国职业围棋手李世石的一场人机大战引发了一轮讨论热潮。尤其在AlphaGo以3-0的比分轻松赢得前三场比赛的胜利之后，人们对于人工智能的关注再次高涨。

　　据京华时报报道，昨天，谷歌人工智能AlphaGo与围棋世界冠军李世石的第四场比赛如约在韩国首尔四季酒店举行。AlphaGo以3比0碾轧李世石 后，后两场比赛被誉为是“人类的荣誉之战”。昨天下午，李世石不负众望扳回一城。至此，双方交战仅剩余最后一场，比赛将于北京时间3月15日（周二）中午 12点进行。

　　报道同时表示，赛后，李世石透露，他感觉AlphaGo的弱点是它似乎并不擅长执黑。另外，当对手下出一手它没有遇到过的 棋时，AlphaGo会有点BUG，会出现一些失误。李世石表示，执黑时他会更积极。“关于信息不对等，这并不是最重要的。主要还是自己和AlphaGo 的棋力对抗，AlphaGo出现意外失误并不是关键。”

　　比赛结束后，DeepMind创始人哈萨比斯（Demis Hassabis）指出，在李世石白78“神之一手”后，AlphaGo79误以为胜率达到70%，直到第87手才反应过来。

　　对于AlphaGo这次的失误，哈萨比斯回应称，AlphaGo只是初级程序，并未完善，所以希望李世石能帮忙找到缺点。“AlphaGo有的棋从职业 棋手角度来看可能并非瞬间直观的选点，感觉是恶手，但事后看反而可能是好手，当然也有可能是失误。因为AlphaGo是通过计算胜率来选择落点，处理方式 和人不一样。”

　　所谓“外行看热闹，内行看门道”，我们这些外行在看完热闹之后，不妨来看看这场人机大战背后所透露出的一些信息。

　　人机大战是一次多赢的事件？

　　据北京晨报报道，本应是科技圈和围棋圈的一场博弈，却成为了全社会舆论的焦点。谷歌想要做的绝不止一场人工智能战胜围棋冠军比赛那么简单。而为了此次大赛，谷歌也是做足了准备。

　　一方面，谷歌自身做足了功夫。搜狗董事长王小川分析：“此次人机大战是一次成功的商业运作。谷歌深刻地考虑了选什么人，他们做了充分的准备、缜密思考全盘的事情。谷歌此次动用了上万台的机器，对外宣称1200台，2000个GPU，比深蓝计算力提高了3万倍。”

　　王小川表示，谷歌制造了一种必须取胜的强大气场，同样让人印象深刻，这也营造出了商业噱头，“他们花了超过4亿英镑收购这个团队，进入谷歌后，也得到了 支持，你要什么资源，我都可以无条件满足你。”他的这一观点，和目前围棋排名第一的柯洁不谋而合，柯洁也表示，如果李世石输掉比赛，那么就是给谷歌的一次 “免费宣传”。

　　另一方面，谷歌多管齐下最大化地激发了社会化传播。很多科技巨头，如中国的李开复、王小川，甚至是国际竞争对手扎克伯格 的关注和公开表态。今年将重点发力人工智能的搜狗、竞争激烈的视频网站等，也都在人机大战的流量中，找到了自己的增长点。从效果来看，此次人机大战是一次 多赢的事件。

　　为何一场围棋比赛会如此重要？除了被上升到人脑和电脑的竞赛外，也彰显出作为主办方谷歌的野心。

　　2015年10月份，谷歌CEO皮查伊表态，谷歌计划将人工智能研发和所有核心业务联合起来，包括搜索引擎、广告、视频网站YouTube和电子商场Play。

　　而实际上，谷歌想要用人工智能颠覆的绝不止于此。2015年3月，谷歌机器学习大规模应用于医药研发——经过多年的研究，神经网络深度学习应用于虚拟药 物筛选，高通量的筛选过程通过计算机完成，可以检测出药物是否应该更换或者加量。同月谷歌宣布自动驾驶汽车将在5年内上市；2015年4月谷歌隐形眼镜实 时监测血糖；2015年6月谷歌人工智能摄像头即时翻译拓展到27种语言；2015年10月谷歌利用人工智能来排名网页；2015年11月谷歌人工智能帮 你回复邮件；2015年12月：谷歌开发人工智能聊天机器人……

　　对此，关注互联网行业的华尔街顶级分析师卡洛斯科基纳曾表示，不论是投资者还是分析师，都忽略了谷歌在人工智能领域的布局。而在此之前，谷歌对于人工智能的成绩出奇地低调。

　　深度学习引关注 2075年90%可能实现强人工智能

　　另据中国证券报报道，“多数人已折服于AlphaGo的精准、聪明和大局意识。但这个比赛结果对于我们来说其实并不是太吃惊。”作为人工智能领域的从业 者，凯泽科技首席技术官吴军指出，去年10月AlphaGo击败职业二段樊麾，围棋界给AlphaGo的排名仍远落后于李世石，但是他们忽略了 AlphaGo突破了传统电脑的“固定”程序逻辑，融入了学习能力。

　　如何实现深度学习？百度深度研究院资深专家介绍，AlphaGo构 建了“两个大脑”，一个是输入了3000万盘人类顶级棋手对弈数据，通过“自我对战”来进行增强学习，改善此前的决策网络，另一个则是通过价值网络来进行 整体局面判断，以决策网络与价值网络来协作决定落子位置。

　　也就是说，AlphaGo的技术架构采用的是模仿人类大脑神经模式，而不再单单依靠机器的蛮力“强记”，通过深度学习把人工神经网络的层级大大增加，提升了计算能力。

　　“2014年谷歌在收购Deepmind团队之前，这家游戏公司的能力并没有这么强。”上述百度专家介绍，Deepmind被谷歌收购之后，融入谷歌的 深度学习技术，其计算能力飞速提升。2014年10月份，在欧洲比赛之后，谷歌内部认为这是一次很好的市场推广的机会，为此投入了更大规模的资金，为 AlphaGo增加了2000倍的计算能力。

　　AlphaGo在短短几个月实现性能的大幅提升，用五个月走完了IBM“深蓝”4年的路， 体现了当前人工智能系统学习速度之快。但谷歌并不打算制造出一个围棋高手，AlphaGo开发者哈萨比斯表示，选择围棋只是其人工智能水平的测试，最终还 是为了获得在现实领域的应用。

　　近年来，深度学习已经在图像识别、语音识别等领域获得了一些应用。目前深度学习技术应用最多的还是视觉领 域，即对图像和视频的分析。在图像分析方面，比如人们熟悉的人脸识别、文字识别和大规模图像分类等，深度学习大幅提升了复杂任务分类的准确率，使得图像识 别、语音识别以及语义理解准确率大幅提升。谷歌在深度学习领域已经一马当先，公司在多次公开场合讨论过深度学习技术，比如深度学习是如何帮助 Android手机提高语音识别准确率。

　　从产业链调研的情况来看，服务机器人、车载与电视助手、智能客服以及图像处理等应用已经开始快速渗透，在语音识别等领域获得了一些应用，比如iPhone的语音助理Siri、百度的度秘、科大讯飞的“灵犀”、微软的小冰等。

　　“目前深度学习更适合于图像。”百度深度研究院的专家指出，人脸一比一进行比对，机器很容易实现，但是要在千万人脸中快速寻找出所拍摄的人脸图像，并要快速了解拍摄对象的个人信息资料，则需要深度学习。

　　事实上，深度学习可以应用于任何需要理解复杂模式、进行长期计划并制定决策的领域。谷歌大脑团队负责人杰夫-迪恩表示，谷歌机器智能已经带来了巨大的变化和越来越多的机遇，未来人工智能将为更高层次的云计算服务。

　　兴业证券分析师也指出，未来在个人应用领域可能带来更好的语音识别操作系统、翻译机、自动驾驶、机器人、社交网络兴趣推荐等。在行业应用方面，深度学习更广阔的应用空间包括大数据分析、特征提取、预测预警、规划、研发设计等。

　　中国人工智能学会常务理事刘成林表示，机器在某个专门的领域超过人类并不奇怪，但是在综合智能方面，机器的能力还是远远不如人类的。虽说目前深度学习有 很大进步，但机器深度学习的实现依然是依赖于人工设计的程序，而且深度学习需要有大量的数据作为训练基础，学习过程也不够灵活，这些都需要在人的协助下实 现。

　　有人工智能专家预计，2040-2050年有50%的可能实现强人工智能，2075年将有90%的可能性。当下，谷歌人工智能围棋 系统战胜人类证明了在弱人工智能时代通过规则与数据能够实现某一领域的智能，说明弱人工智能时代的智能也很智能，能够替代人类很多领域的工作，这必将颠覆 当前各个产业的生产方式，重塑各个产业格局。

　　兴业证券分析师指出，如今已经进入云计算和大数据的时代，如何开发利用好大数据，将人类的 科技和视野提升到新的层次，将成为未来一段时间的重要问题。机器学习和人工智能技术将成为揭示科学原理、升级现有产业商业模式的重要工具，其应用空间涵盖 企业级和消费级市场以及各个细分行业。

　　AlphaGo之父——Demis Hassabis

　　据一财网编译自美国科技媒体网站The Verge的一篇报道表示，举办这场比赛的初衷在于评估AlphaGo的能力，谈及从AlphaGo的胜利中学到了什么以及未来它的发展方 向，Hassabis表示：“通过比赛我们意识到我们目前所处的环节比之前预计的更加先进。对于完美信息游戏，围棋一直位于金字塔尖，还有许多顶级的围棋 高手等待对决。此外，还有很多其他的游戏，比如说无限制扑克，因为是不完美信息游戏，因此多人游戏也是一个挑战。显而易见所有人类比机器玩儿的好的电子游 戏也可以被考虑其中，比如说《星际争霸》在韩国也是非常受欢迎的。在信息不完美世界里，策略游戏对决策能力有极高的要求，因为能够被看到的仅仅是全局的一 部分。而在围棋之中全盘情况都是可视的，这点对于电脑来说会使游戏略微容易一些。”

　　尽管用人工智能进行游戏对战刺激有趣，但是 Deepmind团队还是希望将人工智能用于更多主流的项目当中。Hassabis表示他本人对游戏十分感兴趣，也许是曾经写过游戏，但是目前来说，游戏 仅仅是提供测试平台用来测试我们的算法并且评估它们的等级的一个行之有效的办法。而Deepmind的终极目标在于用人工智能解决真实世界中的棘手问题。

　　谈及自己过去从事游戏行业的经历对现在有何影响时，Hassabis说：“可以说创立Deepmind一直以来是我的最终目的，我用了近20年筹划这个 事情，如果你从一个最终我将要从事人工智能研究的角度审视我的经历，你会发现我的每一步选择都是朝向人工智能的，熟悉我的Bullfrog员工都知道，我 写的所有游戏的核心都是与人工智能相关的。在16岁的时候写《主题公园》游戏的时候我第一次意识到如果我们全力以赴进行研究，人工智能的前景不可估量。这 款游戏十分畅销，说明玩家享受其中，因为人工智能十分贴合玩家的心意。因此我继续在游戏领域进行拓展，然而在2000年的时候我感觉到我们已经在‘从后门 偷偷逼近’人工智能研究的路上走到了尽头，因为不管怎么样你的最终目标都只是做出一款游戏，所以我转而去学习神经科学，以期在人工智能领域有所进展。”

Hassabis认为人工智能在90年代最直观的应用即是体现在游戏行业，那时，学术界的研究没有什么动静，一些诸如增强学习、深度学习、神经网络等新 技术都没有得到应用与推广，所以游戏成为人工智能最好的应用领域，当然那时的人工智能与现在大相径庭，当时的人工智能更像是较为复杂的有限状态机 （FSM），游戏Black & White中应用到了增强学习技术，到目前为止我仍旧认为这是在游戏中应用最复杂的案例。然而到了2004年左右，游戏行业发生了很大的变化，不再像90 年代那样只要你有一个不错的点子就可以做一款游戏，游戏行业变得更加注重画面感，并且官方授权也变得十分重要，像FIFA系列游戏就是一个很好的例子。所 以我认为做游戏不再像以前那样有趣了，并且我已经在游戏领域积蓄了创立Deepmind所需的信息与经验，这个时候神经科学引起了我的兴趣，我很想从明白 大脑解决问题的过程中获得灵感，所以读一个神经科学的PhD再合适不过了。”

　　（编辑：卢月）