AlphaGo赢了，人工智能“奇点”近了？

“对于任何一个规则明确的特定问题，利用计算机的智能技术迟早要超越人的能力，就像利用深度学习和人类知识自动化的人工智能围棋算法战胜人类棋手一样。”中科院自动化所复杂系统管理与控制国家重点实验室主任王飞跃教授如此点评。

事实上，现有人工智能（Artificial Intelligence，简称AI）远远还达不到人类水平，未来也很难全面超越人类。王飞跃教授表示，“无论是从技术水平现状，还是从科学的逻辑推断，不管是现在还是将来，机器都无法全面取代人类，人工智能更不可能全面胜过人类智能；而且这一不可超越的本质很可能不是技术性问题。

在加拿大艾伯塔大学人工智能专家、计算机学教授理查德·萨顿看来，战胜李世石的AlphaGo并不具有真正的人类智能，其缺少人类智能中一个关键特征：学习世界如何运作的能力，比如理解物理法则、预判某种行为引发的后果等。

尽管如此，AlphaGo的获胜依然意义重大，其充分显示人工智能的高速度、加速度发展，也展示了人工智能巨大的应用意义和前景。正如Deep Mind在其官网上所言的“Solve intelligence use it to make the world a better place”（研究人工智能，让世界变得更美好）那样，AI在医疗、无人驾驶、机器人、手机智能助手等方面的应用前景颇具吸引力。在国内A股市场，一个AI应用的上市公司群体业已初现规模。

机器战胜人类？

2016年3月9日，人工智能史上值得浓墨重彩书写的一天，一切都源于那只“狗”（AlphaGo）——代表人工智能的AlphaGo挑战人类棋手、韩国围棋九段李世石的五番棋正式开始。首场较量于当日中午12点左右开始，李世石执黑先下，大约三个半小时后，李世石投子认输。赛后，AlphaGo之父、Deep Mind领军人物哈萨比斯（Demis Hassabis）在推特上欣喜地写下了“登月成功，为我们的团队感到骄傲”。

随后的两局对弈分别于3月10日和12日举行，AlphaGo两度“碾压”李世石，取得完胜。在10日的比赛中，AlphaGo序盘先是下出几步“昏招”，但随后则怪招连连，四个半小时鏖战后，逼迫李世石签城下之盟。在12日的比赛中，尽管李世石多次下出非常规的路数并在左下角留下打劫变化，AlphaGo在最后的较量中，打破人类的断言，实现了主动打劫和提劫，再次于中盘取胜。至此，AlphaGo连胜三盘，提前锁定胜局。

“人类智力的最后高地已被机器占领，人工智能已超越人类……”一时间，这样的惊呼比比皆是。在第三局后的新闻发布会上，哈萨比斯甚至表示“已经不知道要说什么了”。

更值得关注的是，与以往所有的人工智能不同，AlphaGo在这次人机大战中展现了惊人的学习能力。此前在2015年10月，Google宣布AlphaGo在无让子的情况下，以5:0完胜欧洲冠军、职业围棋二段樊麾，这是围棋AI第一次在公平比赛中战胜职业选手。彼时，AlphaGo的棋力不过职业二段，但仅仅5个月后，AlphaGo已通过自我学习取得超越职业九段的棋力。

北京邮电大学教授、计算机围棋研究所所长刘知青表示，AlphaGo的自我学习能力是科技界一个重大的突破点。而在科大讯飞研究院副院长魏思看来，这个事件可以看成是人工智能历史上的一个里程碑，AlphaGo在大势方面的判断力对业界的影响和震动很大。

在3月13日的第四局比赛中，AlphaGo失利。但是，“在AlphaGo首局获胜的结果面前，以后的胜负都不那么重要；AlphaGo自然还没有进化到完全独立个体的程度，但是那扇门已经打开了一条缝隙。”有网友这样评价。

3月15日，人机大战迎来最终的对决。在经过长达5个小时的搏杀后，双方均进入读秒阶段，AlphaGo最终胜出，将总比分定格在4:1。据报道，韩国棋院打算给AlphaGo颁发名誉九段证书。

“无论最终结果是什么，赢家都是人类。”谷歌母公司Alphabet董事长埃里克·施密特这样安慰人类。尽管如此，革命性的改变已然发生。

“革命”发生在哪？

AlphaGo的惊人之处在于其在对战中不断增强的能力和由此展现出的“自我学习”能力，其“能力”已经超出了工程师输入的几十万盘棋谱，是在不断对战和自我对战中“思考和积累”的“应变”和“最优对弈方案”，能够不按套路行棋，甚至已经学会了先手借用。

“变异”的力量来自哪里？回顾这只“狗”的身世，AlphaGo由创建于2010年的英国人工智能公司Deep Mind研发，技术上采用了神经网络加蒙特卡洛算法（Monte Carlo Tree Search，简称MCTS），即通过卷积神经网络来模拟人类大脑的视觉神经网络机制，其中基于海量数据的走棋网络（Policy Network）可以预测下一步的走棋；精确的估值网络（Value Network）则可完成局面评估、下一步动作的选择；蒙特卡洛算法则模拟围棋游戏直至最后找到获胜策略。

值得关注的是，基于深度学习（Deep Learning）构建的神经网络是让AlphaGo表现智能的关键。哈萨比斯表示，“蒙特卡洛树搜索在10年前是一个很大的创新，但我觉得我们对AlphaGo做的是引进了神经网络这种直觉层面的东西。”依靠神经网络，AlphaGo能够跟人一样通过“直觉”判断 “大势”、“局面”，具有良好的“棋感”。在此之前，这一领域的专家原以为这还要再等10年才能实现。

自从1956年约翰·麦卡锡（John McCarthy）等人提出人工智能这一概念后，人类在这个领域的探索从未间断。2006年，Hinton等人提出的深度学习则让人工智能进入崭新的发展阶段；Hinton在2009年将深度神经网络介绍给语音识别学者，第二年语音识别领域就取得了巨大的突破；此后，Yann LeCun等人提出了第一个真正的多层结构学习算法——卷积神经网络。从此，人工智能奔走在了开挂的道路上。

深度学习是源于人工神经网络的研究，也是机器学习中非常接近人工智能的领域。此前，Deep mind表示，通过深度神经网络与强化学习结合的Human-level control through deep reinforcement learning，展现出了在复杂任务中酷似人类的算法。得益于大数据和互联网技术，深度学习正在迅速成长，通过足够大的数据量，深度学习可以建立人工神经网络，实现最好的预测能力。谷歌开源了利用大数据直接训练计算机来完成任务的第二代机器学习平台Tensor Flow；Facebook公布了其关注深度学习的开源项目并任命Yann LeCun为其人工智能实验室负责人。

“奇点”正在临近？

美国未来学家库兹韦尔在《奇点临近》一书中认为，人工智能的进步会不断加速，聪明的机器会设计更聪明的机器，这种自我强化最终会导致人工智能达到一个“奇点”，成为远远超出人类智能水平的一种存在。

AlphaGo开发团队曾经表示，“开发AlphaGo不是为了模仿人类，而是为了战胜人类。”那么，人工智能真的超越人类了吗？

“AlphaGo的优势在于其应用了MCTS，只要时间足够，机器能够穷尽所有对局的方案，进行充分学习，从而突破人类极限，在不断自我对决中提升。”地平线CEO余凯表示。

但是，这离真正的人工智能还很远，“奇点”的临近或许还有很长的路程。微软亚洲研究院副院长芮勇表示，今天与其说是机器赢了人类，还不如说是一个人+一台电脑打败了另一个人。如果以后一个电脑设计了一个程序打败了人，那个时候强人工智能将近，“奇点”才会到来。但是，从目前看，强人工智能还要走很远的路，还只是在语音识别、语音合成、计算机视觉等方面做得比较不错，但采用的还是监督式的学习训练方式。

不过，人工智能的进步速度远比人们想象的快，而且似乎还在加速，人类是时候需要为人工智能的发展担忧了吗？理查德·萨顿的看法是，“我认为人们不应该为此感到害怕，而是应更多关注。”南京大学自动化学院副教授谈英姿则轻松地表示，“等到AlphaGo意识到自己在下棋的时候，我们再开始担忧吧。”

王飞跃教授甚至认为根本不存在“奇点”问题：“‘奇点理论’之假象不可能出现的最大原因正是智能技术从开始到今天所一直面临、也无法解决的核心技术问题：常识的表示、推理及应用。常识对人类再普通不过，根本不值得提及，但对机器人和人工智能却是一道凭自身能力无法逾越的巨大鸿沟。”王飞跃进一步解释称，机器人和人工智能等智能技术目前主要集中在利用已知技术解决已知问题上，但对于规则不明确、任务多样化、情况复杂的（Uncertainty、Diversity、Complexity，简称“UDC”）问题，人们仍然无法开发出具有人类那种能力的智能技术，还没有利用未知手段解决未知问题的能力。这正是机器智能无法超越人类智能的本质，而这一本质可能并不是技术性的问题。

王飞跃表示，智能技术将进一步解放人类的智力，这是社会的进步，是螺旋式上升式的发展，不是走向“奇点”，更不是机器主宰世界，而是走向人类主导但更加美好的世界。

应用无所不在

AlphaGo驰骋的疆域显然不仅仅在围棋。Deep Mind在其官网写道：“Solve intelligence use it to make the world a better place”（研究人工智能，让世界变得更美好）。哈萨比斯则认为人工智能主要的用途是医疗、智能手机助手以及机器人。

就在几周前，Deep Mind 宣布了一项与NHS（英国国家医疗服务体系）的合作，开始着手建立一个利用机器学习力量的平台。哈萨比斯表示这个项目与IBM的Watson非常不同，“合作平台做的事情会是医疗图像的诊断，然后可能有对于自我量化（Quantified self）或是重要迹象的长期追踪，帮助人们保持更健康的生活状态，这很适合用强化学习

对于智能手机助手，哈萨比斯想要让其变得智能、理解上下文，对于人们要做什么有更深的理解，“我认为未来的两到三年会开始看到它，也许在四到五年甚至更久后，可以看到功能上大的变化。”目前，几乎所有的智能手机助手都是预编程的，偏离了预先编程输入的模板，就会变得毫无用处。

更为重要的是，人工智能是一门几乎在所有方面都具有重要应用的技术。诺贝尔奖和图灵奖获得者赫伯特·西蒙把人工智能定格为实验科学，研究人工智能的最终目的是为了应用。

在哈萨比斯看来，自动驾驶也是一种机器人。谷歌母公司Alphabet董事长埃里克·施密特近期表示，谷歌正在考虑在英国进行自动驾驶汽车路测。百度最近则成立了自动驾驶事业部，宝马、奔驰等传统车企也在这个领域奋力搏杀，国内的北汽、广汽、上汽、长安、比亚迪等汽车厂商同样在悄然深耕。不过，哈萨比斯强调自动驾驶目前还是狭义的人工智能，尽管特斯拉已经采用了一种基于深度学习、现场的计算机视觉方案。

随着深度学习的发展，人工智能在无人驾驶、无人机、工业4.0（工业机器人）等领域的应用将愈发广泛并娴熟。而在需要更高智能的服务机器人领域，深度学习似乎更有用武之地，特别是在一个人口老龄化的社会。哈萨比斯对日本在老年护理机器人、家庭清洁机器人上的思考表示欣赏。

对于本次人机大战的重要意义，王飞跃教授认为更体现在对搜索和优化问题的处理上。“这将产生一个巨大的新行业，软件定义的系统、工厂、城市将成为现实，大数据真正成了原料，数字化的经验、案例、预演都成为生产力，计算实验与计算优化将成为管理的‘新常态’，或许这就是新IT世代（Intelligent Technology，智能技术时代）的真正开始。”

短期内，将人工智能的某一项技术应用于特定领域、改变人们生活已凸显出巨大价值。人工智能在语音识别/搜索、机器翻译、图像识别、人脸识别、搜索引擎、数据挖掘等方面都表现出色。

　　数据显示，全球目前在人工智能领域有近千家公司，分布在商业智能、金融、安全等领域。在A股，已经有超过70家上市公司宣布进入机器人领域。无人机成为创业公司和上市公司竞相追逐的风口，已有超过20家A股上市公司宣布进军无人机。在无人驾驶领域，近40家公司涉足“智能汽车”概念。此外，还有不少上市公司已介入语音识别、人脸识别、VR等人工智能领域，其中科大讯飞的讯飞智能语音系统识别率已达95%，并已启动了讯飞超脑计划。