AlphaGo連勝世界冠軍，AI真的能夠取代人類了嗎？n ——專訪中國人工智慧學會常務理事劉成林教授

出品：科普中國

製作：幻彩寶寶團隊

監製：中國科學院計算機網路信息中心

2016年3月9日，谷歌旗下Deepmind團隊研發的圍棋機器人AlphaGo與世界圍棋冠軍職業九段棋手李世石展開舉世矚目的「人機大戰」，開始並不被外界看好的AlphaGo不僅取得首勝，更連勝三輪，再次掀起了社會對於人工智慧的關注熱潮。

圖1 人工智慧技術（Artificial Intelligence）

曾經一度看好李世石的媒體和評論家們紛紛以人類被逼到「牆角」和人類尊嚴已難捍衛等諸如此類的評論在表示對於AlphaGo敬畏的同時，也在為人類哀憐，但事實真的如此嗎？AI（Artificial Intelligence，人工智慧）真的已經強大到足夠取代人類了嗎？本期特邀中國人工智慧學會（CAII）常務理事、模式識別國家重點實驗室主任劉成林教授，進行了專題訪問。

圖2 中國人工智慧學會（CAII）常務理事、模式識別國家重點實驗室主任劉成林教授

AlphaGo的「勝算」從何而來？

劉成林教授表示，谷歌人工智慧機器人AlphaGo的圍棋水平相較於之前的計算機圍棋系統有了很大的提高，主要得益於其研發團隊Deepmind採用了最先進的深度學習技術，利用深度神經網路對棋盤的局勢進行了預測，並且AlphaGo在前期搜集了大量圍棋對弈的歷史數據，其中也包括很多圍棋名人的棋譜，而且，它已經具備了從大規模數據中學習的能力，所以它僅僅在幾個月內實現了人類若干年才能夠達到的學習效果。這樣驚人的學習能力是人類可望而不可即的。

何為」深度學習「能力？具備這樣的能力對於人工智慧技術來說具有怎樣的意義？

劉成林教授解釋說，人工智慧的終極目標是希望機器具有像人一樣看、聽、說、思維、推理以及運動等方面的能力。在深度學習技術出現之前，過去採取的方法就是人類耗費巨大的精力編寫程序，輸入機器及其然後執行預定的功能，而現在有了深度學習技術以後，人類只需要編寫讓機器人深度學習的程序，機器就能夠實現在龐大的數據積累過程中通過學習來實現智能化操作，並且其水平可以在數據增加的過程中不斷得到提升。

圖3 深度學習技術

劉成林教授表示，機器的學習效果除了跟所收集的數據有關以外，還跟其學習的方法有著密切的關係。近年來人工智慧技術發展如此迅速，主要得益於兩個方面的進步。

其一是機器學習的理論和方法有了新的突破，尤其是2006年開始提出的深度學習的方法，為推動人工智慧技術的發展起到了關鍵性的作用；其二就是近年來計算機的計算能力提高的很快，GPU並行計算的能力在快速增長並被普遍使用。

AlphaGo此次之所以能夠戰勝世界冠軍李世石，劉成林教授認為，這是由於AlphaGo在賽前做了充分的「準備」。而這個「準備」就是對李世石棋譜數據的深度學習，而對於李世石而言，他沒有機會對AlphaGo的下棋方法進行分析，也就是說，人在明處而機器在暗處。AlphaGo是有備而來，但李世石卻是毫無準備，所以人輸給機器一點也不奇怪。

圖4 雙方對戰現場

除了AlphaGo,人工智慧歷史上還有哪些不能被遺忘的里程碑？

此次的人機大戰再次掀起了人們對於人工智慧的好奇，而在人工智慧的發展史上，除了AlphaGo其實還有許多里程碑式的事件。

劉成林教授表示，里程碑意義的事件既包括技術方面的飛躍，同時也不能忽略學術理論的進步。從技術角度來說，1997年IBM人工智慧機器人」深藍「戰勝了國際象棋冠軍，2011年IBM電腦沃森在美國知識問答節目中戰勝人類選手，蘋果推出了語音識別助理Siri，以及谷歌的互聯網搜索技術等等，都是具有里程碑意義的事件。而在這些技術進步的背後其實更多的是理論方法的飛躍，是人工智慧學科的發展進步。

電腦的一小步，人類的一大步

近些年來」深度學習「技術的進步，打破了上個世紀五十年代所提出的」多層神經網路「訓練方法的局限性。在深度學習技術出現之前，當一個神經網路所承擔的數據很多時，往往其訓練或者說掌握數據所消耗的時間就會特別長，而且在這種情況下程序無法實現收斂，即使收斂但是其推廣能力也會比較差。2006年深度學習技術出現以後，很好地解決了多層神經網路的缺陷，能夠極大地提高機器人學習的效率，並改進其收斂性和推廣能力。

而現在深度學習技術應用最多的還是視覺領域，即對圖像和視頻的分析。在圖像分析方面，比如人們熟悉的人臉識別、文字識別和大規模圖像分類等，採用深度學習技術之後，與傳統方法相比，其識別性能也得到了極大地提升。

是杞人憂天，還是「技術奇點」真的已經到來？

AlphaGo實現三連勝後，人們在驚嘆機器人所表現出的非凡能力的同時，也對人工智慧技術未來的發展方向產生了諸多顧慮。對於人工智慧技術是否將超越人類智慧，劉成林教授也發表了自己的見解。

劉成林教授表示，人工智慧技術包含很多方面，除了以AlphaGo為代表的棋類人工智慧，還有包括視覺識別、語音識別、推理與問答等在內的多種技術領域，機器在某個專門的領域超過人類並不奇怪，但是在綜合智能方面，機器的能力還是遠遠不如人類的。雖說目前深度學習有很大進步，但機器深度學習的實現依然是依賴於人工設計的程序，而且深度學習需要有大量的數據作為訓練基礎，學習過程也不夠靈活，這些都需要在人的協助下實現。

劉成林教授表示，對於」技術奇點「所代表的人工智慧全面超越人類，甚至機器反過來控制人類、對社會產生破壞性影響的說法，其實是很夢幻的想法。人工智慧全面超越人類不是沒有可能，但這一天還很遙遠，而且即使超越也是在人類可控的範圍內的。

圖5 圍棋的複雜性分析圖

不同於深藍戰勝象棋高手，業界普遍認為圍棋的難度比象棋要高的多。其實AlphaGo只要拿下一局的勝利，此次的人機大戰就已經成為人工智慧歷史上的里程碑。

各界頗具影響力的人士也紛紛對此次史詩性的事件發表評論：李開復認為人類不必擔憂，AlphaGo這類「人工智慧」機器可能帶來的危機不是奴役人類而是讓人類喪失鬥志，無所事事。扎克伯格則表示，人們現在擔憂人工智慧的安全性就如同兩百年前擔心將來有了飛機會墜毀是一樣的道理。五個月前剛剛被AlphaGo擊敗的歐洲圍棋冠軍樊麾也提到： 我們面對新生事物要放寬眼界，畢竟人類的想像力和創造力還是機器學不會的，人還是最牛的。

雖然外界普遍關注棋局的輸贏，但事實上，無論是 AlphaGo贏了還是李世石贏了，都是人類贏了。面對圍棋這樣過高難度的策略競技，考驗了人們的邏輯性與分析能力，能造出 AlphaGo本身即是勝局。

人工智慧贏了棋局，但是人類卻贏得了未來。