人不能在圍棋上戰勝AI,但人可以發明圍棋

柯潔大戰AlphaGo落幕已經有一段時間了,蹭熱度的文章也已經不少了。AI這個話題,又開始被人們廣泛討論。其實在第一場棋後我就想寫篇文章,終於還是拖了大半個月。

自媒體一如既往喜歡調動民眾情緒,人工智慧將取代人類甚至統治人類的觀點甚囂塵上。人們眼中的AI更多的是《終結者》和《西部世界》那樣的會思考且能力極其強大的存在。不了解AI的人,要麼極度低估了AI,要麼極度高估了AI,這樣的論調,就是屬於後者。

1. AI會思考嗎

在回答這個問題之前,先分享一個答案。知乎上我回答了一個問題,AlphaGo「理解」圍棋嗎? - 知乎 答案如下:

一個東西,看起來像鴨子,叫起來像鴨子,那麼這就是鴨子。

我們怎麼判斷人理解圍棋?可以和對手下棋,理解規則。有布局有細節操作,根據對手有針對性下法,懂得怎麼贏下來比賽。所以我們覺得人理解圍棋。機器也可以做到相同的事情,甚至比人做得好。所以機器也理解圍棋。

只是人不理解機器而已。機器學習的演算法,SVM也好,神經網路也好。不是機器不理解所輸入的樣本。而是人不理解怎麼把機器輸出結果的邏輯,用人能理解的邏輯表達出來。

AI會思考圍棋。但是AI會思考么?我傾向於認為目前的AI並不會思考,或者換個角度,目前的AI不會像人類一樣思考。

2. 人和AI的學習機制

人是怎麼學習的呢?作為一個dota資深菜鳥玩家,當我第一次玩王者榮耀的時候,選了英雄,看了技能介紹,第一局就拿到了非常好的數據。在這之前,我沒有看過任何王者榮耀的視頻或者介紹。而整個學習過程只有幾分鐘。

AI是怎麼學習的呢?如果有一個dota碾壓職業玩家的AI,想學習王者榮耀,之前訓練出的模型瞬間失效。這個時候只能拿到職業選手的大量比賽視頻,進行演算法訓練。整個學習過程需要大量的計算資源,並且需要一段較長時間的訓練評估。

這裡面看到了人類為作為自然界46億年進化出的生物演算法,相比較嬰兒期的AI演算法,具有一個絕對優勢:快速遷移學習的能力。目前AI並不具有這種能力,而且在可預期的時間內,不可能具有這種能力。

3. 人和AI信息處理機制

腦科學領域研究目前沒有突破性進展,我們並不知道人類怎麼思考。而在機器學習領域,演算法從規則演算法升級到機器學習之後,我們也不知道機器怎麼思考。

但是如果把人和機器作為一個黑箱,我們發現人和機器作為不同的系統,信息處理能力非常不一樣。

在新場景下,人拿到的信息非常少,也能快速適應,比如魯濱遜漂流荒島,可以迅速適應並生存。而機器學習在缺少數據和規則不明確的情況下,無法發揮作用。

在穩定場景下,有大量反饋數據的情況下,人的決策能力反而不如AI。這也是人類個體單個大腦算力決定。在面對大量數據的時候,人會歸納數據,分析數據,並從數據中提取大量規則。在遇到問題的時候用規則快速決策。

這個歸納數據,分析數據的過程,本身就是信息丟失的過程。換句話說,拿到1000條數據和拿到10000條數據,對於人而言差別可能不大。而計算機基於統計演算法和學習模型,最大規模的保存了信息量,數據量不斷增長,決策效率也會不斷提高。

總結而言:人可以通過複雜的類比、聯想等策略,在無明確目標的新場景下表現良好。AI在明確的場景,並且有足夠數據反饋的情況下,可以超過人類的決策。

4. 人類哪些工作會被取代

人工智慧會替代的領域有哪些?這是一個老生常談的問題。

總結而言:長期固定類型的腦力勞動工作者,決策數據來自線上資料庫或者可以被線上數據大量收集,工作效果可以有線上數據的反饋或者記錄。

在這些行業中,需要根據數據做出判斷。而由於數據過載,大量的數據人在決策是時候無法完全利用,只能挖掘數據中的一些規則,做出應對方案。在這樣的領域,人是很容易被替代的。

比如運營排期,廣告投放,素材設計,醫生診斷,等等。

在互聯網中,活動排期通常是需要依賴運營手動配置,在個性化推薦引擎面前,千人一面的活動排期本身就是有先天缺陷的。而個性化推薦引擎可以分期所有的歷史用戶行為,給出最優結果。素材設計目前淘寶已經上線,雖然有時候會有明顯的Badcase,但是根據每個人的歷史行為數據給出的banner素材,引流效果在總體上肯定是優於千人一面的banner樣式的。

廣告投放也好,金融分析也好,都是需要分析歷史的結果,以及進行不斷優化過程數據,而高效處理數據則是演算法的強項。

在醫生診斷領域,大量的檢查數據,需要有效的處理,要求醫生有足夠多的背景知識,而無論哪個醫生,有多麼充分的經驗,都不可能了解所有的案例。一方面人工智慧知識儲備和案例儲備遠遠超過人,另一方面,對圖像的處理和識別的能力也慢慢提高。人工智慧通過大量的樣本學習,目前頂尖的人工智慧診療在一些領域已經超過了人類醫生的水平。

當然,隨著信息化程度變高,語義識別圖像識別的發展,計算機信息收集能力的提高。越來越多的固定直接可能被取代:同聲傳譯,金融分析,自動駕駛等等。

5. 在AI普及的未來,人的位置在哪裡

目前的計算機計算能力,和AI演算法的發展情況來看,AI在短期內會快速普及,並滲透進信息化程度比較高,且人力成本比較高的行業。比如:互聯網廣告投放,互聯網運營,金融,醫療等等。但與此同時,這些行業的人並不會完全消失,而是需要更少的人,需要這些人有更多的技能。

機械化時代之前,農民種地,一個人能照看土地也就幾畝,只要會翻地播種除草施肥就夠了。而目前現代化的農場主。一個人可以照看公頃級別的土地。但是需要駕駛收割機,拖拉機,使用機械裝置施肥,播種。

計算機的發明,無數數學家物理學家從繁瑣的計算中掙脫,而探索新的領域。未來人需要不斷通過創造力發現和探索新的場景,而AI則可以通過數據,在定義好的場景下發揮到極致。

人雖然不能在醫療診斷中戰勝AI,但人可以研究新的診斷技術和方法。人雖然不能在Feed流排序的時候戰勝個性化推薦,但人可以探索新的用戶場景,引入新的內容模式。一個特定的醫療診斷,一個確定樣式的Feed流,就是棋盤,人無法在這個棋盤上和AI爭勝負,但並非就此被取代。人類要做的不是戰勝AI,而是用自己獨特的思考能力,不斷開拓AI的使用場景。

人不能在圍棋上戰勝AI,但人可以發明圍棋。


推薦閱讀:

人工智慧領域有哪些重要的學術會議和頂級實驗室?
未來 人工智慧將替代你生活中的八種角色
奇點來臨:人工智慧時代的奇幻世界
進擊的DuerOS,開發者的「新黃金時代」
[AlphaGo Like Project]MuGo 模仿 AlphaGo 的簡約圍棋引擎

TAG:人工智能 | 人机对战 |