您当前位置:首页 > 文化 > 新书

《人工智能》:李开复对AI的深入解读

发布:Apr 17, 2017 来源:中国青年网 作者:李晓红


 

人工智能技术正在彻底改变人类的认知,重建人机相互协作的关系。史无前例的自动驾驶正在重构我们头脑中的出行地图和人类生活图景,今天的人工智能技术也正在翻译、写作、绘画等人文和艺术领域进行大胆的尝试。人工智能已经来了,它就在我们身边,几乎无处不在。2017年被称为“人工智能应用元年”,人工智能将引领一场比互联网影响更为深远的科技革命。

然而,我们真的知道什么是人工智能吗?我们真的准备好与人工智能共同发展了吗?我们该如何在心理上将人和机器摆在正确的位置?我们该如何规划人工智能时代的未来生活……

5月将由文化发展出版社出版的《人工智能》一书为这些问题带来了一定的思考:个人应该做些什么,才能避免被AI取代?企业应该如何升级,才能在新的商业变局到来前抓住先机?这本由李开复与王永刚共同编著的书告诉我们:我们无需担忧和惧怕人工智能时代的到来,我们所要做的,应当是尽早认清AI与人类的关系,了解变革的规律,更好地拥抱新时代的到来。人工智能将颠覆现有的商业模式,不仅在高科技领域,任何企业都需要尽早引入“AI+”的思维方式。人工智能将部分取代人类的工作,程式化的、重复性的技能将失去价值。我们的工作必须具备足够的深度,让自己强大到不会轻易被机器撼动。

 

作者简介

 

李开复博士

创新工场董事长兼首席执行官/创新工场人工智能工程院院长

李开复博士于2009年创立创新工场,曾任谷歌全球副总裁兼大中华区总裁、微软全球副总裁、苹果交互式多媒体部门副总裁。

1998年,李开复创办微软中国研究院(后更名为微软亚洲研究院),在极短时间内创建了一个国际一流的计算机研究院,曾被《麻省理工技术评论》评为“zui火的计算机实验室”,这是一所培养人工智能人才的黄埔军校。

1988年,李开复获卡内基梅隆大学计算机学博士学位,他的博士论文题目是 “非特定人连续语音识别系统”。1988年,《商业周刊》授予该系统“科学创新奖”。他开发的“奥赛罗”人机对弈系统,于1988年击败了得过世界团体比赛冠军的选手。


 

 

王咏刚

创新工场技术副总裁兼人工智能工程院副院长

王咏刚毕业于北京大学,毕业后长期从事金融行业软件研发,任方正奥德公司技术总监。2006-2016 在谷歌公司任Staff Engineer、资深技术经理等职,参与或负责研发的项目包括桌面搜索、谷歌拼音输入法、产品搜索、知识图谱、谷歌首页涂鸦(Doodles)等。

 

作品节选 

AlphaGo带给人类的启示究竟是什么?

2016年3月,李世石与谷歌AlphaGo在围棋棋盘上斗智斗勇、激战正酣的时候,我也亲身参与了新浪体育等媒体主办的现场直播。当时,我与棋圣聂卫平九段一起出任讲解嘉宾,直播了李世石与AlphaGo的第五盘棋赛。围棋专家如聂卫平九段的评论视角,显然和我这个计算机科学博士的视角大不相同。但有一点是相通的,那就是绝大多数围棋界人士和人工智能界的科研人员此前都没想到,围棋程序会在如此短的时间内取得质的突破。

记得我曾在接受媒体采访时说过:“AlphaGo真的让我很震惊。如果你是两年前问我计算机何时能战胜围棋世界冠军,我那时的答案大概会是‘20年后’。可计算机在两年内就做到了我认为需要20年才能做到的事,这样的速度真的让人震撼。”

AlphaGo横空出世之前,围棋界的观点也大致相同。因为国际象棋与围棋的复杂度相差甚远,1997年IBM深蓝在国际象棋棋盘上战胜人类棋王的故事并不足以让围棋高手信服。而且,这么多年来,围棋AI程序的研发一直举步维艰。早期基于规则的围棋程序,比如中山大学陈志行教授20世纪90年代研发的“手谈”,基本上只能和围棋初学者过招。直到2006年后,随着蒙特卡洛搜索算法在围棋对弈软件中的应用,MoGo、Zen、CrazyStone等程序的棋力才得到了突飞猛进的提高,在国际对弈平台KGS上,2006年到2012年,主流围棋对弈软件的棋力从业余二段猛升到业余五段甚至业余六段[.http://senseis.xmp.net/?KGSBotRatings],但也就此停滞不前。AlphaGo出现前,围棋界专家对围棋对弈软件棋力的评估基本比较一致,大多认为最好的计算机程序已可以和业余高手过招,但和职业选手之间,还是有着本质的差别。

在今天的围棋界,业余高手和职业高手之间存在2子以上的明显差距,通常,这个差距是职业选手从童年开始,用10年以上的时间刻苦训练得来的,业余选手极难弥补。另一方面,在计算机科学界,懂得蒙特卡洛搜索算法原理的人都知道,这种算法主要是利用抽样统计来提高搜索效率,单用此算法确实难有提高空间。这是AlphaGo出现前,围棋界和计算机科学界两方面都不敢奢望人机大战即将到来的根本原因。

深度学习改变了一切。

使用深度学习并结合蒙特卡洛搜索的AlphaGo已注定被写入历史。AlphaGo问世的第一年内,其实进入大家视野的是三个版本:5︰0击败樊麾的内测版本,4︰1击败李世石的版本,以“Master”(大师)网名60︰0快棋挑落中日韩高手的版本。三个版本演进脉络明显,每次迭代都有重大升级。最后这个网名为“Master”的版本也基本是2017年AlphaGo挑战柯洁的一个“预览版”。

从围棋角度说,AlphaGo最震撼的是计算机在人类传统认为极其玄妙的、电脑无法掌握的“大局观”上突飞猛进,远远将人类选手甩在身后。电脑计算“大局观”的方式,和人类培养“大局观”的思路,有根本的差别。人类不可能在这方面赶上电脑。和樊麾对局的棋谱基本上还看不出AlphaGo的大局观有多强,和李世石对局就下出了聂卫平赞不绝口的五路肩冲,到了Master的60局,大局观体现在两个地方:

第一,自始至终对局势的把握,比如第60局古力用AlphaGo的思路对付AlphaGo,把中央撑得很满,但AlphaGo不紧不慢,总是恰到好处地保持胜?势。

第二,AlphaGo已经深刻影响人类对布局的思考,大飞守角之类的变化迅速被人类棋手模仿,这和当年深蓝问世后,国际象棋的布局革命是一样?的。

基于AlphaGo的思路,其他围棋软件的水平也突飞猛进。仅2017年年初就有日本研发的DeepZenGo和腾讯人工智能实验室开发的“绝艺”达到了人类九段或以上的水平。腾讯“绝艺”不仅面对人类高手保持了绝对优势,还战胜了AlphaGo以外的各路围棋软件,取得了2017年UEC杯计算机围棋大赛的冠军。

以后AI和AI之间的竞赛,应该会不断促进AI提高。人类虽望尘莫及,但可以不断从AI中学习新的思想。

从人工智能技术的角度说,AlphaGo用的是AI领域应用非常普遍的算法:深度学习、蒙特卡洛算法、增强学习等。可以说,机器视觉相关的深度学习技术,包含环境—决策—反馈的智能系统,里面都有AlphaGo的影子。当然,直接的代码实现层面,肯定没有复制、粘贴这样直接借用的关系,因为AlphaGo的深度学习模型毕竟是围绕围棋的特征建立的。

那么,当人机大战烟尘散尽,公众的热情回归理性时,AlphaGo究竟为我们人类带来了什么?AlphaGo带来的,仅仅是棋盘上的一张张棋谱,还是《自然》杂志上那篇划时代的论文[.AlphaGo的突破性论文,https://storage.googleapis.com/deepmind-media/alphago/AlphaGoNaturePaper.pdf ]?是公众对人工智能的重新认知,还是人类与机器命运的关键转折点?

我觉得,AlphaGo带给人类的,更多是一种对未来的警示:如果计算机可以在两年内实现大多数人此前预测要花20年或更长时间才能完成的进步,那么,还有哪些突破会以远超常人预期的速度来临?这些突破会不会超出我们对人工智能的想象,颠覆人类预想中的未来?我们已为这些即将到来的技术突破做好准备了吗?

无论是专业人士还是普通公众,AlphaGo的出现给每个人提供了一个最好的理由,让我们有机会重新思考:到底什么是人工智能?人工智能之于人类的意义是什么?人工智能与未来人类的关系到底会怎样?人工智能真的会在未来挑战人类吗?

DeepMind:会打游戏的人工智能

站在AlphaGo背后的,是一个名叫DeepMind的团队。这是谷歌公司于2014年收购的英国人工智能团队。在所有优秀的人工智能技术团队中,DeepMind无疑是最有潜力之一的。不得不承认,他们是一个真正有梦想也真正关注人类未来的技术团队。

DeepMind的创始人戴密斯·哈萨比斯(Demis Hassabis)从小就是一个神童,在棋类游戏中展示出了非凡的天分。哈萨比斯13岁时就成为国际象棋大师,在当年的国际象棋世界等级分排名中,哈萨比斯位列所有14岁以下选手的第2位,仅次于后来名声大噪的世界最强女棋手朱迪特·波尔加(Judit Polgár,小波尔加)。1997年,哈萨比斯从剑桥大学计算机科学系毕业。1998年,22岁的哈萨比斯创立了Elixir Studios公司,专注于开发电脑游戏。2005年,哈萨比斯返回校园,在伦敦大学攻读了认知神经科学的博士学位。2010年,哈萨比斯在伦敦创建了人工智能技术公司DeepMind。直到2014年谷歌以4亿英镑收购DeepMind时,哈萨比斯的团队还基本不为普通公众所知。

2015年年初,DeepMind第一次真正进入公众视角,是靠一个基于深度学习和增强学习技术驱动的,能自己学习如何打街机游戏的AI程序。显然,国际象棋大师和电脑游戏设计、开发的背景,为哈萨比斯的人工智能之路,奠定了一个不同寻常的基础。DeepMind所研发的深度学习、增强学习等技术,在医药、金融、自动控制等众多领域有着广泛的应用前景,但这些行业应用离普通公众较远,DeepMind的先进技术难以被大多数人了解。哈萨比斯和他的团队非常聪明地选择用大众最熟悉的电子游戏,来作为DeepMind核心科技的第一块“试金石”。

DeepMind选取了数十款当年在雅达利(Atari)街机上非常流行的小游戏,然后用人工智能程序尝试“理解”游戏当前画面,控制游戏操作接口,并根据每次游戏的输赢情况,不断调整策略,自主学习游戏技巧。2015年2月向公众展示时,DeepMind的人工智能程序在大约四分之三的雅达利街机游戏中,达到或超过了人类高手的水平。类似技术随后被DeepMind团队用于人工智能围棋软件,并由此诞生了震惊世界的AlphaGo。

DeepMind的目标显然不是游戏本身。正如哈萨比斯在诸多场合所说过的那样,DeepMind希望利用在游戏中证明过的技术,帮助人类解决计算机辅助医疗等更为复杂的问题。但游戏与DeepMind的结缘,确实为这个独具特色的人工智能团队贴上了鲜明的标签。

历史总是充满巧合。20世纪70年代,初出茅庐的史蒂夫·乔布斯找到的第一份工作就是在雅达利游戏机公司打工。为了开发雅达利公司当时的主打街机产品“Pong”,乔布斯还请来了好朋友史蒂夫·沃兹尼亚克一起解决技术问题。40多年前,苹果公司的两位创始人在雅达利游戏机上研发的产品,成为40多年后哈萨比斯的DeepMind团队磨炼人工智能算法的实验平台。在DeepMind软件自主学习并熟练掌握的街机游戏名单上,“Pong”的名字赫然在列。

从乔布斯到哈萨比斯,从雅达利街机到苹果电脑再到人工智能,科技发展的进程中,每一个领军人物的每一次技术突破,都可能成为后续进展的铺垫与序曲。从早期的西洋跳棋程序,到能下国际象棋的IBM深蓝,再到AlphaGo,每一盘棋的每一场输赢,不也是人工智能技术从萌芽到发展再到成熟的最好见证吗?

AlphaGo的故事尚未完结,DeepMind就将目光投向了更有挑战的游戏领域。2016年11月,在暴雪公司的BlizzCon大会上,DeepMind正式宣布牵手暴雪,基于《星际争霸》游戏进行人工智能研究。与围棋不同,《星际争霸》游戏的参与者需要在全局尚未明朗的情况下,只依据少数信息,猜测对手可能的战略、战术布置,并有针对性地设计自己的游戏策略。从技术上说,《星际争霸》的挑战要高于围棋,打赢《星际争霸》所需的决策技术,也许更接近人类在日常工作、生活中经常使用的思考与决策方法。从这个意义上说,DeepMind正向着更高级智慧的方向迈进。

游戏既是DeepMind团队最好的市场和公关手段,同时也帮助DeepMind在人工智能领域迅速建立起不同寻常的技术优势。借助在游戏领域取得的经验和方法,DeepMind已经开始用人工智能技术帮助谷歌的数据中心合理调度、分配电力资源,达到省电的目标。此外,DeepMind与牛津大学合作开发了根据人类说话时的口型猜测说话内容的唇读技术LipNet,与英国国家医疗服务体系(NHS)合作推出了综合性的医疗辅助应用Streams,与眼科医院合作帮助眼部疾病诊断……哈萨比斯说:“我坚信DeepMind正在从事的研究对人类的未来至关重要,而且这值得我们做出一些牺牲。”[.全媒科技(微信公众号),2016.12,DeepMind创始人:阿尔法GO的胜利只是小目标]

从下象棋、开发游戏的天才少年,到利用人工智能技术造福人类的计算机科学家,哈萨比斯的梦想正在实现。一个会玩游戏的人工智能和一个会帮助医生诊疗疾病的人工智能,它们之间的技术,竟有如此之多的共同点——技术的神奇莫过于此。

扫一扫,关注我们