世紀圍棋之戰第一戰，
GABA推薦
，Google AI人工智慧「AlphaGo」擊敗南韓棋王李世石。(美聯社)
【AlphaGo若打敗世界冠軍，
廚上型淨水器維修
，意味著什麼？】在知乎討論AlphaGo與李世石的人機大戰，
吸塑
，可以預測，
桌上型飲水機品牌推薦
，四個月前的AlphaGo擊敗李世石基本不可能，
耶誕裝飾燈
，不過這四個月AlphaGo進步很多，比賽應該很精彩。但是，無論這次結果如何，機器1-2年之內必然完勝人類。完勝人類之後呢？可以做個通用的大腦嗎？意味著機器可以思考了嗎？還有什麼問題是機器無法超越人類的？以下為在知乎就“AlphaGo能戰勝李世石嗎？”的提問回答的原文：http://t.cn/RG8fGQT先直接回答這個問題，下面再分析AlphaGo和人工智慧的未來。我認為AlphaGo這次的比賽打敗李世石比較懸，但是1-2年之內必然完勝人類。按照兩者的Elo(圍棋等級分)，可以算出去年年底的AlphaGo打敗李世石的機率相當低。如何算出的呢？AlphaGo去年年底的頂級分布式版本的Elo是3168(見下面第一張圖)，而李世石的Elo大約是3532(全球圍棋手Elo: Go Ratings ，見下面第二張圖)。按照這兩個等級分的兩個棋手對弈，李世石每盤的勝算為89%，公式見：How to Guide: Converting Elo Differences To Winning Probabilities : chess鏈接地址:https://www.reddit.com/…/how_to_guide_converting_elo_diffe…/ 溫馨提示：訪問此鏈接需複製粘貼至瀏覽器打開，下同)。如果對弈一盤，AlphaGo尚有11%的獲勝的可能性，而整個比賽五盤勝出三盤或更多，AlphaGo就只有1.1%的可能性了。(當然，按照原來的10月的AlphaGo，只有1.1％，不過現在既然大大進步了，就不一樣了，也許今天已經超越了：見下面第三點)。AlphaGo不是打敗了歐洲冠軍嗎？有些人認為AlphaGo去年底擊敗了歐洲冠軍樊麾，所以挑戰(前)世界冠軍應有希望。但是，樊麾只是職業二段(Elo 3000左右)，而李世石是職業九段(ELO 3532)。這兩位的差別是巨大的，完全不能混為一談。就比如說一個人乒乓球打敗了非洲冠軍，並不代表他就可以成功挑戰中國冠軍。AlphaGo有可能在這幾個月突飛猛進，進而擊敗李世石嗎？AlphaGo的負責人說：「外界不知道我們這幾個月進步了非常多」。(來自：http://www.geekwire.com/…/alphago-lee-sedol-whos-underdog-…/)。這點確實有可能。AlphaGo進步的方法有兩個：(1)增加硬體：我們從Nature的文章可以看到：從1202個CPU到1920個CPU，AlphaGo的ELO只增加了28，而且線性地增加CPU，不會看到線性的ELO成長。若要達到364 ELO積分的提升，需要的CPU將達到天文數字(有篇文章估計至少要10萬個CPU：http://www.milesbrundage.com/blog-p…/alphago-and-ai-progress)。當然，谷歌有錢有機器，但是純粹加機器將會碰到平行計算互相協調的瓶頸(就是說假設有十億臺機器，它們的總計算能力很強，但是彼此的協調將成為瓶頸)。在幾個月之內增加兩個數量級的CPU並調節演算法，降低瓶頸，應該不容易。(2)增加學習功能：AlphaGo有兩種學習功能，第一種是根據高手棋譜的學習，第二種是自我對弈，自我學習。前者已經使用了16萬次高手比賽，而後者也在巨大機組上訓練了8天。這方面肯定會有進步，但是要超越世界冠軍可能不容易。最後，換一種分析方式：如果從過去深藍擊敗世界冠軍的「成長過程」來看，深藍大約1993年達到職業大師水準，4年後才在一場六盤的比賽中擊敗世界冠軍(大約500Elo積分點的提升)。今天的AlphaGo應該和1993年的深藍相似，剛進入職業大師水準。若要擊敗世界冠軍，雖然未必需要4年的時間，但是幾個月似乎不夠。還有什麼以上未考慮的因素，導致AlphaGo獲勝嗎？如果谷歌刻意未出全力和樊麾對抗，或者有其它學習或平行計算方面超越了Nature裡面的描述，那AlphaGo完全有可能獲勝。（有最新的消息：李世石預計自己會大勝，不是5:0就是4:1，他的目標是達到5:0，一盤都不輸。AlphaGo負責人認為有50％機率可以戰勝李世石，因為最近四個月進步非常大。）既然寫了這麼多，就對這個題目再發表一些看法：AlphaGo 是什麼？在今年一月的Nature (http://www.nature.com/…/jo…/v529/n7587/full/nature16961.html )有AlphaGo的詳細介紹，AlphaGo是一套為了圍棋優化的設計周密的深度學習引擎，使用了神經網路加上MCTS (Monte Carlo tree search)，並且用上了巨大的谷歌雲端運算資源，結合CPU+GPU，加上從高手棋譜和自我學習的功能。這套系統比以前的圍棋系統提高了接近1000分的Elo，從業餘5段提升到可以擊敗職業2段的水準，超越了前人對圍棋領域的預測，更達到了人工智慧領域的重大里程碑。AlphaGo 是科學的創新突破嗎？AlphaGo是一套設計精密的卓越工程，也達到了歷史性的業界里程碑，不過Nature文章中並沒有新的「發明」，AlphaGo的特點在於：不同機器學習技術的整合(例如：reinforcement learning， deep neural network， policy+value network， MCTS的整合可謂創新)、棋譜學習和自我學習的整合、相對非常可擴張的architecture(讓其充分利用谷歌的計算資源)、CPU+GPU並行發揮優勢的整合。這套「工程」不但有世界頂級的機器學習技術，也有非常高效的程式碼，並且充分發揮了谷歌世界最宏偉的計算資源(不僅僅是比賽使用，訓練AlphaGo時也同樣關鍵)。AlphaGo的跳躍式成長來自幾個因素：1)15-20名世界頂級的電腦科學家和機器學習專家(這是圍棋領域從未有的豪華團隊：也許你覺得這不算什麼，但是要考慮到這類專家的稀缺性)，2)前面一點提到的技術、創新、整合和優化。3)全世界最浩大的谷歌後臺計算平臺，供給團隊使用，4)整合CPU+GPU的計算能力。AlphaGo是個通用的大腦，可以用在任何領域嗎？AlphaGo裡面的深度學習、神經網路、MCTS，和AlphaGo的擴張能力計算能力都是通用的技術。AlphaGo的成功也驗證了這些技術的可擴展性。但是，AlphaGo其實做了相當多的圍棋領域的優化；除了上述的系統調整整合之外，裡面甚至還有人工設定和調節的一些參數。AlphaGo的團隊在Nature上也說：AlphaGo不是完全自我對弈end-to-end的學習(如之前同一個團隊做Atari AI，用end-to-end，沒有任何人工干預學習打電動遊戲)。如果AlphaGo今天要進入一個新的應用領域，用AlphaGo的底層技術和AlphaGo的團隊，應該可以更快更有效地開發出解決方案。這也就是AlphaGo真正優於深藍的地方。但是上述的開發也要相當的時間，並且要世界上非常稀缺的深度計算科學家(現在年待遇行情已達250萬美金)。所以，AlphaGo還不能算是一個通用技術平臺，不是一個工程師可以經過調動API可以使用的，而且還距離比較遠。如果這次AlphaGo沒有打敗李世石，那還要多久呢？IBM深藍從進入大師級別到比賽擊敗世界冠軍花了四年。AlphaGo應該會比深藍更快提升自己，因為深藍需要新版本的硬體，和針對Kasparov的人工調節優化，而AlphaGo是基於谷歌的硬件計算平臺，和相對通用的深度學習演算法。所以，幾個月太短，4年太長，就預計1-2年之間吧。從國際象棋到圍棋，到底是不是巨大的突破呢？肯定是的，在這篇文章裡面(在國際象棋領域，電腦已經可以戰勝人腦，那麼圍棋領域電腦還差多遠？鏈接：https://www.zhihu.com/question/21714457 )，第一位回答者分析了圍棋的複雜度為10172而國際象棋則只有1046。在1997年深藍擊敗世界冠軍時，大家都認為：深藍使用的是人工調整的評估函數，而且是用特殊設計的硬體和「暴力」 的搜索 (brute-force) 地征服了國際象棋級別的複雜度，但是圍棋是不能靠窮舉的，因為它的搜索太廣(每步的選擇有幾百而非幾十)也太深(一盤棋有幾百步而非幾十步)。而AlphaGo的發展讓我們看到了，過去二十年的發展，機器學習+平行計算+大數據是可以克服這些數字上的挑戰的，至少足以超越最頂尖的人類。AlphaGo 若打敗了世界冠軍，就意味著計算機超越人腦？或者可以思考了嗎？我的回答：在可以憑邏輯分析推算的問題上，機器即將遠遠把人類拋在後面。機器速度會越來越快，學習能力會越來越強，數據會越來越多。當年，大家討論「國際象棋輸給機器不算什麼，圍棋才是真正的智慧」只是我們人類維護自己尊嚴但是不實際的幻想！今天，我們該面對現實了！在大數據+機器學習+大規模平行計算的時代，我們將看到無數的商機和產品，能夠在預測、分析、推薦等方面，產生巨大的商業和用戶價值。不過，這些解決方案和人類相比，其實沒有什麼意義，因為人差太遠了(比如說：推薦引擎將能推薦你最可能會買的產品、想吃的菜，想認識的人；自動交易能得到更高的投資回報和風險比例……)。在感知方面，人類也將會被機器超越。今天的語音識別，人臉識別，未來的自動駕駛，都是例子。但是，對於那些科幻片的粉絲們：以上都還是冷冰冰的技術，機器人是否會人性化？這還是未知的。畢竟，在情感、喜怒哀樂、七情六欲、人文藝術、美和愛、價值觀等方面，機器離人還差的很遠，甚至連基礎都沒有。對人工智慧的研究者，這是下一個挑戰。對我們人類，在下個突破之前，我們還是多發展右腦吧！P.S. – 也許有人好奇，為什麼這個話題我說了這麼多，因為在1986年，我在讀書時，曾經開發了一套黑白棋系統(複雜度)，擊敗了黑白棋的世界團體冠軍，而當年的那套系統也有(非常粗淺的)自我學習的能力。有興趣的網友可以在這裡看到我當年的文章：http://www.sciencedirect.com/sci…/article/…/0004370288900768) 。
文章來源：李開復臉書
◆作者目前為創新工場董事長&CEO，曾在Google、微軟、蘋果等跨國科技企業擔任要職。◆本文純屬作者個人看法，不代表本報立場。(中時電子報)，