“人机大战”到底应该关注什么？

陈卓

举世瞩目的“人机大战”即将落下帷幕，谷歌人工智能AlphaGo（阿尔法围棋）对战韩国顶尖棋手李世石，虽然这场对决，以机器取胜而告终，但人类真的输了吗？“人机大战”背后，我们更应该关注什么？

人工智能，并非首次在棋盘上战胜人类。超级计算机“深蓝”，曾于1997年战胜国际象棋大师加里·卡斯帕罗夫。此次围棋“人机大战”的裁判长、欧洲围棋冠军樊麾也曾在之前，以0：5败给AlphaGo （阿尔法围棋）。

而细数“人机大战”，沃森也是赫赫有名的一员。2012年，在美国智力竞赛节目“危险边缘”的人机对战中，IBM超级计算机系统沃森战胜了人类冠军。

沃森是20多名IBM研究人员4年心血的结晶，正是他们突破性地给予了沃森理解自然语言和精确回答问题的能力，才将人工智能推向了新的阶段。

虽然沃森取得了比赛的胜利，但对于人工智能研究者来说，围棋一直有着其特殊的吸引力，围棋看似是种比较简单的棋类，下法规则很简单，但要下好却是非常难的。围棋中蕴藏着最复杂的算法，但人工智能远不能与最好的人类棋手相比。

直到去年，DeepMind公司开发的自我学习程序“阿尔法围棋”以5：0战胜欧洲围棋冠军樊麾，他们才决定此次要在韩国首尔，与世界围棋冠军李世石做五番对决。

在谷歌人工智能“AlphaGo”（阿尔法围棋）与世界围棋冠军李世石的对战中，连续三场都是以人类的弃子认输告终。而在13日举行的第四场对决中，李世石发力追击，最终执白180手中盘取胜，为人类扳回一局。

而最终，人工智能“AlphaGo”与韩国棋手李世石结束了五场对弈中的最后一场，以4：1大胜人类。赛后“AlphaGo”获得韩国棋院颁发的名誉九段证书。从去年10月至今，“Alpha Go”以9胜1负的战绩，积3586分，排名世界第二，仅次于中国选手柯洁九段。

虽然“阿尔法围棋”战胜了李世石，但这并不代表人工智能超过了人类的智能。同样的技术未必能够解决人工智能的其他问题，因为“阿尔法围棋”有着大量的训练样本。但人的智能恰恰表现在，只需很少量的样本，就能知道未来应该怎样做。

可以设想，下一代棋手可能会毫不犹豫地把“阿尔法围棋”拉到自己一方。世界上最好的气候变化研究员、医生或教育工作者，也会用机器学习工具来帮助自己。

真正的考验不是机器能否战胜人类，而是人类和机器能否一起攻克那些全球性难题。

过去数十年来，人工智能的话题一直在不断地吸引着公众眼球，看似是一个遥不可及的存在，而经过此番人机世纪对决后的冷静分析，可发现实际上人工智能已是触手可及。

由谷歌开发的阿尔法围棋，是一款围棋人工智能程序，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。主要的工作原理是“深度学习（Deep Learning）”。

根据网络上的定义，“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。不同于“机器学习（Machine Learning）”的是，“深度学习”受人类的干扰相对少些。

科技部部长万钢近日回应“人机大战”时表示，围棋中存在随机性、未知性和情绪的好坏，更贴近人的生活。

无论科技发展到什么程度，人和人的交流仍然是人类活动的重要组成部分。“从下棋的角度，我还是喜欢人人对弈。”

其实，真正的挑战不是“人类对机器”之战，而是人类加上所有我们能搜集到的工具，对我们周围那些难以解决的复杂问题的挑战。无论气候变化、医疗卫生还是教育，这些问题均影响到我们每个人，已有成千上万优秀人才，针对这些最重要的问题在努力，推动它们的解决和相关领域的不断进步。

就拿人工智能技术来说，它为我们提供了强大的工具，有助于专家更快做出突破，提高我们应对那些亟待解决的全球性难题的能力。我们需要机器学习来帮助处理复杂问题、预测未知，支持我们实现以往不可能实现的目标。

随着我们的工具变得更智能，用途更加多样化，我们就可以义不容辞地思考更雄心勃勃和富于创新性的方法，以解决社会最严峻的全球性难题。我们要抵制那种问题太难的想法，这样才能有更高的目标。