大学信息技术基础 (4).pdf

《大学信息技术基础 (4).pdf》由会员分享，可在线阅读，更多相关《大学信息技术基础 (4).pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 拓展阅读 一、 图灵测试与人工智能 谷歌围棋 AI 5:0 完胜欧洲围棋冠军，3 月份将对战李世石 【TechWeb 报道】1 月 18 日消息，谷歌日前宣布，旗下围棋 AI，AlphaGo，在无让子的情况下以 5:0 完胜欧洲 冠军、职业围棋二段樊麾。 AlphaGo 是谷歌旗下的“深度学习”部门（Deep Learning）研发的。这是历史上，围棋 AI 第一次在公平比赛中（即 无让子的情况下）战胜职业选手。围棋下法复杂，通常认为围棋的对弈软件开发比国际象棋更难。 谷歌还宣布， 在 3 月份， AlphaGo 将挑战韩国九段棋手李世石。（李世石在身份证上登记的汉语名字为“李世乭”） 专家

2、预测 Nature 采访了樊麾，问他被机器击败是什么感觉，同时采访了围棋与人工智能两方面 的专家，问他们预测 AI 最终挑战世界冠军李世乭是否会成功。 樊麾，欧洲围棋冠军 “在中国，围棋不仅仅是一种游戏，也是生活的一面镜子。你在围棋中遇到的问题， 可能也反映着生活中的问题。 ” 失败的感觉是很难受的。在与 AlphaGo 对弈之前，我一直以为我会赢。第一局之后， 我改变了策略，努力应对挑战，但最终还是输了。我觉得主要问题在于，人类是会犯错的， 因为我们是人类。我们会累，会因求胜欲望过于强烈而感到压力，但计算机程序就不会这 样。 它们很强大， 又很稳定， 就像一堵墙一样。 在我看来， 这就是机器

3、与人类的最大区别。 如果事先没人告诉我 AlphaGo 是个机器的话，我会以为对手是人类或许棋路有些奇怪，但很强，是个真正的人类。 输了比赛当然不会感到开心， 但所有的职业棋手都会输棋。 输棋以后我就会研究棋局， 或许也会改变我的策略。 我觉得这对我的将来是有好处的。 托比曼宁（TobyManning），英国围棋协会财务主管，樊麾与 AlphaGo 比赛的裁判 围棋选手都知道围棋是人工智能领域一大尚未解决的难题， 大多数人都觉得计 算机能达到职业人类棋手的水准，但得再过十多年才行。在这场比赛中，我本以为 樊麾会赢的。 而最终的结果让我深深震惊。目睹对弈过程，你甚至很难区分哪一方是人类， 哪一方

4、是计算机。在之前的很多软件中，计算机下的很多步可能都很理性，但突然 就会变得毫无头绪，而在这场比赛中，几乎看不到计算机与人类的区别。 一个区别是时间的分配方式：樊麾下每一步所花的时间都要比 AlphaGo 更久， 而 AlphaGo 的棋路也不像人类棋手那样富有进攻性。它会非常冷静地落子，而非积 极地侵略领地或提子。 对此，我觉得围棋界的反应可能和当年 IBM 的“深蓝” （Deep Blue）打败国际象棋大师一样，棋手会使用这个 软件来分析他们自己的棋局，以找出他们在哪里犯了错误。 李夏珍（音译），韩国围棋协会，国际围棋联盟秘书长 一开始听到计算机要挑战李世乭的时候我惊呆了，我想计算机团队可

5、能根本 不知道李世乭的实力有多强，但事实上是我不知道计算机的实力有多强。我非常 期待他们之间的较量。 谁会赢？我真不知道。李世乭不相信计算机有他那么厉害，但我过去曾经听 到过一些关于 AlphaGo 的消息，并被它的实力所震惊。当然，我也知道李世乭有 多强，所以我觉得两边获胜的可能性都是 50%吧。 在我看来，围棋仍然是一项可以带给人类很多启迪的游戏，即使人工智能在 这方面打败了人类，也不会削减它一丝丝的魅力。人类会接受计算机技术超越自 己的现实，并找到方法让它们为自己所用。 乔纳森谢弗（JonathanSchaeffer），加拿大阿尔伯塔大学计算机科学家，也是 2007 年解决国际跳棋问题

6、的计算机程序“奇努克”（Chinook）的设计者。 这还不能与 1997 年“深蓝”击败国际象棋世界冠军加里卡斯帕罗夫（Garry Kasparov）的时刻相比肩，等到计算机程序打败真正的围棋顶尖棋手才算。 “深蓝”从 1989 年开始就常常能击败国际象棋大师了，但直到 8 年以后击败卡斯帕罗夫才算得上 统治了这一领域。 但这一棋局让我看到AlphaGo与顶尖人类棋手的距离已经大大缩小， 很可能再改进一下算法，提高一下计算能力，在一两年之内就能打败顶尖棋手。 关于三月即将进行的那场棋局，我还是赌李世乭会赢。不是瞧不起 AlphaGo，我觉 得它就像一个天才儿童，一下子就学会了围棋，而且水平极高

7、，但它的经验还不够丰 富。而我们知道，在棋类游戏中，经验是很重要的一方面。 德米斯哈萨比斯（DemisHassabis），DeepMind 公司创立者之一。 AlphaGo 很可能在围棋这一领域超越最顶尖的人类，我非常期待看到它在围棋的 规则之内创造出新的东西。这是我亲手打造的系统，自然对它怀有很深的感情，尤其 考虑到我们打造它的方式它会不断学习，从某种意义上说我们是在不断”训练” 它，它下棋的方式也很像人类。你在写一段普通的程序时，可能对所有细节都了如指 掌，事先安排好了一切，但 AlphaGo 不一样，它会自己学习提高，这种能力是很了不 起的。 戴维西尔弗（DavidSilver），Dee

8、pMind 公司的计算机科学家。 我没下注赌 AlphaGo 赢，不过三月这场比赛的结果的确会对我们的名声 有很大的影响，如果输了，我们会非常失望的。但一切皆有可能，人类总有 很多技巧，有些是我们无法训练我们的计算机来应对的。 二、 人工智能飞跃史 1950 年，计算机科学先驱阿兰 图灵预测到 2000 年计算机就可以思考：拥有与人类同等水平的创造力、解决问 题的能力、个性和适应性行为。他提出了一种判断机器能否进行思考的测试：图灵测试。 人工智能一日千里，未来应用：语音识别、自动驾驶 相对于棋盘上的胜负，人工智能一日千里的进展更加激动人心。 自然杂志将“阿尔法围棋”的成果归功于“深度学习”（D

9、eepLearning） 。 深度学习是目前人工智能领域中最热门的科目， 它能完成笔迹识别， 面部识别， 驾驶自动汽车， 自然语言处理， 识别声音，分析生物信息数据等非常复杂的任务。 2006 年之后，深度学习实际使用多于三层的神经网络，即深度神经网络。这是复杂的非线性模型，拥有复杂的 结构和大量的参数，有非常强的表示能力，特别适合于复杂的模式识别问题。 这种能力在“阿尔法围棋”身上就体现的很充分。另外，这一能力将能帮助人类在未来揭示丰富的信息，并对未 来或未知事件做出更精准的预测。 这些能力也是自动驾驶的汽车、Siri 等语音识别技术以及 F（Facebook 最近获得的面部识别软件）的基 础，越来越精准的翻译软件也归功于这样的 AI 技术。 谷歌高级工程师也还预测神经网络会在其他科学领域扮演重要工具，例如在基因行为预测，药物，蛋白质，新 的医疗方案等。 果壳网写下了一段意味深长的评论：“AI 一定会进入我们的生活，我们不可能躲开。这一接触虽然很可能悄无 声息，但意义或许不亚于我们第一次接触外星生命。”