人類進入與人工智能共舞的時代

號稱“千古無同局”的圍棋對弈，正在迎來一場史無前例的千古變局。

2016年3月，在世界職業圍棋排名網站GoRatings.org上，非人類棋手的名字前所未有地出現了——它就是人工智能圍棋程序AlphaGo。目前，AlphaGo的職業排名僅次於中國的柯潔、韓國的朴永訓以及日本的井山裕太。本月與AlphaGo對戰五局四度落敗的韓國世界冠軍李世九段，排名屈居其后。

根據AlphaGo的設計方、谷歌（Google）旗下Deep Mind公司披露的技術資料，與人類棋手對弈的 AlphaGo，其背后有170個GPU和1200個標准CPU組成的計算網絡，使用蒙特卡洛樹搜索（Monte Carlo tree search），借助值網絡（value network）與策略網絡（policy network）這兩種深度神經網絡，通過值網絡來評估大量選點，並通過策略網絡選擇落點。在這種技術機理的支持下，“AlphaGo的表現讓人驚嘆”，中國科學院計算所研究員、中國計算機學會高性能計算專業委員會秘書長張雲泉接受《中國發展觀察》採訪時說，以超級計算能力的提升為基礎，AlphaGo通過深度學習（deep learning）獲得整體態勢判斷能力，這是它能夠戰勝人類優秀棋手的根本原因，也體現了近年來人工智能至為關鍵的突破性發展。

AlphaGo的優異戰績掀起了世界范圍內普通公眾對人工智能的好奇。公眾由之得以了解，人工智能中的機器學習技術（machine learning）近年來取得巨大進展。“進展到什麼程度呢？現在對很多具體的任務，隻要能收集到足夠多的高質量數據，那麼我們就可以利用機器學習技術構建出達到或接近人類頂級專家水准的系統”，南京大學計算機科學與技術系副主任、機器學習與數據挖掘研究所（LAMDA）所長周志華教授對本刊說。

AlphaGo是一個象征，一個裡程碑。它告訴人類，人類與人工智能共舞的時代，正在來臨。

有趣的新時期

當前，人工智能和人的關系進入了一個有趣的新時期——專注於無人駕駛技術研究的馭勢科技CEO吳甘沙這樣判斷。他告訴本刊記者，現在的情況與十幾年前大不相同。2000年吳甘沙剛剛加入英特爾時，這家公司的語音識別研究水平是頂級的，但很快，人工智能的冬天來臨。他們遇到的瓶頸是，英特爾希望找到一個重度計算的“殺手級”應用（給用戶一個升級的理由），而一台奔騰3就能輕鬆地跑起最好的語音識別算法﹔同時，語音數據的採集也是個大問題。由此，語音識別研究銷聲匿跡，隻有計算機視覺的血脈尚存。

最近十年，人工智能發展提速。隨著成本可控的超級計算能力的突破，1960－1970年代就已初出茅廬的深度學習算法得以快速發展，“像是一個徒步趕路的人騎上了快馬”，張雲泉研究員形容。同時，在這一過程中，大數據功不可沒——深度學習的背后，是大數據驅動的大規模分布式機器學習的勃興，文本翻譯、語音識別、無人駕駛、智能機器人等領域均實現突破。

智能機器人微軟小冰是一個典型案例。小冰在與人的交互中獲得了大量數據，得以不斷延長與人的對話輪數，目前已經達到23輪。與第一代小冰亮相時，很多用戶覺得它的回答讓人“完全不想接著聊”相比，如今的第三代小冰已有相當的進步。

另一個趨勢則是，深度學習從普通認知進入專家認知領域，甚至非認知領域。最近一兩年，深度學習在醫學影像識別中的應用得到了廣泛共識。大量醫務人員參與數據標注，使得深度學習在識別病理特征的能力上迅速逼近專業醫生。而在醫療健康的另一個領域，深度學習在藥物研發和精准醫療等非傳統認知領域也突飛猛進。“這一領域的發展預示著人工智能可能會先取代白領（需要專業領域知識的人），而不是藍領（需要精細操作的人），這可能超越大多數人的想象”，吳甘沙判斷。

誰更聰明？

李世6歲學棋，20歲成為九段棋手﹔AlphaGo為迎戰他，特訓5個月。1︰4的戰績背后，人類智能和人工智能，有何可比性？

張雲泉研究員說，人工智能程序的“智能”與人類智能，二者的形成機制未必一致。超級計算能力並不能線性地直接轉化為人工智能，必須經由合適的模型和算法（特別是深度學習）才能實現。深度學習算法的出現和實用化，加之大量的數據訓練（即大數據），其結果才會是：超級計算機的計算能力能夠轉化為人類所感知到的某種特定的“智慧”。就像微軟小冰，它利用了微軟必應的知識圖譜，但實際上並不能理解聊天中的多數語義。

周志華教授亦坦言，人類智能的“魯棒性”極好，遇到新事物后很快就能適應，而人工智能則不行。目前機器學習技術的一大瓶頸，是在每遇到一個新任務時，就需要收集大量高質量樣本才能構建出強大的模型﹔但人類在做許多新任務時往往隻需很少的樣本即可顯著提升能力，這是現在的機器學習技術尚無法做到的。

比如駕駛技術，人隻需要在駕校學習幾十個小時、上路幾百公裡即可適應各種不同路況。但另一方面，人可能一年隻能駕駛一萬公裡，而且隨著行駛裡程的增加，到一定程度后，人的駕駛技能的提升反而沒有前期那麼明顯。對比應用人工智能的無人駕駛技術，一萬輛車搭載人工智能駕駛系統，每輛車每年行駛一萬公裡，人工智能就學習到一億公裡的經驗。也許在五千萬公裡的時候人工智能駕駛系統還遠遜於人，但到一億公裡時，它將超越人類駕駛員。現在已經實現的增強駕駛（augmented driving），就是人在駕駛時機器同時在駕駛，機器是在學習人的駕駛偏好、行為和對不確定情況的處理。

“人工智能是人幫助機器實現殊途同歸”，談及該問題，吳甘沙引用了一句西諺：“If it looks like a duck, swims like a duck, and quacks like a duck, then it probably is a duck.”（如果一樣東西看上去是鴨子，游泳起來像鴨子，叫起來像鴨子，那它也許就是鴨子。）人工智能就是這樣的類人智能。

未來的圖景

“人類進入屏幕時代。屏幕可以彎曲，除了直接在手機上閱讀的電子書，桌子、椅子、衣服上也可以有屏幕，無處不在。我們不用坐在電腦前，整個身體可以與屏幕互動。屏幕也在看我們，追蹤我們的眼球、細微的動作，分析我們的注意力集中在哪裡，將結果輸出，與我們進行互動。”

這是科技雜志《連線》（Wired）創始主編凱文·凱利（Kevin Kelly）在他的著作中描述的一個未來場景。人工智能技術的進步，給人類帶來很多想象。

接受本刊採訪的中國科技大學科技與戰略風雲學會研究員陳經認為，從微觀上講，人工智能推廣應用，將會產生一些面向普通公眾的流行產品，如更為智能化的智能手機、智能家居等，這會產生新的需求，促進經濟增長。從更為長遠的技術發展路徑角度看，人工智能將是繼上一次IT革命后的下一代人類工業技術革命，其意義無比重要。這將有力促進人工智能相關技術本身的發展，也會促進這些技術在各個行業中的應用。

在他看來，人們關注人工智能下棋，也會對其背后的技術產生興趣，對技術細節及技術潛力更為了解。可以預見人工智能行業將會得到更多的投資，相關投資可能迎來爆發式的增長。對於IT業來說，人工智能確定無疑是未來的方向。

“人工智能的發展速度，超越了人們的預期”，張雲泉研究員說。即便是最前沿的科學家，在做出關於其研究領域發展程度的預判時，也有不准確的可能。科學技術后來的發展超出此前人類對它的預期，在科學史上，這樣的事情並不鮮見。正如AlphaGo與李世對弈前，許多人甚至包括相關領域的科學家，並不看好甚至嘲笑它，但后來的事實表明，它的表現震撼了所有人。

也正因如此，有人開始擔心出現瘋狂的人工智能研究者或利用者，通過尖端的人工智能技術，做出違背人類倫理的行為﹔或者機器人某一天擁有了“自意識”，脫離人類掌控，以人類為敵。在陳經等人看來，隨著人工智能技術的繼續發展，可能科學界會找到“強人工智能”的研發路線圖，即計算機科學家知道如何創造有自主意識的電子生命。

霍金等科學家曾鄭重警示人類，人工智能表面上看似乎是一種有益的智能技術，但在未來，這種技術可能會造成人類的終結。霍金認為，人類正面臨來自智能技術的威脅，隨著技術體自身開始學會自我思考，擁有超級大腦的機器將能夠不斷進行自我改進，從而不斷提升自身的能力，並學會適應環境，人類將面對不確定的未來。

考慮到這種可能存在於未來的風險，一些研究者已經有所動作。2015年12月12日，非營利性人工智能項目——OpenAI宣布正式啟動，Y Combinator 總裁 Sam Altman 和特斯拉 CEO Elon Musk 共同擔任聯席主席。OpenAI的使命是 “推動數字智能的發展，同時不被財務回報限制，從而造福整個人類”。

但是在現階段，科學家們的看法是，人工智能還處在早期起步期，無須杞人憂天。人工智能是一門科學，使用了什麼技術，能達到什麼能力，研究者心中有數。“就像人造出飛機，一定知道再怎麼發展它也不會像真鳥一樣能生小鳥”，周志華教授說，“人工智能”這一名詞雖然容易引人遐想，但其實我們不妨把它當做高級一點的仿生學。人工智能絕不比造飛機、火箭的技術更不安全。“就像菜刀本身很安全，但是有人會拿著它出來砍人……拿人工智能技術砍人當然比菜刀厲害。”如果人工智能存在危險性，其根源也在人類自身。

人類應當怎樣看待人工智能？“螳臂當車隻會適得其反。以一種警醒的態度來擁抱新科技則有效得多”，凱文·凱利在他的書中這樣說。（記者 杜悅英）