围棋人机大战：人工智能靠什么战胜人类大脑？

　　 无论是赞誉还是批评，人工智能（AI）的发展已超过了人们的想象，它似乎印证了那句描述宇宙结构的老话：一路走来，一切都是人类的造物。

　　3月9日，韩国九段顶尖中国围棋选手李世石将与谷歌人工智能项目AlphaGo在韩国首尔展开对决，整个比赛将分五轮进行。大战在即，双方都公开表示，深信自己将赢得最终的胜利。

　　Facebook人工智能组研究员田渊栋博士详细分析了AlphaGo在《自然》杂志上发表的论文，他认为AlphaGo整个系统即使在单机上也已具有了职业水平，与李世石的比赛会相当精彩，很期待最后的结果。不过，《人工智能学家》主编刘锋则撰文表示，谷歌的围棋AI及这场比赛有科学欺诈之嫌。

　　万众瞩目的人机大战一触即发，人工智能是否能够战胜人类大脑？不论围棋大战谁胜谁负，它都将为问题的答案奠定基础。

机器学习并赢得了所有49个经典Atari计算机游戏。而围棋则一直以来都被人们视为人类能够胜于程序的最后一个经典游戏。围棋之所以如此困难，原因是其结果的无限性，每一局的比赛都非常难以被复制并重现。

　　“围棋是一种终极游戏，它是游戏的巅峰之作，是最智慧的游戏。” DeepMind创始人哈萨比斯认为围棋是一门艺术，而不是一门科学。“AlphaGo能够以人类的方式学习围棋，并在不断的对局中变得越来越厉害，就像我们人类一样，学会理解，而不是计算。”他对AlphaGo取得最终的胜利深信不疑。

　　取胜的关键

　　AlphaGo与之前的 机器人 所不同的一点在于对于神经网络、分层计算和知识库的应用，即谷歌DeepMind团队用两套神经网络为AlphaGo开发了一个全新的系统，这也是它拥有取胜能力的关键。该领域的领军人物杰弗里·欣顿说：“神经网络让我们减少了要调查的结果数量，但是它们同时也擅长通用化其并未见过的状态。因此，这些神经网络学习规则与战术，它们并不仅仅会记忆，它们还能够理解。”

　　“传统搜索树会考虑所有可能性，但它用在围棋上行不通。” 哈萨比斯说。正因如此，用两套神经网络为AlphaGo开发的全新的系统可以将围棋视为一个包涵所有可能性的树，它能够无限延伸。AlphaGo要做的就是利用两套神经网络来缩小可能性，它会利用策略网络来判断什么行为可能性最高，系统应该考虑怎么走好下一步，AlphaGo会将搜索树的宽度变窄。还有一个就是价值网络，它告诉AlphaGo怎么移动对白子和黑子都更好，这样就可以降低可能性的深度，这一切都给它的获胜增加了砝码。

　　不过，《人工智能学家》主编刘锋则撰文表示，谷歌的围棋AI及这场比赛有科学欺诈之嫌，主要原因是AlphaGo对其他围棋程序选取了众多测试对象，并进行了495次实验，但对人类测试者，却只选取了一位曾经获得围棋欧洲冠军的棋手，并签署严格的保密协议。他认为，谷歌也没有像Facebook那样把围棋程序放到互联网上，光明磊落地接受大众的考验，作为与谷歌AlphaGo原理相同的facebook围棋程序DarkForest，目前水平相当于业余5段，与职业选手依然有巨大的差距。

　　从AI到AGI

　　得益于计算机硬件的长足发展、算法（软件）的改进以及巨额资金投入，进入新世纪之后，人工智能在诸多领域取得重大进步。在硅谷，不管是谷歌还是微软抑或是IBM，都投巨资发展人工智能，并有了一些阶段性的成果，如邮件的自动智能回复等等。

　　时代周报记者查阅资料发现，科学家预测AI发展至AGI（人工通用智能）是人工智能的发展趋势。大多数AI系统是“狭隘的”，它们只能完成一种特殊的任务。所以，IBM的深蓝电脑可以击败国际象棋冠军卡斯帕罗夫，但在面对画圈打叉这种简单的游戏时连一个三岁小孩都不如。而哈萨比斯从人类的大脑获得灵感，并试图建立第一个“通用学习机器”，即一套灵活、自适应性的算法，它可以像生物系统那样学习，从零开始完成任何任务，除了原始数据之外不需要任何别的帮助，这就是人工通用智能（AGI），其重点是“通用”。