理解了人工智能,就理解了生活。读了这本书后这样说一点也不过分!
这篇书评可能有关键情节透露
很难想象,人类设计的一串串计算机代码,某一天会反过来打败人类。
很难想象,人工智能发展的速度已经不是人类自己所能想象的。
我们不停地在谈论“人工智能”,可人工智能到底是什么呢?
人工智能会不会不断战胜人类的智慧,甚至会威胁人类生存?
这些问题,相信只有从事和热爱人工智能领域的人才能回答。日本科学家山本一成是世界人工智能领域的代表人物,他开发的“PONANZA”程序在2013年打败了将棋高手佐藤慎一,且之后四年无一败绩。“PONANZA”程序与IBM公司战胜世界象棋冠军卡斯巴罗夫的“深蓝”,谷歌公司击败世界顶尖围棋高手李世石的“阿尔法狗”,并称人工智能史上的三大标杆。
山本诚一在其最新著作《你一定爱读的人工智能简史》以将棋、围棋为中心,继而探索“机器学习”“深度学习”“强化学习”——这三大人工智能核心技术的本质、历史与未来,并尽可能通俗地对其进行解读。
机器学习阶段:人工智能到底有什么特点?
电脑除了不断重复“单纯的计算”和“存储”两大功能外,似乎没有太多的功能了。实际上不然,程序员可以编写更为复杂的程序去解决更为复杂的问题,让电脑具有“智慧行为”的特点。
“智慧行为”有两种:搜索和评估。“智慧”是一种了不起的存在,可以更好地服务于生物的生存,甚至可以预测未来。
如果电脑是基于现有状况机械地搜索各种数据,推测未来的变化,其实就是一种仿真。但是这种单纯的、机械式的搜索并不好用,如果遇到庞大的数据,也会完成不了任务。
比如,虽然我们无法搜索将棋中所有的棋局,但是我们可以从有限的资源中缩小范围、制订目标后进行搜索,这就是一种评估行为。这样的评估虽然出错概率大了,但是胜率概率也相应大了。
但是我们也要看到,人类讲自己的智慧输入电脑程序,远远比我们想象的要更加困难。因为人类无法向外界全盘传达自己的想法。这一点相信每个人都深有体会,所谓有苦难言,百口莫辩就是这个道理。
人类不清楚自己下棋是如何思考的,当然也是无法用语言能够解释清楚的。这应该是人工智能面临的最大问题——人工智能的寒冬。
既然无法将人类思维,尤其是思维的变化写进电脑中,那么就干脆讲人类的智能锁在黑匣子里。我们不要电脑只有单纯的搜索和模仿,而是尝试让电脑自动调整数据,实现自我学习和自我训练。
机器学习技术,是指尚不能完全理解人类的学习方式,但可以模仿人类学习行为的一种计算机技术。这是一种“监督式(教师指导式)学习”技术。
比如将棋棋谱被数字化后,电脑就可以开始向机器学习,从棋谱中了解棋手面对某一局时的具体处理方法,从而计算棋手到底如何走。可是这种学习必须要求电脑调整到最大公约数的状态,才能确保电脑和职业棋手出棋一致。
在不断的机器学习中,电脑程序不断面对过去的自己,修正应对方法,不断提高胜率。更有趣的是,电脑在对战中永远不会累,而且它只有一个目的:战胜对手。
从某种意义上说,程序员不是教给电脑知识本身,而是教给电脑自主学习的方法。
深度学习阶段:黑魔法到底有什么威力?
深度学习的前身是“神经元网络”技术。是不是只要增加神经元网络的层数,其性能就会大幅度提高呢?实际上,层数越多,难度越大。
在机器学习之后,之所以出现深度学习模式,是因为人工智能中很多系统性的问题越来越没法解释。我们无法弄清楚每一场棋的胜因或者败因,也不明白为什么一个好的改进可以使程序变强,它们就像黑魔法一般无法捉摸。
黑魔法之一:懒惰的并列性。程序员让多台电脑多个内核分散开处理一个事情。作业时,各个内核也会将自己偶然发现的有利信息共享给大家。
可是这种并列和分享的方式为什么会发生呢?专家也解释不清楚。或许这就是人工智能中的直觉吧。
黑魔法之二:深度学习从全盘记忆转向特征记忆,并从其中提取一些本质特征。对于深度学习来说,在学习过程中随机抽取神经元并使其脱离,是一个非常严峻的挑战。由于缺少神经元,电脑将无法进行“全盘记忆”,此时的深度学习便转向拼命记忆某些局部特征。
神经元脱离后,深度学习究竟为何会转向记忆局部特征,这就非常难以解释了。这个过程如同黑魔法一样。
具有黑魔法特征的深度学习到底可以在哪些领域突破呢?语言、声音、图像应该是3个较大的应用场景。
语言比如谷歌翻译,它可以出色地在原句信息不足的情况下,自行弥补并最终给出精确度更高的译文补充。语音输入功能的识别技术越来越高,精确度也越来越高。
图像是这三大领域里最热门的,也是深度学习最擅长的。图像识别技术可以将黑白图片生成为彩色图片。与机器学习中的其他技术相比,深度学习的优势在于,其输入和输出的设计具有高度的自由。倘若今后可以做到图像、文字和声音的随意切换,且转换结果正确,那么就有更多的人认可其智能性。
人工智能哪怕具有深度学习的能力,但是我们也没有解开智能之中隐藏的方程式,而是接受了不管在哪里都是模模糊糊的状态——这也是大多数人工智能研究人员的真实感受。
强化学习阶段:守!破!离!
2016年12月起至2017年1月间,谷歌旗下的深度思考公司研发的阿尔法狗在围棋网站上与来自日本、中国、韩国的顶尖高手逐一进行对决,连胜60局无一败绩。阿尔法狗从根本上超越了天才棋手们迄今为止所积累的围棋常识。
人工智能为何进化如此飞快?
电脑的学习方法更新有多快?
人类无法直观理解指数级上涨,只能接受线性上升。可是电脑世界里的增长从来都是指数级的。
虽然人工智能在进行机器学习时,一直是以人类的行为和判断标准作为参考的,但是人工智能会在深度学习技术中不断提升自己的评估和选择能力,并能够在某些领域直接超过人类。
电脑之所以能够获得这样的智能,是因为具有超强的“守、破、离”的学习能力。
“守”,指最初阶段忠实地遵从老师与流派的教诲、示范动作及技法,认真练习并掌握基础。“破”,指基础牢固后开始思考其他老师及流派的教诲,汲取其中优秀的内容,充分锻炼精神和技术两个方面。“离”,指离开原有流派,自创招式,另辟蹊径。
其中“离”就是强化学习的重点。在“监督式学习”之外,电脑的“强化学习”带来了更多的可能。“监督式学习”出现在机器学习阶段,须以老师为模板;而“强化学习”则无需老师。
最初阶段,电脑必须在大量数据的情况下进行“监督式学习”,需要有程序员去协助。后来才会转变为“强化学习”。人工智能在这个过程中的黑魔法般的威力逐渐呈现出来,各行各业都不能不重视它。
但是,人工智能又显得有些无情,因为它只知道客观、认真、执着地执行命令。如果人类巧设陷阱的话,人工智能可能就会往其中跳。尽管人工智能偶尔会失误,就像著名的围棋大战,阿尔法狗以4:1完胜围棋九段高手李世石,但是人工智能从来没有停下过学习的脚步。
当人工智能把机器学习、深度学习和强化学习结合起来后,“合奏效果”后的人工智能将是无法估量的,甚至可以脱离人类的模板,进化到任何人都难以企及的高度。因为合奏不是单独歌声相加,而是多种演唱手法相互重叠所得到的成倍优美的歌声。
当然,参与合奏的各个成员都必须展示自己的实力,而不是那种滥竽充数的人。人工智能里也一样,阿尔法狗带来的巨大冲击,已经让围棋变得神秘莫测了。
也许,人类从未真正了解过围棋这种游戏,而阿尔法狗的出现给人类带来了理解它的曙光。可是日本棋士大桥拓文感叹:“我看到了它从科学变为宗教的刹那。”
难道科学的尽头必须是宗教吗?
正如《你一定爱读的人工智能简史》的作者山本一成所说:“人类有能力感受事物的意义并推测其故事发展。人工智能因为不受意义和故事的限制,它的表现可以超越人类,可是它并不拥有设定目标的智慧,只有通过搜索和评估的方式寻找通往目标的途经的能力。”
所以,人工智能要想真正超越人类,就必须对世界进行故事性的解释,也必须获得可以自行设定中间目标的智慧。也就是说,“越接近人脑越容易获得成功。”
在人工智能不断接近人脑的过程中,必须加入“伦理观”,让它获得判断“对错”的能力。人工智能作为“人类的孩子”,哪怕它发展到非常高级阶段,甚至具备了人类的智慧,它与人类的关系应该互敬互爱的。
无论怎样,“人工智能开发最原始的初衷,其实是致力于改善人类的生活,让生活更轻松,比如更早的发现病灶,更轻松的完成文章翻译等等。虽然现在人工智能压倒性的性能,有时会让人感到压力,但是如果能够很好的把控其中的负面因素,他一定能够促使我们的社会更好的发展。”