【IT時代網(wǎng)編者按】AlphaGo與李世石的人機(jī)大戰(zhàn)，可以預(yù)測，四個月前的AlphaGo擊敗李世石基本不可能，不過這四個月AlphaGo進(jìn)步很多，比賽應(yīng)該很精彩。但是，無論這次結(jié)果如何，機(jī)器1-2年之內(nèi)必然完勝人類。完勝人類之后呢?可以做個通用的大腦嗎?意味著機(jī)器可以思考了嗎?還有什么問題是機(jī)器無法超越人類的?

在知乎討論AlphaGo與李世石的人機(jī)大戰(zhàn)，可以預(yù)測，四個月前的AlphaGo擊敗李世石基本不可能，不過這四個月AlphaGo進(jìn)步很多，比賽應(yīng)該很精彩。但是，無論這次結(jié)果如何，機(jī)器1-2年之內(nèi)必然完勝人類。完勝人類之后呢?可以做個通用的大腦嗎?意味著機(jī)器可以思考了嗎?還有什么問題是機(jī)器無法超越人類的?

以下為在知乎就“AlphaGo能戰(zhàn)勝李世石嗎?”的提問回答的原文：

先直接回答這個問題，下面再分析AlphaGo和人工智能的未來。我認(rèn)為AlphaGo這次的比賽打敗李世石比較懸，但是1-2年之內(nèi)必然完勝人類。

按照兩者的Elo(圍棋等級分)，可以算出去年年底的AlphaGo打敗李世石的概率相當(dāng)?shù)汀?/strong>如何算出的呢?AlphaGo去年年底的頂級分布式版本的Elo是3168(見下面第一張圖)，而李世石的Elo大約是3532(全球圍棋手Elo: Go Ratings ，見下面第二張圖)。

按照這兩個等級分的兩個棋手對弈，李世石每盤的勝算為89%。如果對弈一盤，AlphaGo尚有11%的獲勝的可能性，而整個比賽五盤勝出三盤或更多，AlphaGo就只有1.1%的可能性了。(當(dāng)然，按照原來的10月的AlphaGo，只有1.1%，不過現(xiàn)在既然大大進(jìn)步了，就不一樣了，也許今天已經(jīng)超越了：見下面第三點)。

AlphaGo不是打敗了歐洲冠軍嗎?有些人認(rèn)為AlphaGo去年底擊敗了歐洲冠軍樊麾，所以挑戰(zhàn)(前)世界冠軍應(yīng)有希望。但是，樊麾只是職業(yè)二段(Elo 3000左右)，而李世石是職業(yè)九段(ELO 3532)。這兩位的差別是巨大的，完全不能混為一談。就比如說一個人乒乓球打敗了非洲冠軍，并不代表他就可以成功挑戰(zhàn)中國冠軍。

AlphaGo有可能在這幾個月突飛猛進(jìn)，進(jìn)而擊敗李世石嗎?AlphaGo的負(fù)責(zé)人說：”外界不知道我們這幾個月進(jìn)步了非常多“。這點確實有可能。AlphaGo進(jìn)步的方法有兩個：(1)增加硬件：我們從Nature的文章可以看到：從1202個CPU到1920個CPU，AlphaGo的ELO只增加了28，而且線性地增加CPU，不會看到線性的ELO成長。若要達(dá)到364 ELO積分的提升，需要的CPU將達(dá)到天文數(shù)字。當(dāng)然，谷歌有錢有機(jī)器，但是純粹加機(jī)器將會碰到并行計算互相協(xié)調(diào)的瓶頸(就是說假設(shè)有十萬萬臺機(jī)器，它們的總計算能力很強(qiáng)，但是彼此的協(xié)調(diào)將成為瓶頸)。在幾個月之內(nèi)增加兩個數(shù)量級的CPU并調(diào)節(jié)算法，降低瓶頸，應(yīng)該不容易。(2)增加學(xué)習(xí)功能：AlphaGo有兩種學(xué)習(xí)功能，第一種是根據(jù)高手棋譜的學(xué)習(xí)，第二種是自我對弈，自我學(xué)習(xí)。前者已經(jīng)使用了16萬次高手比賽，而后者也在巨大機(jī)組上訓(xùn)練了8天。這方面肯定會有進(jìn)步，但是要超越世界冠軍可能不容易。最后，換一種分析方式：如果從過去深藍(lán)擊敗世界冠軍的“成長過程”來看，深藍(lán)大約1993年達(dá)到職業(yè)大師水平，4年后才在一場六盤的比賽中擊敗世界冠軍(大約500Elo積分點的提升)。今天的AlphaGo應(yīng)該和1993年的深藍(lán)相似，剛進(jìn)入職業(yè)大師水平。若要擊敗世界冠軍，雖然未必需要4年的時間，但是幾個月似乎不夠。

還有什么以上未考慮的因素，導(dǎo)致AlphaGo獲勝嗎?如果谷歌刻意未出全力和樊麾對抗，或者有其它學(xué)習(xí)或并行計算方面超越了Nature里面的描述，那AlphaGo完全有可能獲勝。

(有最新的消息：李世石預(yù)計自己會大勝，不是5﹣0就是4﹣1，他的目標(biāo)是達(dá)到5：0，一盤都不輸。AlphaGo負(fù)責(zé)人認(rèn)為有50%概率可以戰(zhàn)勝李世石，因為最近四個月進(jìn)步非常大。)

既然寫了這么多，就對這個題目再發(fā)表一些看法：

AlphaGo 是什么?在今年一月的Nature有AlphaGo的詳細(xì)介紹，AlphaGo是一套為了圍棋優(yōu)化的設(shè)計周密的深度學(xué)習(xí)引擎，使用了神經(jīng)網(wǎng)路加上MCTS (Monte Carlo tree search)，并且用上了巨大的谷歌云計算資源，結(jié)合CPU+GPU，加上從高手棋譜和自我學(xué)習(xí)的功能。這套系統(tǒng)比以前的圍棋系統(tǒng)提高了接近1000分的Elo，從業(yè)余5段提升到可以擊敗職業(yè)2段的水平，超越了前人對圍棋領(lǐng)域的預(yù)測，更達(dá)到了人工智能領(lǐng)域的重大里程碑。

AlphaGo 是科學(xué)的創(chuàng)新突破嗎?AlphaGo是一套設(shè)計精密的卓越工程，也達(dá)到了歷史性的業(yè)界里程碑，不過Nature文章中并沒有新的“發(fā)明”，AlphaGo的特點在于：不同機(jī)器學(xué)習(xí)技術(shù)的整合、棋譜學(xué)習(xí)和自我學(xué)習(xí)的整合、相對非�？蓴U(kuò)張的architecture(讓其充分利用谷歌的計算資源)、CPU+GPU并行發(fā)揮優(yōu)勢的整合。這套“工程”不但有世界頂級的機(jī)器學(xué)習(xí)技術(shù)，也有非常高效的代碼，并且充分發(fā)揮了谷歌世界最宏偉的計算資源(不僅僅是比賽使用，訓(xùn)練AlphaGo時也同樣關(guān)鍵)。

AlphaGo的跳躍式成長來自幾個因素：1)15-20名世界頂級的計算機(jī)科學(xué)家和機(jī)器學(xué)習(xí)專家(這是圍棋領(lǐng)域從未有的豪華團(tuán)隊：也許你覺得這不算什么，但是要考慮到這類專家的稀缺性)，2)前面一點提到的技術(shù)、創(chuàng)新、整合和優(yōu)化。3)全世界最浩大的谷歌后臺計算平臺，供給團(tuán)隊使用，4)整合CPU+GPU的計算能力。

AlphaGo是個通用的大腦，可以用在任何領(lǐng)域嗎?AlphaGo里面的深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、MCTS，和AlphaGo的擴(kuò)張能力計算能力都是通用的技術(shù)。AlphaGo的成功也驗證了這些技術(shù)的可擴(kuò)展性。但是，AlphaGo其實做了相當(dāng)多的圍棋領(lǐng)域的優(yōu)化;除了上述的系統(tǒng)調(diào)整整合之外，里面甚至還有人工設(shè)定和調(diào)節(jié)的一些參數(shù)。AlphaGo的團(tuán)隊在Nature上也說：AlphaGo不是完全自我對弈end-to-end的學(xué)習(xí)(如之前同一個團(tuán)隊做Atari AI，用end-to-end，沒有任何人工干預(yù)學(xué)習(xí)打電動游戲)。如果AlphaGo今天要進(jìn)入一個新的應(yīng)用領(lǐng)域，用AlphaGo的底層技術(shù)和AlphaGo的團(tuán)隊，應(yīng)該可以更快更有效地開發(fā)出解決方案。這也就是AlphaGo真正優(yōu)于深藍(lán)的地方。但是上述的開發(fā)也要相當(dāng)?shù)臅r間，并且要世界上非常稀缺的深度計算科學(xué)家(現(xiàn)在年待遇行情已達(dá)250萬美金)。所以，AlphaGo還不能算是一個通用技術(shù)平臺，不是一個工程師可以經(jīng)過調(diào)動API可以使用的，而且還距離比較遠(yuǎn)。

如果這次AlphaGo沒有打敗李世石，那還要多久呢?IBM深藍(lán)從進(jìn)入大師級別到比賽擊敗世界冠軍花了四年。AlphaGo應(yīng)該會比深藍(lán)更快提升自己，因為深藍(lán)需要新版本的硬件，和針對Kasparov的人工調(diào)節(jié)優(yōu)化，而AlphaGo是基于谷歌的硬件計算平臺，和相對通用的深度學(xué)習(xí)算法。所以，幾個月太短，4年太長，就預(yù)計1-2年之間吧。

從國際象棋到圍棋，到底是不是巨大的突破呢?肯定是的，在這篇文章里面(在國際象棋領(lǐng)域，，電腦已經(jīng)可以戰(zhàn)勝人腦，那么圍棋領(lǐng)域電腦還差多遠(yuǎn)?鏈接：https://www.zhihu.com/question/21714457 )，第一位回答者分析了圍棋的復(fù)雜度為 而國際象棋則只有 。在1997年深藍(lán)擊敗世界冠軍時，大家都認(rèn)為：深藍(lán)使用的是人工調(diào)整的評估函數(shù)，而且是用特殊設(shè)計的硬件和”暴力“的搜索 (brute-force) 地征服了國際象棋級別的復(fù)雜度，但是圍棋是不能靠窮舉的，因為它的搜索太廣(每步的選擇有幾百而非幾十)也太深(一盤棋有幾百步而非幾十步)。而AlphaGo的發(fā)展讓我們看到了，過去二十年的發(fā)展，機(jī)器學(xué)習(xí)+并行計算+海量數(shù)據(jù)是可以克服這些數(shù)字上的挑戰(zhàn)的，至少足以超越最頂尖的人類。

AlphaGo 若打敗了世界冠軍，就意味著計算機(jī)超越人腦?或者可以思考了嗎?

我的回答：

在可以憑邏輯分析推算的問題上，機(jī)器即將遠(yuǎn)遠(yuǎn)把人類拋在后面。機(jī)器速度會越來越快，學(xué)習(xí)能力會越來越強(qiáng)，數(shù)據(jù)會越來越多。當(dāng)年，大家討論“國際象棋輸給機(jī)器不算什么，圍棋才是真正的智慧”只是我們?nèi)祟惥S護(hù)自己尊嚴(yán)但是不實際的幻想!今天，我們該面對現(xiàn)實了!

在大數(shù)據(jù)+機(jī)器學(xué)習(xí)+大規(guī)模并行計算的時代，我們將看到無數(shù)的商機(jī)和產(chǎn)品，能夠在預(yù)測、分析、推薦等方面，產(chǎn)生巨大的商業(yè)和用戶價值。不過，這些解決方案和人類相比，其實沒有什么意義，因為人差太遠(yuǎn)了(比如說：推薦引擎將能推薦你最可能會買的產(chǎn)品、想吃的菜，想認(rèn)識的人;自動交易能得到更高的投資回報和風(fēng)險比例……)。

在感知方面，人類也將會被機(jī)器超越。今天的語音識別，人臉識別，未來的自動駕駛，都是例子。

但是，對于那些科幻片的粉絲們：以上都還是冷冰冰的技術(shù)，機(jī)器人是否會人性化?這還是未知的。畢竟，在情感、喜怒哀樂、七情六欲、人文藝術(shù)、美和愛、價值觀等方面，機(jī)器離人還差的很遠(yuǎn)，甚至連基礎(chǔ)都沒有。對人工智能的研究者，這是下一個挑戰(zhàn)。對我們?nèi)祟悾谙聜�突破之前，我們還是多發(fā)展右腦吧!

P.S. - 也許有人好奇，為什么這個話題我說了這么多，因為在1986年，我在讀書時，曾經(jīng)開發(fā)了一套黑白棋系統(tǒng)(復(fù)雜度)，擊敗了黑白棋的世界團(tuán)體冠軍，而當(dāng)年的那套系統(tǒng)也有(非常粗淺的)自我學(xué)習(xí)的能力�！矩�(zé)任編輯/閆紅玉】