在第三次擊敗當(dāng)今最優(yōu)秀圍棋選手之一的李世石之后，谷歌的AlphaGo顯然已經(jīng)創(chuàng)造了歷史。但人工智能需要多久可以達(dá)到人類的智力水平呢？對(duì)此，專家們的表達(dá)了自己的看法。

史無(wú)前例 的功績(jī)

人工智能及計(jì)算機(jī)科學(xué)家Richard Sutton認(rèn)為，AlphaGo所取得的成就 以及自我改進(jìn)的速度 都是 史無(wú)前例的 。IBM的深藍(lán)花了至少10年時(shí)間才具備擊敗國(guó)際象棋世界冠軍Garry Kasparov的能力。對(duì)比之下，AlphaGo從業(yè)余水平到擊敗世界冠軍用了不到1年時(shí)間。

和國(guó)際象棋相比，圍棋的變化要多得多。即便是對(duì)于今天的計(jì)算機(jī)而言，進(jìn)行計(jì)算和分析也絕非易事。如此一拉，AlphaGo的成就就更讓人刮目相看了。

Sutton認(rèn)為，AlphaGo的成功主要得益于以下兩種強(qiáng)大技術(shù)的結(jié)合：

1.蒙特卡洛樹搜索：隨機(jī)選擇落子點(diǎn)，然后模擬整盤棋以尋找勝利策略

2.深度強(qiáng)化學(xué)習(xí)：一個(gè)模擬大腦連接的多層神經(jīng)網(wǎng)絡(luò)，當(dāng)中包括選擇下一個(gè)落子點(diǎn)的 策略網(wǎng)絡(luò) ，以及預(yù)測(cè)獲勝者的 價(jià)值網(wǎng)絡(luò)

但如果跳出圍棋來(lái)看，Sutton表示，AlphaGo依然缺乏一個(gè)關(guān)鍵性的元素：了解世界運(yùn)轉(zhuǎn)方式的能力 比如理解物理定律和個(gè)人行為所導(dǎo)致的結(jié)果。

缺失的一環(huán)

智能系統(tǒng)可以被定義為能夠設(shè)立并達(dá)成目標(biāo)的東西。當(dāng)今許多強(qiáng)大的人工智能程序卻沒(méi)有目標(biāo)，只能在人工輔助下學(xué)習(xí)事物。對(duì)比之下，DeepMind的AlphaGo的確有一個(gè)目標(biāo) 贏得圍棋比賽 也可通過(guò)自己跟自己下棋來(lái)獨(dú)立學(xué)習(xí)。

但是，圍棋這種棋類運(yùn)動(dòng)都有一套明確的規(guī)則，因此AlphaGo可以遵守這些規(guī)則來(lái)達(dá)成目標(biāo)。 但在現(xiàn)實(shí)世界當(dāng)中，我們可沒(méi)有游戲規(guī)則（可以遵守），也無(wú)法知道自身行為的后果。 Sutton說(shuō)。

即便如此，Sutton并不認(rèn)為開發(fā)出接近人類水平的人工智能是件遙不可及的事。

我們有50%的幾率能在2040年實(shí)現(xiàn)（人類水平的）智能 提前10年也不是不可能。 他說(shuō)。

其他專家也認(rèn)為人工智能的發(fā)展速度要比我們預(yù)料的更快。加州大學(xué)伯克利分校計(jì)算機(jī)科學(xué)教授、人工智能專家Stuart Russell認(rèn)為，人工智能在許多領(lǐng)域里都展現(xiàn)出了大幅度的進(jìn)步，而這個(gè)發(fā)展速度似乎還會(huì)越變?cè)娇臁?/p>

但這并不是我們對(duì)人工智能心存恐懼的理由。 我并不認(rèn)為人們應(yīng)該害怕， Sutton說(shuō)道， 但我們的確應(yīng)該去留意（人工智能的發(fā)展）。

登陸|注冊(cè)歡迎登陸本站，認(rèn)識(shí)更多朋友，獲得更多精彩內(nèi)容推薦！