在日前舉行的德國漢諾威國際信息及通信技術博覽會上，一位工作人員和小機器人進行互動。
谷歌“AlphaGo”和韓國棋手李世石的人機大戰(zhàn)塵埃落定，但人工智能的進化之旅才剛剛啟程。人類為何要研究人工智能？人工智能會不會有一天超過人類成為“超級智能”？我們應該以什么樣的心態(tài)來看待人工智能的突飛猛進？
“阿爾法狗”用3000萬局“自我對弈”數據來訓練，靠的是“題海戰(zhàn)術”
人機圍棋大戰(zhàn)引人注目，展示了人工智能驚艷的一面。
阿里云人工智能業(yè)務總監(jiān)初敏博士認為，如果看一下背后的技術原理，AlphaGo其實也不是那么神秘，本質上與約20年前戰(zhàn)勝國際象棋冠軍的“深藍”計算機一樣，是一個超大規(guī)模的搜索問題。有所不同的是AlphaGo采用了當下非常熱門的深度神經網絡，以及深度神經網絡跟蒙特卡洛樹搜索算法的結合。AlphaGo能成功的秘訣在于強大的計算能力和大量的訓練數據，互聯網的普及也把大量圍棋對弈的過程和棋譜電子化了。
專家介紹說，人工智能的核心是機器學習技術，通過算法使機器能從大量歷史數據中學習規(guī)律，從而對新的樣本做智能識別或對未來做預測。從上世紀80年代末以來，機器學習的發(fā)展大致經歷了兩次浪潮：淺層學習和深度學習。深度學習是機器學習的一種，本質上就是人工神經網絡。它模仿人類大腦行為的神經網絡，更接近于人類的學習方式。初敏說，深度神經網絡最初是在語音和圖像兩個領域獲得很大成功，目前正被用于更廣泛的領域。AlphaGo的成功再次證明深度神經網絡強大的學習能力。
浙江大學計算機科學與技術學院教授蔡登說，AlphaGo用了3000萬局“自我對弈”數據來訓練，對計算機來說這是一個時間比較短的過程。對人來說，即使每局只要15分鐘，可能也要800多年才能下完。AlphaGo利用了全世界最大的谷歌計算平臺，整合大量芯片處理器的計算能力，進行技術創(chuàng)新、整合和優(yōu)化，從算法創(chuàng)新方面對于計算機圍棋有很大意義，對于廣義的人工智能可能談不上太大創(chuàng)新。不過，在這類策略型游戲或是規(guī)則明確的競賽中，機器終將超越人類。
蔡登說，人工智能的學習方式和人類有很大的區(qū)別。比如一個孩子第一次看到一只狗，告訴他這是一只狗，下一次看到其他的狗時，他就能判斷這也是狗。而目前的人工智能很大程度上還是基于海量數據、大樣本的學習，屬于“題海戰(zhàn)術”——它可能要“看”過成千上萬只狗之后，才有辨別的能力。
互聯網把人和物都連起來，把所有活動都數字化，因此“大數據+云計算”必然促進人工智能高速發(fā)展
實際上，與公眾對人工智能的各種“腦洞大開”的想象相比，科學家眼中的人工智能更為具體和現實。
一般的人工智能被定義為企圖了解智能本質，通過模擬、延伸和擴展人類智能，產生具有類人智能的計算系統。經過半個多世紀的努力，在很多領域取得了一連串里程碑式的重要突破。比較著名的包括1997年“深藍”戰(zhàn)勝國際象棋世界冠軍，2011年IBM超級計算機沃森（Watson）在美國電視答題節(jié)目中戰(zhàn)勝兩位人類冠軍，當然也包括此次AlphaGo贏了人類圍棋高手。
這些人工智能理論與技術的突破，成為提升傳統產業(yè)、催生新興工業(yè)的重要支撐技術?；ヂ摼W搜索中使用語音搜索已經是成熟應用，正在研發(fā)中的無人駕駛汽車也通過傳感器實現對環(huán)境信息的理解，依賴精確的地圖來確定位置。
初敏說，通過計算得到的讓人感受到“智能”的技術都屬于人工智能的范疇，比如網購時都會體驗到的廣告和智能推薦，在使用智能設備時會用到人機語音交互、圖像識別、視頻理解等等，都是人工智能的成果。未來會有越來越多人工智能應用的場景，包括疾病輔助診斷、智能交通、金融量化分析等等。作為人類智能延伸和輔助的角色，人工智能研究的成果將廣受歡迎，會散布在生活的方方面面。