去年三月一個(gè)會(huì)下圍棋的AlphaGo讓人工智能火了，今年三月準(zhǔn)備虐菜柯潔的AlphaGo增強(qiáng)版又會(huì)帶來(lái)什么？筆者的標(biāo)題可能起的有點(diǎn)穿越，但是柯潔就算最近閉關(guān)學(xué)會(huì)了新的獨(dú)門絕技，也不可能贏的了AlphaGo。圍棋人工智能的學(xué)習(xí)能力絕對(duì)超出人類幾個(gè)數(shù)量級(jí)。隨著時(shí)間的發(fā)展在圍棋這個(gè)項(xiàng)目上，無(wú)論是柯潔還是誰(shuí)，人類只能越來(lái)越被完虐。這是“新進(jìn)化論”所帶來(lái)的不可阻擋的“自然”規(guī)律。
比賽以后的柯潔還能這么自信嗎？
然而，對(duì)于真正的人工智能來(lái)說(shuō)，AlphaGo也只能是驚鴻一瞥，深度神經(jīng)網(wǎng)絡(luò)為人工智能帶來(lái)的是驚喜，但并不是變革。百度等公司全力“發(fā)神經(jīng)”對(duì)于他們商業(yè)上的成功也許并不能帶來(lái)什么助益。吳恩達(dá)帶著成千上萬(wàn)塊GPU也許能為百度帶來(lái)一些令人驚喜的人工智能產(chǎn)品，卻難再現(xiàn)與莆田系印鈔般的盈利能力。人工智能只是完成了從胎兒到嬰兒的蛻變，降臨世上卻要經(jīng)歷無(wú)數(shù)艱險(xiǎn)才能為人。
然而，筆者并不是要吐槽目前各大公司面對(duì)人工智能大上快干的“神經(jīng)病”行為。而是深入淺出的分析讓人工智能驚艷世人的神經(jīng)網(wǎng)絡(luò)技術(shù)，以及人工智能在現(xiàn)實(shí)商業(yè)層面所面臨的實(shí)際難題。讓大家觀摩柯潔與AlphaGo比賽之前來(lái)個(gè)熱身，科學(xué)客觀的看待人機(jī)大戰(zhàn)。
為什么神經(jīng)網(wǎng)絡(luò)火了？
神經(jīng)網(wǎng)絡(luò)這東西并不是新鮮事物，AlphaGo牛X之前，也只是人工智能各種算法的一個(gè)分支。神經(jīng)網(wǎng)絡(luò)中的很多算法已經(jīng)存在很多年，并不是突然之間像魔術(shù)那樣出現(xiàn)而不可思議。最近開始吸引焦點(diǎn)，主要是因?yàn)榭捎玫挠?jì)算能力（CPU、GPU、AI專用計(jì)算單元）的快速發(fā)展，讓海量矩陣乘法運(yùn)算更容易被測(cè)試、驗(yàn)證和迭代。
但是Deepmind對(duì)AI下圍棋這塊的神經(jīng)網(wǎng)絡(luò)優(yōu)化確實(shí)讓人驚艷，而且Deepmind言之鑿鑿?fù)瑯拥募夹g(shù)完全可以應(yīng)用到其他領(lǐng)域。于是乎，不明真相的群眾們真的以為明天人工智能就要過(guò)來(lái)取代人類。各大互聯(lián)網(wǎng)公司也是順勢(shì)而為立即做起了人工智能生意。
筆者并不懷疑Deepmind神經(jīng)網(wǎng)絡(luò)算法的通用性，但是不同領(lǐng)域的訓(xùn)練數(shù)據(jù)獲取之于現(xiàn)實(shí)面還是無(wú)法解決的難題。而且某些領(lǐng)域數(shù)據(jù)的復(fù)雜度，也許只有量子計(jì)算才能在人類壽命可接受的范圍內(nèi)結(jié)束訓(xùn)練。
神經(jīng)網(wǎng)絡(luò)更像是打開圖靈難題的鑰匙
神經(jīng)網(wǎng)絡(luò)有兩大好處，一是利用相對(duì)長(zhǎng)的應(yīng)用前訓(xùn)練時(shí)間換取了應(yīng)用中的處理實(shí)時(shí)性。而是用訓(xùn)練數(shù)據(jù)的處理復(fù)雜度換取了預(yù)設(shè)邏輯的處理復(fù)雜度。而且AlphaGo讓人們開始相信，也許神經(jīng)網(wǎng)絡(luò)真的是解決完全圖靈測(cè)試的鑰匙。
就宏觀的愿望來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)是期望通過(guò)模擬現(xiàn)實(shí)中的生物思維來(lái)直接實(shí)現(xiàn)人工思維。人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦完成特定任務(wù)或感興趣功能的方法進(jìn)行建模的自適應(yīng)機(jī)器，是一個(gè)由簡(jiǎn)單處理元構(gòu)成的規(guī)模宏大的并行分布式處理器。天然具有存儲(chǔ)經(jīng)驗(yàn)和使之可用的特性。神經(jīng)網(wǎng)絡(luò)在兩個(gè)方面與人類相似：1、神經(jīng)網(wǎng)絡(luò)獲取的知識(shí)是從外界環(huán)境中學(xué)習(xí)得來(lái)的；2、互連神經(jīng)元的連接強(qiáng)度，即突觸權(quán)值，用于儲(chǔ)存獲取的知識(shí)。
現(xiàn)實(shí)生活中有很多問(wèn)題并不能用預(yù)設(shè)邏輯來(lái)解決。當(dāng)問(wèn)題不可預(yù)測(cè)，如在手寫字體識(shí)別；亦或處理的問(wèn)題很容易變更需求；處理的任務(wù)只需要一個(gè)滿意解而不是精確解的時(shí)候，這些情況對(duì)于人腦的模糊邏輯處理來(lái)說(shuō)不是問(wèn)題，但對(duì)于計(jì)算機(jī)程序卻是難題。而神經(jīng)網(wǎng)絡(luò)通過(guò)已有大量可參考的經(jīng)驗(yàn)數(shù)據(jù)，或者該任務(wù)自身能夠產(chǎn)生足夠的經(jīng)驗(yàn)數(shù)據(jù)來(lái)完成一個(gè)最優(yōu)解。它不保證任務(wù)完成的100%正確，但可以像人腦一樣給出一個(gè)經(jīng)驗(yàn)最優(yōu)解。從模仿人類思維的角度來(lái)說(shuō)，人工智能可能是所有機(jī)器學(xué)習(xí)算法通用性最高的一種，也是達(dá)陣圖靈測(cè)試的最有可能途徑。
神經(jīng)網(wǎng)絡(luò)解決一切？ 那是在發(fā)神經(jīng)
但是很多情況神經(jīng)網(wǎng)絡(luò)并不是人工智能的最優(yōu)解決方案。什么問(wèn)題都拿神經(jīng)網(wǎng)絡(luò)來(lái)套那是神經(jīng)玻這里可以舉個(gè)例子-基本的數(shù)字識(shí)別。