AI进化之路（1）

第一章 人与人工智能

有人说，2016是人工智能的元年，因为AlphaGo击败了世界围棋最顶尖的高手，甚至在短短半年多的升级后零封了围棋等级分排位第一人，而此举在之前的20年间被认为是机器不可能完成的任务。于是乎，举世震惊的同时又争论不休，乐观者为之欢呼雀跃而悲观者为之莫名恐惧，惶恐人类终将被机器打败并统治，甚至走向命运的终结。

这一刻，时光仿佛又回到了1997年那个春夏之交。那一年的费城，IBM家的“深蓝”巨人同样击败了国际象棋棋王卡斯帕罗夫，虽然不是完胜，但是充分彰显了人工智能的巨大潜力，可以说是自1956年正式提出人工智能学科之后的最重大突破。那时候，评论圈里虽然也有忧心忡忡的声音，但总的来说，积极的观点占据了上风。但由于当时的互联网远不如现在发达，因此讨论更多局限在人工智能相关专业领域以及棋类的研究者以及爱好者之间，在公众中并没有获得足够的关注度。而正是在那时候，围棋被选定为棋类捍卫人类尊严的最后一道防线。之所以选择围棋，是由于围棋棋子数目和复杂度远超国际象棋。在围棋中，看似落子的规则极为简单，而且棋子之间是平等的，没有上下级的约束关系，这同时也意味着走子的自由度上升。如果抛开优化算法不说，理论上完成一局计算机需要计算的步数可能在10^170量级上。以当时“深蓝”巨人每秒2x10^8的计算能力，想要在常规对局的有限时间内完成运算，可谓是天方夜谭。因此，这次胜利虽然意义重大，但并不足以让人恐惧，因为全球这样的超级计算机并不算多，更不可能人手一台。

然而，人工智能，信息技术和互联网的发展和融合改变了一切。仅仅过了20年，人工智能就攻克了这座棋类的珠穆朗玛峰，甚至远超人类，而此时，全球最快的超级计算机也不过是接近每秒10^17而已。究其原因，信息技术发展带来的并行运算能力的巨幅提升，尤其是云计算和边缘计算等技术，使得硬件平台的制约得以缓解，新的搜索和决策策略及其优化，也大幅度降低运算的复杂度并提升效率。而对效率提升最大的则是互联网带来的大数据。

简单举个栗子，假设在一个对局中，以空白棋盘的状态为穷举式树形搜索的主干，每一次落子选择为分叉，以棋局的最终结果为叶（假设绿叶为胜，红叶为负）。那么在对局的时候，机器会根据对方棋手的每一次落子选择，砍掉其他分叉的选择，然后选择剩余分叉中胜率较高的分叉作为己方落子的一个决策规则。那么，胜率从哪儿来？最简单的方式是统计一下每个分叉节点以后的绿叶和红叶数量对比就可以了，这些红绿叶及所属的枝丫就来源于人类每一个对局的棋谱和胜负结果。在蓝-卡战争的年代，数据源的获取是靠一个个棋谱的录入，然而这种保存下来的棋谱只是前互联网时代对局的一个微小部分。因此计算机在对局时，如果对局人在某个分叉上采取与已有棋谱不重复的选择，就有可能击败计算机。而在互联网时代，各个游戏网站都存储了大量的对局资料，能够丰富对局中分叉的枝叶，使得机器能够更加快速的剪枝，迅速取得想要的结果，随着已有棋局和结果的丰富，计算机就能够有更大的概率取得胜利。

而时间仅仅又过去了几个月，新一代的AlphaGo Zero从零基础状态，仅3天就超越了AlphaGo一代，这是否表明人工智能真的在智力发展上完全超越了人类？事实上并非如此。AlphaGoZero在战胜李版AlphaGo之前的三天里，左右互搏了490万局，而且没有任何人类定势下法的约束。而之前互联网能够给李版AlphaGo提供的对局数据资源，恐怕还不到这个数量，而且由于很多围棋爱好者都从围棋定势学起，所以其提供的源数据可能只能点亮树形结构的局部分叉。正如前面所说，当Zero采用了超脱人类定势的对局棋谱时，就有很大的可能避开李版AlphaGo的棋谱资料库，获胜自然也是合乎预期的，这就像一个大国手对局初学者一样，毫无压力。人们通常说的“一山更比一山高”，也是这个道理。在算法领域，这种结果也有一个比较专业的称呼，那就是所谓的全局最优解以及局部最优解的差别。

栗子虽然好看好吃，但是种栗子是很辛苦的。上面的栗子只是为简化人工智能运行的小套路，而非小觑AlphaGo的成果，否定人工智能科学家们几十年来的卧薪尝胆。正如前文对围棋的计算量评估结果来看，即使以当前世界最快的超级计算机（中国的神威·太湖之光，每秒10^17次浮点计算）来穷举计算，也无法在正常对局时限内得出计算结果。正所谓，十年寒窗无人问，一朝成名天下知。如果不是因为那么多科学家默默的不懈努力，岂能促成这次人工智能的井喷式爆发。

那么问题来了，文章开头悲观者的恐惧会否成为现实？想探索答案，需要先认清差距。至于这个差距是否会被未来的科学家们填补，Whoknows?正如20年前那样，没有多少人会想到围棋这个珠穆朗玛峰这么快就被突破了。人类所拥有的创造力将决定人工智能的未来之路在何方。（未完待续……）