翻译 |上周，谷歌旗下人工智能公司 DeepMind 在《自然》科学杂志上宣布了一项非凡突破：去年 10 月，DeepMind 的计算系统 AlphaGo 在五场比赛中击败了中国围棋欧洲卫冕冠军。
因此，计算机在棋盘游戏方面变得越来越好。
2006年，IBM的计算机“深蓝”击败了当时的国际象棋世界冠军卡斯帕罗夫。
但在围棋中，棋子可能的位置数量大于宇宙中的原子数量，并且远远超过棋子可能的位置数量。
插图由 Matt Murphy 深蓝的工作原理是构建一个“搜索树”游戏计划，如果你想玩围棋，你需要在数百万次计算中找到答案。
DeepMind 的操作涉及合并树搜索（由 Google 强大的云计算能力提供支持），其中程序连接是通过示例层和经验模拟神经元来加强深度神经网络之间的连接来实现的。
在围棋中，AlphaGo首先从电路板下棋的数据状态中吸收信息，研究30m位置的专家，然后通过计算机与自己对弈，利用强化学习实现迭代改进。
这是 DeepMind 的一个实验。
神经网络通过反复观看真实游戏视频来提高游戏水平，并且不涉及编程程序。
但无论是 AlphaGo 还是它的创造者都无法解释它的动作，但它确实实现了对游戏的掌控。
因此，有人说AlphaGo拥有一种接近我们所拥有的直觉能力——通过无意识推理获取知识。
到目前为止，我们普遍认为这是人类的特权，正如牛顿在他的《原理》第二版中所写的那样——“我不做任何假设，我只是知道。
”但如果AlphaGo能够做出直观的演示，那么我们一定已经以某种方式跨越了卢比孔河。
然而，迄今为止，直觉普遍被认为是人类独有的能力。
由于牛顿是一位天才，我们通常必须认真对待他的话。
问题是，直觉有时甚至经常是错误的。
这就是为什么我们需要证据和合理的论据来支持结论。
从目前来看，对机器直觉的担忧是没有意义的，因为AlphaGo还无法对其在围棋中的“直觉”走法给出合理的解释。
不过，如果 DeepMind 创始人之一 Demis Hassabis 博士能够想出办法应对的话，这种情况应该不会持续太久。
他上周在一篇博文中写道，“虽然游戏开发是快速有效地测试人工智能算法的完美平台，但最终我们希望将这些技术应用于气候和疾病分析等重要的现实问题。
因为这些方法是通用的”。
一方面，哈萨比斯似乎正在承担创造智??能技术所带来的责任。
他一直呼吁“就人工智能发展中的道德责任进行辩论”。
另一方面，去年9月，当谷歌成立道德委员会审查其公司工作时，他试图压制这一消息，也引发了热议。
与该领域的大多数人一样，哈萨比斯认为人工智能距离强大到足以构成严重的道德和生存威胁还有很长的路要走。
他的公司的进步还不足以对人类构成威胁。