【.com原稿】大师2017年初60胜的表现震惊围棋界，***DeepMind官方求证，围棋网站上以60场对局横扫中日韩围棋高手的围棋程序《Master》也出自DeepMind——这是DeepMind在AlphaGo的基础上取得的人工智能的重要进展一年。DeepMind的官方总结写道，“最令人兴奋的是AlphaGo比赛中所呈现的创造力，有时，它的走法甚至挑战围棋的古老智慧。围棋，有史以来最有远见的比赛之一，AlphaGO可以识别并分享见解。”如何看待师父，或者说如何看待人工智能的惊人变化，我想这是我们大家都在关注和思考的。导致?一种预测是可以产生功能性人工智能，这就是今天有监督的深度学习正在广泛实现的。还有一种观点认为，人工智能可以模仿人类的思维和情感活动，这是无监督深度学习的未来下面从三大方面分析人工智能取得胜利背后的思考和意义。1、技术进步是关键人工智能已有60多年的历史，其技术发展也是起伏不定。1955年8月31日约翰·麦卡锡等人首先发起的达特茅斯会议旨在召集志同道合的人一起讨论“人工智能”（当时提出的定义）。这次会议持续了一个月，本质上是一场大规模的头脑风暴会议，催生了后来被称为人工智能革命的东西。当时在算法方面有很多创新发明，其中就有一个叫强化学习的原型（即贝尔曼公式）。强化学习是当今谷歌AlphaGo算法的核心思想。但是在很长一段时间之后，人工智能并没有流行起来，因为人们发现人工智能只能做非常简单、非常具体和狭窄的任务，稍微超出范围就无法应对。这有两个局限性：一方面，人工智能所依托的数学模型和数学方法被发现存在一定缺陷；另一方面，有很多计算复杂度呈指数级增长，因此变成了不可能完成的计算任务。这些问题导致人工智能在早期的发展过程中遇到了瓶颈，直接导致了很多人工智能项目的缩减或取消。20世纪70年代，决策支持系统的概念被提出，此后决策支持系统得到了长足的发展。20世纪80年代末90年代初，决策支持系统开始与专家系统相结合，形成智能决策支持系统。智能决策支持系统实现了定性分析和定量分析的有机结合，使机器解决问题的能力和范围得到了长足的发展。这时候，人工智能的数学模型也有了重大发明，包括著名的多层神经网络和BP反向传播算法等，还出现了可以与人类下棋的高智能机器深蓝。然后在1997年，深蓝击败国际象棋大师加里卡斯帕罗夫震惊了世界。当时的深蓝是一个巨人，重达1.4吨，有32个节点，每个节点有8个专门为棋类游戏设计的处理器，平均运算速度为每秒200万步。但那时候的深蓝其实还不能思考，无穷无尽的计算能力在很大程度上弥补了它的不足。随着计算机的飞速发展，计算能力越来越强。当更强大的计算能力转移到人工智能研究中时，会显着提高人工智能的研究效果。由于这一系列的突破，人工智能产生了新的繁荣期。在更通用的功能方面，机器在数学竞赛和图片识别竞赛中也可以达到或超过人类的标准。我们看到在人工智能早期的研究中，因为早期的人工智能研究更多的是定义为数学和算法研究。进入21世纪，随着云计算和大数据的兴起，分布式大规模计算逐渐流行起来。Hadoop就是它的优秀代表。它可以使用不同的机器并行执行子任务来完成大规模的计算任务。.2013年底，美国卡内基梅隆大学开源了分布式机器学习系统，并命名为Petuum。这个Petuum是从软件优化的角度对Hadoop、Spark等分布式计算系统进行的深度优化。另一方面，还有其他科研机构试图从硬件角度彻底解决冯诺依曼架构的瓶颈。这就是神经网络。元芯片和更遥远的量子计算。然后在2016年，我们看到GOOGLE的AlphaGo借助深度神经网络和超海量的分布式计算能力打败了李世石。回顾人工智能60年的发展历程，可以看出技术的驱动是一个重要的关键。从最初的强化学习，机器不断与外部环境交互，通过不断试错和累积奖励“学习”到机器学习，再到AlphaGo对强化学习算法的探索，打开了通往“无限”的大门。正是通过无数人的研究和努力，在跌宕起伏、失望与希望之间，寻找理论与实践的完美结合，实现技术生态与人工智能的平衡对应。2、已知世界与未知世界首先，我们知道实践是认识的基础和源泉，而认识既不是“生而知”，主观自生，也不是直接来源于客体，而是人的实践活动。通过从中获得的主体主动改造客体。正如恩格斯所说：“人类思维最本质、最密切的基础是人类引起的自然界的变化，而不是自然界本身。”人的思维取决于我们对客观世界的认知，也取决于我们对自己的了解程度。我们把对自己的认识分为两部分，一部分是“我们知道”，另一部分叫做“我们不知道”。比如下中国象棋，意思就是我们可以解释清楚，知道为什么，为什么。这可以用传统的人工智能模型来解决。当然，还有很多问题我们无法解释清楚。比较典型的是围棋。围棋有些地方可以解释清楚，但象棋也可以解释清楚。马为什么这样走，兵为什么往前走，围棋的白子为什么大部分落在这个地方，高手说不准。很明显，他会说这是我的棋感。棋感是怎么来的？这是AlphaGo的主要贡献。它将棋感视为模式识别。看到这个布局后，你应该知道如何移动了。这种布局是一种模式。可以说围棋高手下围棋好，不是因为他太聪明，而是因为他的模式识别能力很强。棋子稍有变化，他就知道未来的形势会如何变化，然后我的策略也必须跟着变化，这是利用传统模型+深度学习来完成的，AlphaGo就是这样做的。以前我们说机器是没有情感和意识的，现在这个也可以用深度学习的方法来模拟，至少表面上是这样。我们发现，人工智能能做的就这么多，不能做的部分越来越少。有些地方是我们人类做不到的，比如没有情绪波动，精力充沛，永不疲倦。这些人工智能可以轻松做到这一点。一切。在我们人类未知的世界里，我们不知道该怎么做，人类会做什么呢？那就是尝试和探索。通过不断的实验和探索，我们逐渐了解，逐渐理解我们不知道的东西。把我们不知道的变成我们知道的，并传递下去。但是，受制于当时各种材料和研究条件，我们对世界的认知总是有一定的局限性。我们对世界的认知就像一个“圆”。认知的半径越大，周长越大，未知的“外面”世界就越大，所以我们就越迷茫，我们只有很多不明白的东西，正是因为我们总是看到的只是世界的一部分，我们在自己认识的“圈子”里看世界。随着科学技术的发展，我们认识世界的步伐会加快。在机器和人工智能的帮助下，世界对我们来说会越来越清晰，未知会逐渐减少。那么，为什么我们说人工智能寄予如此大的希望，原因就在这里。3、人类与人工智能的关系人工智能的出现不会使人类棋手的水平下降。相反，它可以帮助我们分析和提高自己。大师打败柯洁后，棋圣聂卫平说：“大师改变了我们传统的粗细观念，颠覆了多年来的既定公式。围棋远没有我们想象的那么简单，还有巨大的空间等待着我们。”我们人类去探索。AlphaGo无论是Master还是Master，都是“围棋之神”派来指导人类的。”人工智能的发展极大地推动了社会的进步，加深了人们对认识论问题的研究。与计算机相比，总的来说，人脑具有处理模糊信息的能力，善于判断和处理模糊现象。然而，计算机识别模糊现象的能力较差。为了提高计算机识别模糊现象的能力，需要将常用的模糊语言设计成机器可以接受的指令和程序，使机器像人脑一样简洁、灵活地做出反应。判断，从而提高模糊现象自动识别和控制的效率。最终AI会变得更聪明，它在任何给定情况下学习的改进点都会增加。人工智能在一定程度上打破了人类思维的惯性。MASTER开发的一些绝招很有创意，值得我们学习和思考。人工智能的未来我们看到，人工智能虽然在某些方面已经超越了人类，但它也在站在人类的肩膀上前进。当智能机器能够通过自主学习和探索世界获得智能时，未来可能发生的变化是“无限”的，人工智能的未来必将精彩纷呈。当然，这条路并不平坦，可能是曲折的。面对人工智能的浪潮，不要害怕，不要犹豫，赶快骑上它，就是这样！【原创稿件，合作网站转载请注明原作者和出处为.com】
