解读AlphaGo：人工智能成功应用依赖于人脑研究

在与围棋世界冠军、韩国名将李世石的对弈中，谷歌机器人AlphaGo连胜两盘。

人机对战并不是第一次，这次的人机对战意义何在呢？

3月11日，浙江大学的两名专家告诉澎湃新闻（www.thepaper.cn）记者，资本市场迫不及待地推“人工智能”概念，最典型的就是谷歌的深度学习与IBM的认知计算之间的技术竞赛。人工智能在更多领域的成功应用，依赖于对大脑的彻底解读，目前人类对于大脑的了解还相当初步。继基因研究之后，各国已纷纷将重点集中于脑的研究。

“这不是AlphaGo第一次和人类棋手对战。早在2015年10月，它就和欧洲围棋赛的冠军樊麾交战过。”浙江大学管理学院教授汪蕾说，AlphaGo基于机器学习和人工智能，有强大的自我学习和进化功能，所以它的棋艺进步神速，短短几个月的学习训练就有可能跨越一个天才棋手几十年走过的路。

汪蕾称，这种自我深度学习机制使得AlphaGo每次与顶级棋手的交战，都会成为一次自我提升的过程。打个不恰当的比方，这就好比武侠小说中的人物练成了一种吸功大法，每次与高手的过招就会成为他力量的来源，让人惊叹之余，也会觉得有点可怕。

AlphaGo使用的究竟是什么技术？

浙江大学管理学院副教授王小毅表示，AlphaGo采用的是目前人工智能最普遍采用的人工神经网络中的深度学习技术。深度学习于2006年被提出，是机器学习研究中的一个前沿领域，其原理是用多层训练的方法来达到深度学习的目的。

据王小毅介绍，认知科学发现，人们认识事物并不是通过直接分析，而是依靠一种逐层抽象的认知机制：首先学习简单的概念，然后用他们去表示更抽象的。在算法上，对已有的海量数据信息，可以用神经网络来模拟人脑的这种分析学习过程，不需要了解这些数据内在的确切关系，而是通过逐层学习，来建立它们之间的关系，从而对一个新的信息进行判断。这种方法特别适用于对图像、声音和文本的理解。

王小毅称，AlphaGo所使用的正是用于视觉处理的算法。算法中采用的分析层次越多，对计算的要求就越高。得益于近年来快速发展的云计算，AlphaGo能够使用超过当年深蓝约3万倍的计算能力，从海量的围棋对弈数据中得到学习，而在实际对弈中，并不需要这么大的计算能力，仅用单机版计算机即可。

根据2016年1月由Google旗下DeepMind公司的David Silver为第一作者发表于《自然》杂志上的题为“Mastering the game of Go with deep neural networks and tree search（用深度神经网络和搜索树方法来掌握围棋）”的文章，AlphaGo的算法使用了多个神经网络：价值网络（Value Network），根据当前局面，寻找落地的大致方向，估计是白胜还是黑胜；策略网络（Policy Network），给定当前局面，预测/采样下一步的走棋的获胜概率；快速走子（Fast rollout），在适当牺牲走棋质量的条件下，速度要快1000倍；蒙特卡罗树搜索（Monte Carlo Tree Search)，把以上这三个部分连起来，形成一个完整的系统。

AlphaGo不是一个简单的软件，而是一项系统性工作，充分考虑了CPU运算的负荷和实际，其成功背后，是作者们在博士阶段就开始的超过5年的积累。

“另一方面，基于人工智能的AlphaGo机器棋手，和人类棋手最大的差别在于，它不具备情感，没有情绪波动。”汪蕾认为，情绪是一种非常重要的东西，会影响我们的判断和决策，而围棋是一种需要大局观，需要根据对手情况来不断研判，并做出决策的活动。在这样一种比较复杂的高强度的脑力活动当中，情绪当然也会参与其中。

汪蕾认为，人类再怎么心如止水，也不可能比机器更冷静，在处于劣势的时候，可能因为着急而激进；在处于优势的时候，可能因为沾沾自喜而出错；而在犯错的时候，可能因为懊恼而失去心态平衡。但这一点，机器是完全可以避免的。

“现在大家比较关注的是这一场较量的胜负以及它带来的象征意义。但在我看来，其实输赢并不重要。无论结果如何，对人工智能而言，这肯定不是结束，它不过是人工智能技术发展与应用中的一个过程。而对于人类来讲，它其实是一个自我认识和自我发现的又一个途径。”汪蕾说。

王小毅表示，人工智能的发展得益于三个方面的技术突破：首先是机器学习算法上的突破，但这还不是最主要原因；关键还有大数据为人工智能的机器学习积累了海量的学习数据，以及云计算为深度学习提供了弹性计算能力的支持。

在他看来，人工智能是信息技术的重要发展方向，也正因为如此，资本市场迫不及待地开始推“人工智能”概念。在国际上，各种人工智能概念出现的背后是未来市场的争夺，最典型的就是谷歌的深度学习与IBM的认知计算之间的技术竞赛。

王小毅认为，重大和关键技术储备与产业化是两个不同的概念。人工智能距离成熟的产业化尚有距离，而要想达到推动整个信息产业上一个台阶的目标则更遥远。目前最有价值的人工智能领域，可以分为狭义和广义。狭义上，侧重的是机器学习技术的深度应用，重点在视觉图像、语音和文本三个方面，其目的就是让机器可以理解周围环境、识别人的指令、理解人的意图；广义上，人工智能是融合机器人、大数据、传感网等新一代信息技术的关键共性技术，将有助于它们在工业、医疗、家庭等重要市场的快速发展，一旦实现，将会促使目前的信息产业快速走出互联网“泡沫”。

对于人工智能的未来，汪蕾认为，随着技术发展、科技进步，人工智能的应用领域会更宽、更广。在那些需要依赖于大量信息、数据以及环境是动态变化的领域，需要人脑来处理各种信息来研判、决策、博弈、以及竞争的地方，人工智能都有可能得到应用，比如服务行业、金融、商务、医疗、军事等。

汪蕾认为，人工智能在更多领域的成功应用，依赖于对大脑的彻底解读，而这还有相当漫长的路要走。

“人工智能是一个用算法来模拟人脑的探索过程，它的发展取决于人们对于人脑的认识深度。”王小毅说，目前对于人脑的了解还相当初步。19世纪对人脑的研究还属于哲学范畴，现在借助脑感知技术，既可以在分子层面理解神经元的活动，也可以在采集海量人群的脑电波数据。

据王小毅介绍，各国在继基因研究之后，纷纷将重点集中于脑的研究，美国早在2013年就发布“脑计划”，欧盟和日本也在2013年、2014年相继发布各自的“脑计划”，近年来更是逐渐从脑的病理研究，转为脑机制与人工智能的结合研究上。在2016年两会期间，全国人大代表刘庆峰就建议，加快推动人工智能和中国脑计划。中国的“脑计划”于2013年开始酝酿，“十三五”规划纲要草案已经把脑科学和类脑研究列入国家重大科技项目。