然而一個月前，搜狗CEO王小川在知乎上發(fā)表了評論。 王小川相信，谷歌的人工智能將徹底擊敗職業(yè)圍棋選手李世石。

王小川表示，AI的發(fā)布是一個偉大的里程碑。 深度學(xué)習(xí)的魅力在于谷歌人工智能李世石，只要能夠在某個領(lǐng)域進行建模，并且有足夠的數(shù)據(jù)，機器就可以在這個領(lǐng)域超越并取代人類。 王小川還大膽預(yù)測，自己在3月份仍能完勝韓國九段棋手李世石。 “除了圍棋，人工智能也將橫掃一切，在其他封閉游戲中徹底擊敗人類。”

以下為王小川知乎全文：

的發(fā)布是一個偉大的里程碑，再次讓我如此興奮，以至于我需要談?wù)撍?/p>

先說我的主張一：兩個月后，我將擊敗李世石。

我就到此為止，讓我們在本文末尾討論斷言二。

從中學(xué)開始，我就癡迷于用算法解決游戲問題，并創(chuàng)新性地利用搜索方法完成了一些問題。 這幾年深度學(xué)習(xí)出現(xiàn)之后，我覺得有機會突破Go。 我和清華大學(xué)聯(lián)合實驗室進行了幾次討論，他們都認為這個方向是可行的。 遺憾的是，由于缺乏靈氣和能力，我無法組織這方面的投資。 。

這次出手的團隊是深度學(xué)習(xí)領(lǐng)域最優(yōu)秀的團隊。 資源、能力、氣場都沒有問題。 這項突破性技術(shù)基于深度學(xué)習(xí)的估值和下棋。

看看知乎上的很多討論，可以根據(jù)之前完成的棋局來判斷棋風(fēng)，進而推斷出這個算法的強大之處。 我們的核心是回歸到對這次所使用的技術(shù)的深刻理解。

為了方便討論，我們比較一下以搜索剪枝為核心的深藍象棋和以搜索剪枝+深度學(xué)習(xí)為核心的深藍象棋的三個區(qū)別：

1、圍棋和國際象棋最大的區(qū)別在于，國際象棋比賽的評價函數(shù)極其難以定義。 在國際象棋中，你可以找到各種計分的“特征”，比如失去一個馬會扣多少分，如果將??棋子向前推進直到接近底線會增加多少分，但是這在 Go 中是做不到的。 旁邊是密密麻麻的黑白石子，前面還有很多點。 其中聯(lián)系和變化較多，難以概括規(guī)律。 這也是傳統(tǒng)算法相比人類最薄弱的問題之一。

就像我們?nèi)祟愖鋈四樧R別的時候，一眼就能看出是張三還是李四，但是機器算法卻很難下手。 這個問題恰恰是深度學(xué)習(xí)近年來最大的突破。 深度學(xué)習(xí)不需要人類設(shè)計算法來“尋找特征”。 通過大量原始數(shù)據(jù)和標(biāo)簽的積累，機器可以自動發(fā)現(xiàn)特征，而且并不比人類差。

幾年前，許多人認為機器在圖像處理方面舉步維艱。 如何定義和抽象鼻子？ 耳朵？ 眼睛？ 但這兩年深度學(xué)習(xí)突飛猛進，一舉超越了人類。 就在2015年，在人臉識別方面，機器的識別能力已經(jīng)超越了人類。 這是人類幾千萬年進化而來的核心能力之一。

圍棋游戲可以理解為一張19*19的圖片。 國際象棋的其他規(guī)則非常簡單（很容易轉(zhuǎn)化為計算機規(guī)則），正好屬于深度學(xué)習(xí)所擅長的領(lǐng)域。

搜索+深度學(xué)習(xí)，這個算法可以完全覆蓋圍棋的規(guī)則以及人下棋的思維過程和模式，這只是一個子集。 這就決定了這個算法沒有上限，有機會在圍棋領(lǐng)域“過關(guān)”。

2、與深藍相比，最大的優(yōu)勢是“學(xué)習(xí)能力”。 深藍的開局更多依賴于數(shù)據(jù)庫棋譜的建立，但不具備泛化能力（不知道如何舉一例），玩沒見過的棋法可能會很愚蠢。 之后的核心能力就是計算能力。 通過暴力搜索（當(dāng)然也有最好的剪枝，但還是暴力），我們嘗試通過走10-20步來選擇最優(yōu)路徑。

這種復(fù)雜度是指數(shù)級的，成為一個 NP 問題，受到計算能力的限制。 該系統(tǒng)的算法是硬編碼的，參數(shù)固定，就會有固定的性能。 調(diào)整參數(shù)、改變算法是工程師的事。 這個系統(tǒng)的天花板就是計算機有多強大，工程師有多聰明。

而且它更加由數(shù)據(jù)驅(qū)動。 給他更多的棋局數(shù)據(jù)，他將能夠優(yōu)化“神經(jīng)元網(wǎng)絡(luò)”，在相同的計算資源下變得更加聰明，并具有舉一反三的能力，這與人類非常接近（換句話說，它是為了模擬人類而設(shè)計的）。

而且我們知道，機器處理數(shù)據(jù)的能力足夠快，沒有情緒就不會犯錯誤。 這就決定了，如果這個系統(tǒng)學(xué)會了今天網(wǎng)上能收集到的所有棋譜，那么它就會成為頂級高手。

3、最可怕的不僅僅是前兩點。 對于下棋的問題，不僅僅是從網(wǎng)上收集數(shù)據(jù)進行學(xué)習(xí)。 還可以與自己對戰(zhàn)，實現(xiàn)“自學(xué)”。 你看過電影《超越》嗎？

隨著時間的推移，人工智能會變得更加聰明。 金庸小說里，老頑童讓左右手“左右”打架，成為無敵武林。 那只是一個故事，在國際象棋領(lǐng)域，但通過這樣的設(shè)計，這樣的武功卻成真了！

距離比賽還有兩個月的時間。 這樣一臺在算法上沒有天花板的機器，很有可能在“左右廝殺”中登頂，成為無可超越的圍棋高手。

技術(shù)問題已經(jīng)進行了討論。 如何查看其背后的完整動作？ 有人認為這是過度解讀。 實際的制度相當(dāng)粗糙——入選的都是“歐洲冠軍”——說明制度不好。 這是一種錯誤的理解。

更可能的原因是，在圍棋比賽中，公司員工粗心大意，提前泄露了很多信息。 于是，他們很快就發(fā)表了公司的文章，搶占了先機，然后兩個月后就賣出期貨來和人類競爭。 當(dāng)時的系統(tǒng)已經(jīng)足夠好了，適合競爭環(huán)境。

事實上，兩家公司都已經(jīng)認識到AI的重要性，并且在未來幾年將會有重大突破。

它被以 4 億美元收購。 當(dāng)時只有20人，現(xiàn)在已經(jīng)有200多人了，這是一次不計成本的瘋狂投資。

下圍棋只是體現(xiàn)人工智能進步的一個極好的宣傳點和切入點。 從公開文獻中我們可以看到，Go的研發(fā)是基于共性技術(shù)，并且是領(lǐng)域無關(guān)的（ ）。 此類技術(shù)未來可用于其他合適的領(lǐng)域。

深度學(xué)習(xí)的魅力就在于，只要你能在某個領(lǐng)域建模，有足夠的數(shù)據(jù)，就可以超越、取代這個領(lǐng)域的人，可以在短時間內(nèi)從0到99分。

如果我們還固守舊觀念，用循序漸進的方式來理解機器智能，比如之前有個大老板宣傳他的XX大腦有X歲孩子的智能，這是非常誤導(dǎo)的（che）。 我們還會錯誤估計機器下圍棋的能力，并根據(jù)人類對 1D-9D 的理解來評估它。

總之，不要用評價人的方法來評價機器的人工智能能力。 這是一個完全不同的模型。

老羅曾這樣評價人工智能：“人工智能就像一列火車，當(dāng)它靠近時你聽到隆隆的聲音，你就不斷地期待它的到來。它終于到了，一閃而過，然后把你遠遠地拋在了后面。”

如果給這句話加上一個補丁，將人工智能的應(yīng)用限制在特定的封閉領(lǐng)域谷歌人工智能李世石，這是一個非常恰當(dāng)?shù)拿枋觥?我們不應(yīng)該過于傲慢。 例如，我們很容易受到自我優(yōu)越感的驅(qū)使，說動物不如人類。 例如，人類可以直立行走、說話、使用實用工具來區(qū)別于其他動物。 事實證明，動物也是如此。

對于機器來說也是如此。 就在幾個月前，還有人叫囂十年之內(nèi)機器將無法下圍棋。 原因誰都一目了然：機器只能計算。 這些傲慢態(tài)度導(dǎo)致我們做出錯誤判斷。 不必太自卑，認為如果機器在圍棋中獲勝，整個人類智能就會被碾壓。 時至今日，機器在很多領(lǐng)域仍然完全無法勝任，只能在局部區(qū)域發(fā)揮作用。

最后說一下斷言二：除了圍棋之外，人工智能也將橫掃一切，在其他封閉游戲中徹底擊敗人類。

頁面鏈接：

186信息網(wǎng)原創(chuàng)文章，轉(zhuǎn)載請注明本文來自：www.2wfjd54.cn