【年度沸腾】比预想提前10年!人工智能(AI)打败欧洲围棋冠军-观察-生物探索
安诺医学转录组,让科研与临床更近一步
贝康招聘
威斯腾促销

【年度沸腾】比预想提前10年!人工智能(AI)打败欧洲围棋冠军

2016/01/29 来源:生物探索
分享: 
导读
1月27日,Google宣布在人工智能领域的重要进展:开发出一款能够在围棋中击败职业选手的程序——AlphaGo以5:0打败了欧洲围棋冠军——樊麾,被誉为有史以来第一次,计算机程序在不让子的情况下击败人类专业高手,比预想提前10年!且对于AlphaGo即将对战李世乭,你觉得谁会赢呢?以下是《自然》杂志对围棋界的资深人士的专访。

围棋游戏起源于中国,两个选手在矩形格子上交换下黑子和白子,目标是在比赛结束时比对方占领更多的地盘。对计算机来说,围棋比象棋的挑战更大:每个回合可能存在的走法数量多得多,没有一个简单的方法能来测算。

1997年,国际象棋AI第一次打败专家级人类选手。曾有科学家认为:计算机达到人类专业围棋选手的水平,必须要花上几十年的时间。然而当地时间1月27日,Google宣布在人工智能(AI)领域的重要进展:开发出一款能够在围棋中击败职业选手的程序——“阿尔法围棋”(AlphaGo)以5:0打败了欧洲围棋冠军——樊麾,被誉为有史以来第一次,计算机程序在不让子的情况下击败人类专业高手,比预想提前10年!

AlphaGo 与欧洲围棋冠军樊麾的 5 局较量

开发出AlphaGo是2014年Google花费了4亿英镑(约合6亿美元)收购的子公司DeepMind,拥有大量顶尖计算机科学家和神经科学家。后者由人工智能程序师兼神经科学家Demis Hassabis等人联合创立,是前沿的人工智能企业,其将机器学习和系统神经科学的最先进技术结合起来,建立强大的通用学习算法。

AlphaGo将在2016年3月挑战世界冠军棋手李世乭,后者是近10年来获得世界第一头衔最多的棋手,谷歌为此提供了100万美元作为奖金。李世乭表示很期待此次对决,并且有信心获得胜利。

韩国九段棋手李世乭

《自然》杂志、《科学》杂志等纷纷报道了这种能在传统策略游戏——围棋上击败专业选手的电脑程序AlphaGo,并表示这项发现或为其他看似棘手的人工智能领域实现人类级别的能力带来希望。尤其是对于计算机程序AlphaGo对抗李世乭,你觉得谁会赢呢?以下是《自然》杂志对围棋界的资深人士的专访。

《自然》杂志专访

樊麾:我一直以为我会赢!

欧洲围棋冠军樊麾(Fan Hui)

樊麾(Fan Hui)表示: “在中国,围棋不仅仅是一种游戏,也是生活的一面镜子。你在围棋中遇到的问题,可能也反映着生活中的问题。失败的感觉是很难受的。在与AlphaGo对弈之前,我一直以为我会赢。第一局之后,我改变了策略,努力应对挑战,但最终还是输了。我觉得主要问题在于,人类是会犯错的,因为我们是人类。我们会累,会因求胜欲望过于强烈而感到压力,但计算机程序就不会这样。它们很强大,又很稳定,就像一堵墙一样。在我看来,这就是机器与人类的最大区别。如果事先没人告诉我AlphaGo是个机器的话,我会以为对手是人类——或许棋路有些奇怪,但很强,是个真正的人类。 输了比赛当然不会感到开心,但所有的职业棋手都会输棋。输棋以后我就会研究棋局,或许也会改变我的策略。我觉得这对我的将来是有好处的。”

Toby Manning:我本以为樊麾会赢的!

英国围棋协会财务主管Toby Manning

英国围棋协会财务主管、樊麾与AlphaGo比赛的裁判Toby Manning表示: 围棋选手都知道围棋是人工智能领域一大尚未解决的难题,大多数人都觉得计算机能达到职业人类棋手的水准,但得再过十多年才行。在这场比赛中,我本以为Fan Hui会赢的。 而最终的结果让我深深震惊。目睹对弈过程,你甚至很难区分哪一方是人类,哪一方是计算机。

在之前的很多软件中,计算机下的很多步可能都很理性,但突然就会变得毫无头绪,而在这场比赛中,几乎看不到计算机与人类的区别。 一个区别是时间的分配方式:Fan Hui下每一步所花的时间都要比AlphaGo更久,而AlphaGo的棋路也不像人类棋手那样富有进攻性。它会非常冷静地落子,而非积极地侵略领地或提子。 对此,我觉得围棋界的反应可能和当年IBM的“深蓝”(Deep Blue)打败国际象棋大师一样,棋手会使用这个软件来分析他们自己的棋局,以找出他们在哪里犯了错误。 

Hajin Lee:为计算机要挑战李世乭“震惊”!两边获胜的可能性都是50%。

韩国围棋协会会长、国际围棋联盟秘书长Hajin Lee

韩国围棋协会会长、国际围棋联盟秘书长Hajin Lee则表示:“一开始听到计算机要挑战李世乭的时候我惊呆了,我想计算机团队可能根本不知道李世乭的实力有多强,但事实上是我不知道计算机的实力有多强。我非常期待他们之间的较量。 谁会赢?我真不知道。李世乭不相信计算机有他那么厉害,但我过去曾经听到过一些关于AlphaGo的消息,并被它的实力所震惊。当然,我也知道李世乭有多强,所以我觉得两边获胜的可能性都是50%吧。在我看来,围棋仍然是一项可以带给人类很多启迪的游戏,即使人工智能在这方面打败了人类,也不会削减它一丝丝的魅力。人类会接受计算机技术超越自己的现实,并找到方法让它们为自己所用。 ”

Jonathan Schaeffer:我赌李世乭会赢

加拿大阿尔伯塔大学计算机科学家Jonathan Schaeffer

加拿大阿尔伯塔大学计算机科学家、2007年解决国际跳棋问题的计算机程序“奇努克”(Chinook)的设计者Jonathan Schaeffer表示: 这还不能与1997年“深蓝”击败国际象棋世界冠军Garry Kasparov的时刻相比肩,等到计算机程序打败真正的围棋顶尖棋手才算。“深蓝”从1989年开始就常常能击败国际象棋大师了,但直到8年以后击败Garry Kasparov才算得上统治了这一领域。但这一棋局让他看到AlphaGo与顶尖人类棋手的距离已经大大缩小,很可能再改进一下算法,提高一下计算能力,在一两年之内就能打败顶尖棋手。 

关于3月即将进行的那场棋局,他觉得AlphaGo像一个天才儿童,一下子就学会了围棋,而且水平极高,但它的经验还不够丰富。在棋类游戏中,经验是很重要的一方面。因此他赌李世乭会赢。

Demis Hassabis:我就先不下赌注了!

DeepMind公司创立者之一 Demis Hassabis

DeepMind公司创立者之一Demis Hassabis认为,AlphaGo很可能在围棋这一领域超越最顶尖的人类,他非常期待看到它在围棋的规则之内创造出新的东西。

毕竟这是Demis Hassabis亲手打造的系统,自然对它怀有很深的感情,尤其考虑到打造它的方式——它会不断学习,从某种意义上说我们是在不断”训练”它,它下棋的方式也很像人类。他表示普通人在写一段普通的程序时一般对所有细节都了如指掌,事先安排好了一切,但AlphaGo不一样,它会自己学习提高,这种能力是很了不起的。

DeepMind公司的计算机科学家David Silver没下注赌AlphaGo赢,不过他表示,3月这场比赛的结果的确会对其名声有很大的影响,如果输了,他们会非常失望的。但一切皆有可能,人类总有很多技巧,有些是人类无法训练我们的计算机来应对的。

2016年是《爱因斯坦相对论》100年,也是计算机识别50年。总之,无论最终的结局如何,人工智能都将会进入我们的生活,并对整个人类的发展起到推进作用。

人工智能与神经科学的联系,或将助力精准医疗

随着脑与认知科学(神经科学)的研究发展和观测大脑微观结构技术手段日益丰富,人们已经可以在微观水平观测到神经元的结构、不同脑区的形态,以及神经元放电、不同神经元如何构成神经网络等信息处理过程。结合这些实验观察,智能科学及计算模拟已可以在计算机上部分模拟脑信息处理过程。那脑科学对人工智能的发展有什么启发?

中科院外籍院士、中科院上海神经科学研究所所长蒲慕明认为,神经系统与其他生物系统最大的差别在于其可塑性,可塑性是大脑认知功能的基础,也是类脑智能系统最可借鉴的特性。在他看来,目前我们使用的人工智能网络的结构还是太简单,缺乏人类大脑那样的反馈机制和长远反向连接等功能。作为一名脑科学研究专家,蒲慕明教授很期待未来脑科学研究可以和智能化网络研究互相促进、同步发展。

已经获得50亿估值的王俊在2015年曾接受了Nature和Science网站的专访,表示想构建出一个人工智能健康监测系统,来识别人类个体基因组数据、生理性状(表型)和生活方式之间的关系,从而能够为个体提供健康生活的建议,及预测和预防疾病。在他看来,生命是数字化的,就像一个电脑程序——如果你想知道这一编程的结果,基因导致表型的机制,由于太过复杂因此你需要一个人工智能系统来找出其中的一些规律。

有网友评论:人工智能研究者面对这样的成就当然欣喜,深度学习和强化学习等技术完全可以用于更广泛的领域。比如最近很火的精准治疗,我们可以训练它们判断哪些治疗方案对某个特定的人有效。

推荐阅读:

Google AI algorithm masters ancient game of Go

Go players react to computer defeat

Game-playing software holds lessons for neuroscience

‘Huge leap forward’: Computer that mimics human brain beats professional at game of Go

本网站所有注明“来源:生物探索”的文字、图片和音视频资料,版权均属于生物探索所有,其他平台转载需得到授权。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系(editor@biodiscover.com),我们将立即进行删除处理。所有文章仅代表作者观点,不代表本站立场。