人工智能会全面超越人类吗？|教练|对阵_凤凰资讯
人工智能会全面超越人类吗？
用微信扫描二维码分享至好友和朋友圈
时隔近20年，人机大战再次以机器的胜利告一段落。但AlphaGo的胜出被看得更高一筹。兴业证券研究所所长助理、计算机互联网行业首席分析师袁煜明撰文表示，围棋和国际象棋有很大的不同，这导致计算机的智能程度有很大的差别。国际象棋可以一定程度“暴力遍历”，围棋不行。国际象棋只要把开局库和残局库多输一些进去，结合一些中盘的策略选择和部分遍历就很牛了。但围棋压根没有残局库这个概念，“千古无同局”，所以围棋的AI肯定没法用遍历的方法，只能让它学人去思考。
原标题：人工智能会全面超越人类吗？图/邝野羊城晚报记者
刘薇一些以前只存在在预言或者科幻小说、电影里的事，正在逐渐成为现实，正如最近刚刚为世人所知的一件事一样。1月28日，《时报》援引《自然》杂志的报道称，由谷歌伦敦子公司DeepMind开发的AlphaGo机器，以5:0的战绩击败了欧洲围棋三届冠军樊麾（出生于中国，现籍法国）。DeepMind是2014年被Google以4亿英镑的价格收购的人工智能团队。这场比赛发生在日，只因一些特别的原因直到现在才公布。据报道，该比赛全程没有让棋，最终人工智能战胜了人类。今年3月，AlphaGo还将在首尔与过去十年全世界顶级的围棋选手李世石对阵，这将是复杂人脑和机器在围棋界的一场终极对决。到底是人类大脑赢，还是不断被强化神经网络的机器大脑赢？悬念会在今年3月接盅，但针对人工智能的各种猜想和激烈讨论已先行展开。焦点一：谷歌AlphaGo是怎么赢的？对所有关注这场比赛和对人工智能感兴趣的人来说，最想知道的就是，机器是怎么赢的。在1月27日，DeepMind团队在《自然》（Nature）杂志上发表的封面论文《Mastering the game of Go with deep neural networks and tree search》揭开谜底。团队创始人Demis Hassabis表示，他们开发的围棋程序AlphaGo融合了高级树状查找和深度神经网络。通过对神经网络进行3000万步训练 (所有棋谱均来自人类专业棋手的比赛)，AlphaGo预测出人类对手下一步走法的正确率已经达到了57%，而之前的纪录是44%。具体来说，AlphaGo使用两个不同的神经网络“大脑”，通过两者合作得出移棋决定。据微信公众号《人工智能学家》对上述论文的编译得知，AlphaGo的两个大脑分工如下：大脑1：“监督学习（SL）政策网络”。着眼于棋盘中的位置，并试图决定最佳的下一步；大脑2：“价值网络”。它不猜测具体的下一步怎么走，而是通过设想的棋盘分布，估计每个玩家赢得比赛的概率。它通过提供整体的位置判断来配合“监督学习（SL）政策网络”。据论文介绍，当只使用一个大脑时，AlphaGo大概和目前最好的电脑围棋AI（人工智能）实力相当，但结合两个大脑时，它可能达到人类职业棋手的水平。樊麾谈论此次比赛时表示：“输棋确实很难过。和AlphaGo对战之前，我觉得我能赢。在第一局失利后，我改变了战术，增强了进攻，但还是输了。”他认为输棋的原因在于，人类有时会犯致命的错误，因为人会疲惫，求胜心切，总有这样那样的压力。但电脑程序不会这样，它非常强，也非常稳定，简直就像一堵墙一样。“我知道AlphaGo是个电脑，但如果没人告诉的话，我可能会觉得它是个有点陌生却又非常强大的对手，是个真人。”樊麾还在一个微信群里透露，一切都是真的，他没有放水。焦点二： AlphaGo的胜利为什么很牛？AlphaGo不禁令人想起早期人工智能的代表“深蓝”。深蓝是美国IBM公司生产的一台超级国际象棋电脑，重1270公斤，有32个大脑（微处理器），每秒钟可以计算2亿步。“深蓝”输入了一百多年来优秀棋手的对局两百多万局。1997年的深蓝可搜寻及估计随后的12步棋，而一名人类象棋好手大约可估计随后的10步棋。人与计算机的首次对抗是在1963年。国际象棋大师兼教练大卫·布龙斯坦怀疑计算机的创造性能力，同意用自己的智慧与计算机较量。下棋的时候他有一个非常不利的条件：让一个后。但当对局进行到一半时，计算机就把布龙斯坦的一半兵力都吃掉了。这时，布龙斯坦要求再下一局，但不再让子了！日，在人与计算机之间挑战赛的历史上可以说是历史性的一天。计算机在正常时限的比赛中首次击败了等级分排名世界第一的棋手加里·卡斯帕罗夫，他以1胜2负3平输给“深蓝”。这场比赛之后IBM宣布深蓝退役。时隔近20年，人机大战再次以机器的胜利告一段落。但AlphaGo的胜出被看得更高一筹。研究所所长助理、计算机互联网行业首席分析师袁煜明撰文表示，围棋和国际象棋有很大的不同，这导致计算机的智能程度有很大的差别。国际象棋可以一定程度“暴力遍历”，围棋不行。国际象棋只要把开局库和残局库多输一些进去，结合一些中盘的策略选择和部分遍历就很牛了。但围棋压根没有残局库这个概念，“千古无同局”，所以围棋的AI肯定没法用遍历的方法，只能让它学人去思考。另一点，国际象棋目标是清晰的，围棋是模糊的。“模糊判断一直是人类相对计算机的优越感，要蛮算八位数的乘除法，人完全没法和计算机比。但要判断些模糊的指标，计算机就一筹莫展了。这次AlphaGo横空出世，在这方面展现出了巨大飞越。”在袁煜明看来，AlphaGo的“思考”方式更接近人类。这是深度学习、蒙特卡洛等多种算法结合创新所带来的，从“计算”到“智能”的超越。DeepMind创始人Demis Hassabis则表示：“AlphaGo正在突飞猛进，甚至会超越最棒的人类选手。和其他编出来的程序不同，你不知道它到底都会什么，因为它能够自己学习。”会像人类那样去学习，这也许就是“AlphaGo”和“深蓝”最大的区别，也是人工智能表现出的质的飞越。焦点三：机器人概念受热捧“以前的计算机只能用来做精确计算，但现在能够对模糊判断做出最佳决策的话，计算机基本能做各种人能做的事情了。相比人类来说，计算机唯一不具备的是情感。”袁煜明总结道，无危害人工智能有多种用途，比如现在已经在应用的无人驾驶、人脸识别、服务机器人代替客服等。“进一步开脑洞的话”，未来还可应用于产品设计、配方研发，大数据分析、写作与创作（现在已有新闻机器人）、金融交易（现已有量化交易）等多种方面。实际上，人工智能和机器人对于普通人也不再是“水中月镜中花”，而是关系愈来愈密切。去年以来，机器人概念在A股受到热捧，掀起一波又一波的炒作热潮，正是基于机器人在改变我们的制造模式和引领工业4.0这个时代将起到重要的作用。不久前召开的国务院常务会议再次关注智能制造，决定推动《中国制造2025》与“互联网+”融合发展。业内人士认为，工业制造市场未来将以智能制造为核心，而智能制造的关键将是机器人。2015年，中国机器人数量已占全球总数的56%。虽然我国目前已成为机器人大国，但核心技术仍有极大提升空间。 作为曾经的世界工厂，中国在制造业领域已受到工资提升和全球增速放缓的冲击，现在，中国制造业者正试图谋求技术运用来提升竞争力。而根据花旗和牛津大学的研究，中国工业机器人增速超过世界任何其他地区，并将加速发展。业内专家表示，备受关注的机器人产业“十三五”发展规划有望年底出台，有机构测算，我国机器人市场规模将超过万亿元，未来将出现百亿级的工业机器人企业，机器人产业将迎来黄金期。这不仅意味着股市投资的机会，对中国制造向智能制造的转变更意义重大。
用微信扫描二维码分享至好友和朋友圈
凤凰资讯官方微信
播放数：2397095
播放数：593807
播放数：1839418
播放数：5808920
48小时点击排行亚马逊CTO Werner Vogels：研究AI超过20年的AWS，怎样赢得这场人工智能竞争？
亚马逊CTO Werner Vogels：研究AI超过20年的AWS，怎样赢得这场人工智能竞争？
Amazon CTO Werner Vogels7月26日，在北京举办的AWS技术峰会2017上，Amazon CTO Werner Vogels当着1万多观众的面，打出了一张题为“AWS是人工智能的重心”的PPT。Werner Vogels强调，AWS从事基于机器学习的人工智能训练已经20年的时间了，取得了很强的能力，AWS亚马逊云正在为每一名开发者提供亚马逊的AI能力。Werner表示，深度学习的最精华所在，就是用过去复杂的数据为基础，提取预测能力来预判未来。比如，电商企业从过去的交易历史收集了数以百万计的订单，那么接下来每一个新的订单进来的时候，都让机器来进行学习、判断新进来订单可能要买什么商品、可能包含哪些信息，再与真实的订单进行比较然后进行校正，这就是机器学习。Werner强调，现在有数千名Amazon工程师专注于人工智能，“我们是人工智能的先遣力量，在的网站上，不论库存管理、搜索服务，还是对评论的整理、对新产品的预判，都会用到人工智能和深度学习。”Werner认为，人工智能的挑战在于规模，这包括如何处理PB级的数据、如何训练大规模的数学模型、如何大规模的进行预测。而AWS在大规模数据处理能力是Werner很强调的能力，其中AWS上的Redshift Spectrum可以轻松查询AWS S3存储里的EB级数据而无须下载到本地处理。利用传统数据仓库工具HIVE查询1000个节点集群上EB级数据可能要用5年的时间，而用Spectrum则只需要155秒。实际上，亚马逊上上下下都极为重视人工智能。前不久，贝索斯在2017年度《致股东信》中大力强调了机器学习与人工智能：“如果你不能快速拥抱趋势，外部世界就会把你推入Day 2。抵抗趋势，就是抵抗未来……大的趋势不难被发现，但大公司往往难以拥抱它们，机器学习和人工智能就是这样一个明显的趋势。”所谓Day 2，就是相比于Day 1公司而言，Day 2公司将停滞不前，接着将变得无关紧要，然后将经历痛苦的衰退，直至最终死亡。这就是为何亚马逊总是要做“Day 1公司”的原因。去年，AWS推出了完整的深度学习AI产品线，包括AI服务、AI平台、AI框架和AI基础设施。其中AI服务处于最顶层，主要包括了用于图像和人脸分析的 Amazon Rekognition、用于文本转语音的 Amazon Polly 以及用于创建自动语音识别和自然语音理解功能的对话式聊天机器服务Amazon Lex。目前，这三大AI服务已经有了不少客户，Lex的客户就包括Twilio以及Captial One等金融企业，也有Slack这样大名鼎鼎的客户，而Amazon Rekognition的客户中则有猎豹移动等。在AI的竞争方面，Werner强调AWS的AI服务与其它AWS服务的深度集成关系。这是很多客户选择AWS AI服务的重要原因，比如Spectrum强大的数据查询能力再结合AWS AI服务就会有很好的效果。而AWS一贯的策略是以客户为中心，而不是以竞争对手为中心，因此也不会跟随甚至关注其它竞争对手。当然，Werner认为现在人工智能还处于早期阶段，在未来3-4年内人工智能技术及应用模式将发生根本的变化。Werner强调，未来三到四年，AI的竞争将很不同，而AWS赢得未来AI竞争的关键策略仍然是与客户紧密合作。“AWS与客户很紧密合作，这是我们到目前成功的秘诀，也是以后会成功的秘诀。”就在今天（7月28日），Werner博士还将正式亮相ITValue和钛媒体联合主办的2017IT价值峰会暨2017中国企业级技术峰会，这也是其首次在华于亚马逊公司之外的活动上亮相。ITValue源起于中国最大的CIO/CTO技术高管社区，已成为钛媒体集团旗下中国最大的企业级产业链综合服务平台。Werner Vogels博士将在今日（7月28日）亮相2017 IT 价值峰会暨中国企业级技术峰会点击订阅上面专题第一时间获取Werner先生和更多企业技术高管的精彩分享！更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。
百家号 最近更新：
简介: 圣人常无心，以百姓心为心。
作者最新文章湖南人工智能真的有这么厉害吗？你一看就明白
在象棋和国际象棋中，电脑软件都非常厉害，只有围棋是唯一“电脑下不过人类”的项目。而今年1月份有个爆炸性新闻：谷歌DeepMind开发的人工智能围棋程序AlphaGo以5：0的压倒性优势击败了欧洲围棋冠军、专业二段棋手。那么3月份AlphaGo会和韩国九段、世界冠军李世石进行对弈。如果此役AlphaGo获胜，这意味着人工智能真正里程碑式的胜利。
“阿尔法围棋”的研发者、39岁的杰米斯·哈萨比斯被外媒揭秘，他本身就是一个传奇人物——他是游戏开发者、神经系统科学家、人工智能专家，还是一个国际象棋神童。总之，他是一个不折不扣的超级天才。
这场胜利之前，许多人工智能砖家认为，它不可能打败顶尖人类棋手——至少不会这么快。最近几个月，Facebook已经在研究自己的围棋人工智能系统，尽管它并没有像许多其他研究人员那样密切致力于围棋项目，就像DeepMind那样。上个礼拜，当我们问及LeCun，这位负责Facebook人工智能研究 工作的深度学习创建人，谷歌是否已经秘密打败了了象棋大师时，他说，这不太可能(it was unlikely)。他的回答是，‘不(No)。或许(Maybe)。不(No)。’
到底什么是人工智能?
人工智能研究的终极目标是设计一个真正能在人类所处环境中表现出像人类一样智能行为的计算机，让我们来思考一下到底什么是人工智能吧。
要解释什么是“智能”恐怕要比解释什么是“人工”(或者什么是机器)更棘手。在一篇1950年发表的著名论文“计算机器与智能”(Computing Machinery and Intelligence)中，图灵详细讨论了“机器能否拥有智能?”的问题。有趣的是，作为公认的计算机科学与人工智能共同的先驱，图灵成功定义了什么是机器，但却不能定义什么是智能。正因如此，图灵设计了一个后人称为图灵测试的思想实验。
在图灵测试中，一个计算机在没有直接物理接触的情况下接受人类长时间的询问，如果“足够多”的询问者在“足够长”的时间里无法以“足够高”的正确率辨别被询问者是机器还是人类，我们就认为这个计算机通过了图灵测试。图灵把“通过图灵测试”看作“机器拥有智能”的充分条件，同时他相信这个条件可以在2000年左右时基本实现。需要强调的是，图灵测试，作为一个充分条件，本身并没有也从未试图定义智能的范畴。但是，通过讨论图灵测试这个充分条件，却有助于进一步理解主流的人工智能研究的三个重要特征。
关于图灵测试在这方面的争议在于人类的脑力活动(mental process)不仅包括智能，同时还具有情感、审美能力、性格缺陷、社会文化习惯等等一系列“非智力特征”。因为图灵测试的模仿对象是普通人，它对这些“非智力特征”的要求甚至可能还高过纯粹“智力要求”—作为一个普通人，他/她完全有可能对国际象棋一窍不通，但却不大可能从照片分辨不出美女/帅哥来。
当然，“非智力特征”的引入本身并不妨碍图灵测试成为一个有效的充分条件，但除非我们假设所有这些“非智力特征”都是拥有智能之后的必然产物，否则不得不承认图灵测试确实在机器智能这个核心问题之外加入了过多充满挑战却又显得不那么相关的因素。尽管图灵本人对在20世纪末时解决这些“更难的问题”相当乐观，但直到2013年，仍然没有任何机器能够通过严格的图灵测试，即使仅仅在纯粹智力层面。有趣的是，这一失败的事实反而还带来了一个我们再熟悉不过的应用—图形验证码。实际上，每一次输入验证码都是一次图灵测试!
这是一个典型的功能主义/行为主义风格的定义，也是一个人工智能经常被指摘的地方。严格的“主观思考”定义要求具有自我意识。但一方面，从严格的学术角度，我们甚至并不真的确定是否真的存在“意识”这个东西。另一方面，可以从数学上证明任何一台图灵机都可被另一台图灵机所模拟。因此，假设我们真的制造了一台具有“意识”的机器A，我们总可以制造另一台机器B以查表的方式来机械地模拟A的内部运行，问题是B是否具有意识?如果每一台“拥有”意识的机器都能被一台B这样的“机械查表式”的机器所模拟，那么我们就无法通过外部行为来断定一个机器在内部上是真的在“思考”还是只是在模拟“思考”的过程。因此“是否拥有意识”从行为主义的角度也就成为了相对独立的“另外一个问题”。同时，“拥有意识的机器总可以被没有意识的机器模拟”也说明“拥有意识”并不能给机器带来任何额外的“行为能力”，这进一步降低了“拥有意识”在行为主义者眼中的重要性。
事实上，每个学科的研究都基于一个基本的“假说”。支撑物理研究的基本假说是“相信”万物运转都受一套普适的、且不随时间空间变化的物理定律所约束，而物理研究的目的“只是”找出这套定律是什么。类似地，“弱人工智能假说”(weak AI hypothesis)“相信”经过良好设计的计算机可以表现出不低于人类水平的智能行为。每个AI分支的研究都默认基于针对自己的领域问题的弱人工智能假说，而支撑这些子领域研究的动力往往是其巨大的社会实用价值。相比之下，图灵测试更加激进，它是以全面模拟人类的所有智力行为为目标。
“综合模拟人类的智力活动”这一基本目标正是人工智能区别于其他计算机科学分支的地方。我们通过比较人工智能软件与传统软件来说明这一点。
首先从最广义的角度看，传统软件其实也属于人工智能的范畴。实际上很多早期的计算机科学家，比如图灵，就是以人工智能为动力展开对计算机科学的研究。一个从未接触过计算机的人也许很难说清“从一个数列中找出所有素数”和“从一张照片中找出一只狗”哪个更有资格代表“智能”(前者属于传统软件范畴，后者属于传统人工智能范畴)。
但另一方面，传统软件并不代表人工智能的全部内涵。粗略讲，我们可以认为传统软件对应了这样一类“计算问题”，它们的共同特点是，问题本身是用一个算法(或非构造性的数学描述)来描述的，而对它们的研究主要关注在如何找到更好的算法。而我们称之为“人工智能问题”的问题可以理解为另一类“计算问题”，它们的共同特点是无法用算法或从数学上对问题进行精确定义，这些问题的“正确答案”从本质上取决于我们人在面对这类问题时如何反应。
总而言之，尽管同时存在哲学意义和操作层面上的争议，图灵测试却从原则上符合主流人工智能研究的一般特征——在复杂和未知环境中以模仿人类的智力行为为目标。当然，作为一个乐观的充分条件，图灵测试无疑是诸多人工智能问题中颇具难度的一个，以至于真正直接研究图灵测试的人并不多。相反，人们更多地把精力投到一些更具体的子领域。可以说这些领域里的每一个都是通过图灵测试的必要条件，而它们中的大部分还没有达到“人类水平”。
拥有高度的智能也许是人类至今最引以为傲的能力。较容易增强和扩展硬件和软件能力，是机器相比于人类最大的优势之一。人工智能方面一旦产生重大突破，即使在我们有意克制地不用于制造新的物种(也就是类人机器人)的情况下，也至少会导致人类对自身智能、情感、意识等一系列概念的重新审视和理解，而这势必进而导致人类对待伦理和法律观念的变革，从而对整个社会产生深远影响。
谷歌AlphaGo不过是惊鸿一瞥
谷歌的人工智能系统刚刚在围棋游戏中击败人类大师，围棋是一个有着2500年悠久历史的竞赛游戏，较之国际象棋，其策略和智力复杂程度呈指数级增长。
Bostrom是牛津大学哲学教授，出生于瑞典，近期畅销书《Superintelligence： Paths， Dangers， Strategies》让这位教授声名鹊起，他在书中探讨了人工智能的好处，也提出这样的主张，一台真实的智能计算机能加速人类灭亡。倒不是说他低估了谷歌围棋机器的力量。他只是认为，这并不一定是一次巨大飞跃。Bostrom指出，多年来，系统背后的技术一直处于稳定提升中，其中包括有过诸多讨论的人工智能技术，比如深度学习和强化学习。谷歌击败围棋大师不过是更大弧线进程中的一部分。这一进程始于很久以前，也将延续至未来几年。
Bostrom说，‘过去和现在，最先进的人工智能都取得了很多进展，’‘(谷歌)的基础技术与过去几年中的技术发展密切相连。’
但是，如果你以另一种方式看待这个事情，它正是谷歌获胜为什么如此激动人心的原因所在——或许还也有点让人害怕。Bosrom甚至认为，这是一个停下来的好理由，看一看这项技术已经走了多远并正往何处去。研究人员曾经认为，人工智能破解围棋至少还需要另一个十年。如今，它正前往曾被视为无法企及之处。或者，至少说，许多人——他们可自由支配巨大权力和大量金钱——决心要抵达的那些地方。
这并不仅仅是指谷歌。也指Facebook，微软以及其他科技巨人。创造出最聪明人工智能的努力真的已经演变成一场竞赛，而且竞争者们都是这个地球上最有权力也最富有的巨人。在谷歌这场胜利当中，最生动的部分可能就是扎克伯格的反应。
谷歌的人工智能系统，亦即AlphaGo，由DeepMind研发，谷歌早在2014年就花4亿美元收购了这家人工智能研究机构。DeepMind专门从事深度学习和强化学习研究，这些技术能让机器自己进行大量学习。以前，创始人Demis Hassabis和他的团队已经使用这些技术搭建了一些会玩经典雅达利视频游戏(比如，Pong，Breakout以及Space Invaders)的系统。在有些案例中，这些系统不仅比职业玩家还出色，它们还会以天马行空的方式玩游戏，没有人类玩家会或者可以这么玩。显然，这就是促使佩奇买下这家公司的原因。
使用所谓的神经网络—— 近似大脑神经元网络的硬件和软件网络——深度学习就是显著有效的图片搜索工具驱动力——更不用说Facebook的面部识别服务，微软Skype的翻译工具以及推特的色情内容识别系统。如果你用数百万游戏招数训练深度网络，你就能教会它玩这款游戏。而且，当你用其他海量数据组训练它时，就能教会神经网络完成其他任务，从为谷歌搜索引擎生成结果到识别电脑病毒。(机器之心编译出品)
强化学习将系统能做的事情向前推进一步。一旦搭建起一个很善于玩游戏的神经网络，你就能让它和自己对战。随着两个版本的神经网络彼此对阵数以千计次后，系统就能追查出哪些招数回报最高——也就是说，得分最高——并以这种方式学会以更高的水平玩游戏。但是，再一次，这一技术并不限于游戏。也能适用到任何类似游戏，包含策略和竞争的事情上。
AlphaGo使用了这一切。而且还远不止此。Hassabis和他团队添加了一个二级 ‘深度强化学习’，预测每一步的长效成果。而且他们采用了过去驱动围棋游戏人工智能系统的传统人工智能技术，包括蒙特卡洛树搜索。借鉴新旧技术，他们搭建起能够击败顶级职业选手的系统。十月，AlphaGo与三次卫冕欧洲围棋冠军的选手进行了闭门对弈，比赛结果于周三早上才对外公布。比赛对弈五局，AlphaGo五局全胜。
问题在于围棋特别复杂。国际象棋平均一回合有35种可能的下法，围棋却高达250种可能。而且每个走法之后还有另外250种走法。以此类推。这意味着，即使最大的超级计算机也不能预测出每个可能下法的结果。因为太多了。正如Hassabis说的，可能的位置比宇宙原子数量还要多。为了破解围棋，你需要一种不光会计算的人工智能。它需要多少模仿人类， 甚至是人类直觉。你需要会学习的东西。
这就是谷歌和Facebook要解决这个难题的原因。如果他们能够解决如此复杂的问题，那么，他们也能将研究所得作为跳板，迈向处理更实际现实生活问题的人工智能。Hassabis说，这些技术和机器人学是‘天作之合’。它们能让机器人更好地了解环境并对环境中不可预测的变化做出响应。想象一台能洗盘子的机器。但是，他也相信，这些技术能增进科学研究，提供了可以为研究人员指明下一个重大突破的人工智能助手。
而且那也略过了一些将会改变人类日常生活的更加直接的应用。DeepMind技术能帮助智能电话识别图片、语音以及翻译，不仅如此，还能理解语言。这些技术正通往这样的机器：它能理解用普通老式英语说的话，并用这种语言回答我们。
这一切解释了为什么扎克伯格如此渴望在谷歌披露自己已经击败一位围棋大师这一消息几小时之前，更新自己的Facebook讨论围棋。
谷歌以在学术期刊Nature上发布研究论文的方式公布了这一结果，而且Facebook员工也在官方发布之前获得这份论文(消息发布两天前，也和一些记者方分享了这一消息，不过缔结了守秘协议)。结果，扎克伯格以及公司许多其他人就采取了某种预损失控制行动。
谷歌宣布消息的前一晚，Facebook人工智能研究人员发布了一崭新的研究论文，介绍了他们自己的围棋研究工作——就其本身水平来说，研究工作还是令人印象深刻的——扎克伯格也在自己的账户上宣传了这篇论文。他说，‘在过去六个月中，我们已经搭建起一个能以0.1秒之速下棋的人工智能，同时也和之前那些花费数年搭建起来的系统一样出色。’‘研究人员田渊栋，就坐在距离我20英尺的座位上。我喜欢让我们的人工智能团队坐在我旁边，这样我就能从他们的研究中学习些东西。’
不必介意Facebook的围棋人工智能不像AlphaGo走得那么远。正如LeCun指出的，Facebook并没有在围棋问题上像DeepMind那样投入很多资源。而且也没有花费很多时间研究这方面。为什么公司在谷歌大日子前夕强调自己的研究工作，原因尚不清楚，但是现实是，Facebook——特别是扎克伯格——非常重视这类人工智能。然而，这种人工智能竞赛并不真的仅仅是个哪家公司系统更会玩围棋的问题。毋宁是哪家公司能够吸引到顶级人工智能人才的问题。扎克伯格和LeCun都知道，他们必须向相对小规模的人工智能展示，在这个问题上，公司态度是认真的。
有多认真?哦，最明显的地方就是扎克伯格测量了自己和田渊栋的距离。在Facebook，你的重要性取决于你的座位距离扎克伯格有多近。而且，扎克伯格个人也卷入了对人工智能的需求中——毫无疑问。今年元旦，扎克伯格说，2016年的个人挑战就是打造一个人工智能系统，在家庭和工作事务中，帮助自己。
人工智能带来的威胁
谷歌和Facbook意图搭建人工智能，它将在许多方面超越人类智能。但是，他们不是唯一的两个玩家。微软，推特和马斯克以及其他许多人都在同一方向上推进着自己的研究。对于人工智能研究来说，那是件了不起的事情。而且，对于像Nick Bostrom这样的人——以及，呃，马斯克——来说，它也让人感到恐惧。
正如深度学习创业公司Skymind的CEO兼创始人Chris Nicholson指出的，围棋证实的这类人工智能几乎能用于解决任何可被视为某种游戏的难题——策略会在其中扮演重要角色的任何事情。他说，这包括金融交易和战争。这两个例子都需要更多的研究工作——以及更多的数据。不过，思维本身并未得到解决。Bostrom的书言之有理，人工智能会比核武器还要危险，原因不仅在于人类会滥用人工智能，还在于我们能打造出多少无法加以控制的人工智能系统。
类似Alpha Go。这样的系统。是的，系统会己学习——确实会和自己对弈，自己生成数据和策略，在围棋游戏中(我们仍然期待着对决世界最顶尖的围棋选手之一)，它能胜过几乎所有人类。但是，尽管围棋很复杂，但是，它也是一个有限的宇宙——并不近乎真实事情那般复杂。而且，DeepMind的研究人员已经完全掌控系统。他们能够以自己意愿改变它并关掉它。事实上，考虑将这种特殊机器视为危险，甚至是毫无意义的。
担忧在于，随着研究人员不断改进该系统，他们会在不知不觉中跨越那道门槛，有关世界末日的焦虑确实开始变得有意义。Bostrom说，他和他的Futhre of Humanity Institute其他同仁正在关注加强学习找到突破人类控制的方式。他说，‘某些同样的问题会出现在今后更佳成熟的系统中，我们今天也能在系统中找到类似的问题。’他解释道，有许多小的暗示表明，强化学习会产生机器拒绝被关闭的情形。
但是，这些是非常小的暗示。Bostrom承认，如果这样的危险真的会发生，那还很遥远。谢谢他的努力，也感谢那些诸如马斯克这样有影响力的技术专家们，对于潜在危险而言，这种更为广泛的兴师动众无异于未雨绸缪，是明智的。这些担心说明了一件最重要的事情，像DeepMind的那些尚处发展中的技术，它们非常强大。
谷歌的这次胜利说明了同一件事。但是，这场胜利仅仅是序曲。3月，AlphaGo将挑战过去十年中的世界顶级围棋选手李在石，这场比赛将更加重要。李在石比刚刚在伦敦输掉比赛的欧洲冠军樊麾更有才能。樊麾世界排名633，而李在石世界排名第五。许多专家相信，AlphaGo将会赢得这场重量级较量。如果事实果真过如此，好吧，那也只是一个序曲。
人工智能抢千万人饭碗
据外媒15日报道，科学家在美国科学促进会年会上警告，人工智能突飞猛进，已达到机器人几乎可以取代，甚至超越人类执行任何任务的地步，在未来30年将导致千千万万人失业，且各行各业都将受影响，男女都不能幸免。
首当其冲的将是驾驶业。美国得克萨斯州莱斯大学肯尼迪信息技术研究所所长瓦迪估计，未来25年美国将有10%的司机因为自动驾驶兴起而失业。
康奈尔大学电脑科学系教授塞尔曼说，“未来两三年，半自主或自主系统将进入我们的社会”。他列举的例子包括自动驾驶汽车和卡车、监控用途的自主无人机、全自动交易系统、家用机器人及其他可以帮助人类做决定的“智能助手”。
自动化和机械化系统在过去40年彻底改变工业生产，尽管提高了生产力，但也提高失业率。
瓦迪说，美国制造业的就业市场在1980年达到高峰后一直下滑，中产阶级的工资多年无法上升。工业机器人的数量则已超过20万台，而且数量还在攀升。
他说：“我想社会必须面对这个即将来临的问题：如果机器人可以进行几乎所有人类可以做的工作，那么人类要做什么?全球经济是否经受得起超过半数人口失业?”
塞尔曼说，自人工智能产业在50多年前开展以来，美国去年对这一领域的投资达到历史新高。大企业如谷歌、面簿、微软、特斯拉汽车(Tesla)进行大手笔投资;美国五角大楼也寻求拨款190亿美元发展智慧武器系统。
这些人工智能已发展到可以分析数据和执行复杂任务的阶段，塞尔曼担心，人类有朝一日无法控制人工智能。
塞尔曼预言：“我们将与机器人建立一种共生关系，我们会开始信任它们，并与它们合作。这是问题所在，因为我们不知道机器智能的增长率，机器人会变得多聪明。”
著名英国物理学家霍金早在2014年就已发出警告：随着机器人智能越来越高，总有一天它们会造反，不再听人类的指挥。
霍金接受英国广播公司访问时说：“它将会腾飞，以越来越快的速度自我重新设计。受到缓慢生物进化限制的人类将无法竞争，终将被超越。全人工智能的发展可能意味着人类的终结。”
对于人工智能终将不受人类控制的担忧，一些科学家呼吁建立一套伦理规章，管理人工智能的发展;另一些科学家则呼吁世界各国政府坐下来一起探讨解决方案，以设法解决人工智能被认为比核武器更具威胁性的问题，例如具备人工智能的自主武器系统。
来源：华强安防网
湖南启明电子科技有限公司
地址：湖南省长沙市雨花区劳动东路208号华菱新城地标1102室
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
考勤 门禁 停车场
巡更 消费 一卡通
今日搜狐热点