日本人工智能围棋-人工智能时代即将到来，我们不能只知其名

Artificial Intelligence，简称AI，即人工智能。自从2016年3月，阿尔法狗以4：1的战绩，战胜了围棋界顶尖高手李世石的那一刻开始，人类就彻底相信人工智能的无限可能。科学家们看到了人工智能的发展希望，商人们看到了人工智能世界里的黄金宝库，普通的吃瓜群众看到了人工智能正要和自己的生活悉悉相关……

智能家居，智慧工厂，无人驾驶，无人超市……人类曾经为偷懒找各种理由，现在不用了，因为很多工作即将由机器代替。这时日本人工智能围棋，就有一些人开始对人工智能的发展产生了莫名其妙的恐惧，因为连医生这样的工作，都可以由智能机器人代替，更何况一些没有什么技术含量、进入门槛很低的服务、体力劳动类岗位呢？

所以，以前我们或许会因为忙不完的工作而烦闷；未来，我们或许会因为没有劳动机会而犯愁。以前，我们在工作中的竞争对手是比我们努力，比我们厉害的同事；未来，我们的竞争对手或许就是一台不知疲倦的机器。

不管如何，人工智能时代终将到来。到时，我们该如何应对，该如何生存，该如何活得更好……等等这些问题，我们或许来不及思考，但有一点可以肯定，我们一定可以和人工智能相处得很好，毕竟人工智能是人类自己创造出来的，聪明的人类创造出人工智能，是为了促进生产力发展，给人类文明进步添加动力。

因此，我们无需恐惧，只要安静地接受一个新的美好时代即可。但是，我们也不能什么也不做，既然人工智有时代即将到来，我们不能只知其名，不知其史。

日本著名科学家，世界人工智能领域的代表人物：山本一成写了一本书《你一定爱读的人工智能简史》，这本书以人工智能在围棋领域的应用为主线，穿插讲述作者本人开发的“PONANZA”日本将棋程序的发展历程，PONANZA程序、谷歌公司开发的阿尔法狗、IBM公司开发的“深蓝”是人工智能发展史上的三大标杆。

图书封面

《你一定爱读的人工智能简史》讲述了人工智能向人类学习的历史，同时，也是讲述人类如何让机器学会向人类学习，学习人类的技能、经验的探索历史。

总结起来讲，人工智能的学习历史分为“机器学习”、“深度学习”、“强化学习”等三个阶段。通过了解人工智能的学习历史，可以快速而轻松地搞明白人工智能到底是怎么回事，对其有一个比较深入而全面的了解。

图片来自网络

01 机器学习技术的诞生，让机器学会了模仿人类行为

人工智能并非一开始就很火爆的，在研究人工智能的历史上，研究人员曾一度连经费都申请不到，他们为了申请经费，不敢声称自己在研究人工智能，而是以机器学习的名义申请经费，这段历史称为人工智能的寒冬。

在机器学习的初级阶段，主要是采取仿真和模拟的方式，让机器学习并理解人类的某些行为和动作。

所谓仿真，其实是一种搜索技术，他是一种非常机械的、以正确答案优先的预测方法。所以，简单地讲，仿真，其实就是指搜索。这个阶段的搜索，采用的方式也是很笨的，基本上是在一个很大的数据库中，按既定的关键字匹配，寻找符合要求的答案。

模拟呢？比仿真要高级一点日本人工智能围棋，这个技术会根据相应的指令，去判断正确的答案应该在哪一个数据表中，这样一来，看上去好像提升了机器的智能。其实，也并不智能，因为机器做出什么样的判断，是程序员提前设置好的指令。无非就是在一个固定的模式下，机器在搜索的基础上，增加了一个基于固定指令的判断功能，也就是所谓的评估功能。因此，所谓的模拟，也可以理解为仿真+评估，或者说是搜索+评估。

显然，这种智能不是人类想要的。

先前，我们以为只要把人类的知识传授给机器，把能力复制给机器就行了，但事实上，机器压根搞不懂我们的意图，我们编写程序，试图让机器明白应该怎么做，但结果却像对牛弹琴，并没有达到理想的效果。所以教机器学习也罢，给机器赋能也罢，复制能力给机器也罢，这些事情原本想着很简单的事情，实际操作起来，难于上青天。

可是，要如何才能把人类的专业知识告诉给机器，让机器拥有智能呢？机器学习技术应时而生。

什么是机器学习技术呢？机器学习技术，指的是还不能完全理解人类的学习方式，但可以模仿人类学习行为的一种计算机技术。

科学家为了让机器快速掌握一个专业领域的知识，比如，让机器成为一个围棋高手，采取的办法是：把各种围棋高手对决过的棋局盘面做成模板，写进程序中，说白了，就是把已经发生过的情况，全部做成模板，这些模板被程序员数字化以后，整理成一个庞大的数据库，然后让电脑学习这些模板，这种方式，被称为监督式机器学习。

这个学习方法真的很管用，先学习高手们的经验，可以快速提升能力，掌握知识。但是，仅仅这样就行了吗？显然不行，让机器学习模板，但是模板毕竟是有限的，而人的思维是在不断变化的，是在不断创新的。一旦出现新的情况，机器就无法理解，其笨拙的行为就会显现出来。

所以，机器学习必需有足够多的模板，这些模板就像是机器的老师一样。现实情况是老师严重不足，拿围棋来说，到2018年，已经发生的棋局才5万多局，要想让围棋机器和人对决，仅仅学习这些棋局，显然不能取胜顶尖高手。

怎么办呢？必需打破人类教机器的模式，得让机器自己学会学习。有了这个需求，相应的技术也就随之诞生了，这个技术，叫深度学习技术。

图片来自网络

02 深度学习技术的诞生，让机器自己教自己如何学习

阿尔法狗打败了世界围棋顶尖高手李世石，证明了机器的智能完全可以超过人类。那么，阿尔法狗为什么会拥有这么厉害的智能呢？机器的深度学习技术，起到了非常关键的作用。

什么是深度学习技术呢？

所谓深度学习技术，是从“神经元网络”技术发展起来的，也可以讲，“神经元网络”技术，就是深度学习技术的前身。这个神经元网络技术，其实已经有了70多年的历史，以前的科学家们曾为之痴迷，因为神经元网络是模拟人类的大脑构建的。

《你一定爱读的人工智能简史》内页

那么，问题来了，神经元网络技术发展那么早，而人工智能技术的发展历史还不到20年，既然神经元网络技术那么厉害，为什么人工智能一开始不采用神经元网络技术呢？

原来，神经元网络技术那个时候虽然理念先进，但是在实际的研究中，到底如何应用，没有取得什么实质性的突破。比如，让机器识别一个水杯，正着放，机器能识别，倒过来放，机器就不能识别。

这怎么办，那就穷举，把杯子的各种颜色，各种摆放，全部让机器记忆下来，这样的话，在很多情况下，机器都能正确识别杯子。这看上去是个不错的方法，但实际上，这一点也不智能，而且需要耗费大量的存储和计算功能，太不划算了。就像人类学习，我们不能为了打100分，就把所有知识点都死记硬背下来，肯定没有人乐意那样做。而且，全背下来，没有理解的话，也不一定能打100分。

这时，科学家们想到，不能让机器傻傻地把所有情况都背下来，虽然我们需要机器学会深度学习，但是，我们要防止机器过度学习。因为过度学习，不仅浪费资源，而且还有一个最大的隐患，就是当机器碰到新问题时，它记忆的情况越多，出错的概率越大。

如何防止机器过度学习呢，唯一的办法是：脱离！

怎么脱离？比如，还是让机器识别一个水杯，在深度学习的基础上，加上脱离技术以后，可以使机器在学习过程中，随机抽取神经元，并让该神经元脱离神经组织，由于缺少神经元，机器不会全盘记忆。这时，可以让机器记住杯子的局部特征，从而使机器在没有全盘记忆杯子的各种情况时，也能正确识别杯子。

可是，采用脱离技术后，机器在深度学习时，是如何由全盘记忆转向记忆局部特征的呢？科学家们也解释不清楚，《你一定爱读的人工智能简史》这本书的作者山本一成，把类似于脱离技术一样难以解释清楚的技术问题，统称为“黑魔法”。

不过，自从有了这些黑魔法的帮助，深度学习技术得到了快速发展，比起之前的监督式机器学习来，要强太多了。发展到今天，深度学习技术的输入、输出设计非常自由。比如，输入声音，可以输出图像，输入图像，可以输出合适的文字说明。这样的构想，被称为“多路径协作”。当图像、文字、声音可以随意转换并呈现出来时，看上去是不是显得很智能？

《你一定爱读的人工智能简史》内页

当前，关于深度学习的多路径协作，随着“将语言当作图像来处理”这个方法的诞生，科学家们发现，不论是语言文字还是其它，只要能设法与图像关联起来，立即就会产生深度学习效果，这个有点类似于我们人类记忆东西时，如果把记忆对象转换成图像，就可以进行快速记忆，而且可以增强记忆效果一样。不过，机器把文字转换成图像的处理能力，比人类要强大N倍。看来，智能的本质即为图像。

随着深度技术的发展，机器已经学会了自己教自己，机器拥有了自学能力。不过，机器的智能要想超过人类，仅仅依靠深度学习技术，是不行的。为了追求突破，人工智能的发展史上，出现了强化学习技术。

图片来自网络

03 强化学习技术的诞生，完整展现智能学习的“守破离”路径图

如果说之前的监督式机器学习和深度学习，分别是：“守”和“破”。那么，强化学习技术的诞生，就是“离”。《你一定爱读的人工智能简史》这本书的作者山本一成，用“守、破、离”来形容人工智能学习历史上的三个阶段。

“守”，指的是小白阶段，也就是机器学习的初始阶段，机器非常老实，非常听话。老师教什么，就学什么，老师让干什么，就干什么，老师说走路得先迈左脚，它就一定不会先迈右脚。说白了，就是一切听老师的，谨遵教诲和示范动作。

“破”，就是深度学习阶段，指练好了基本功以后，感觉自己有了一定的基础，也学会了最精华的知识，长本事了，就不甘于现状了，求知欲更强。于是，就想向更多的老师学习，自己偶尔还要总结一下不同老师的优势，让自己变得更厉害，有点自主学习，而且还能学有所成的味道了。

“离”，就是自创了一些招式之后，就想自立门派了，这就拥有了强化学习技术，进入到了强化学习阶段。

插入一句题外话，其实我们人类学习，也可以参考这种学习模式，或许能提升我们的学习能力。

那么，什么是强化学习技术呢？其实，人类和人工智能在学习的过程中，都会采取“监督式学习”和“强化学习”两种模式。

监督式学习，必须有老师的示范作为模板。而强化学习呢，不需要老师。强化学习是让计算机重复对未知领域进行搜索，然后反馈结果的方式，使计算机在重复反馈的结果中，不断强化“评估”能力，从而得到正确答案。因此，强化学习，重点是在于反馈过程，一直在重复进行。

《你一定爱读的人工智能简史》内页

有了强化学习技术以后，机器可以抛开所有模板，自行思考，自行决策。随着人工智能技术的发展，在不久的将来，机器可以自己编写程序，自己创造自己，自己改造自己，这是不是显得更厉害了呢？当然，这也让很多人感到担忧，生怕再这样下去，机器会超越人类，到时候可能会发生人、机大战？有没有可能呢？

或许，人工智能，终将超越人类，但还有很长的路要走，因为人工智能不等于人类智慧，机器拥有智能，但要想拥有和人类同等的智慧，现在还不敢想象。

不过，我们确实该想想，在未来，该如何与机器相处……