尋夢新聞LINE@每日推播熱門推薦文章,趣聞不漏接❤️
我們無法想像一個快馬加鞭傳遞三百里加急的信件的信使看到我們今天拿起智慧型手機一秒之內傳遞訊息的震動。我們也曾對著智能機器人像個孩童一樣問東問西——固然它理解比你想像的多得多。當我們看到鋪天蓋地的新聞說阿爾法狗打敗了李世石人工智慧要改造這個世界。我們開始思考人工智慧AI(Artificial Intelligence)是什麼?它會給我們帶來什麼?當人類在象徵聰明行為的圍棋中輸給電腦的時候人們甚至產生了一時的恐慌。它是洪水猛獸還是雨化甘霖?
人工智慧的範疇異常普遍,包含但不限於新聞中的人機大戰、手機中的語音文字轉化或者基於大數據的喜好推送。在眾人皆談AI的時代,我們對於人工智慧,也要做到知其然知其所以然。在這本《你一定愛讀的人工智慧簡史》中,我們就和作者一起看看人工智慧到底是怎麼一回事,它是如何一步步走到今天,擁有了令人們又愛又恐慌的「聰明」。
本書主要從日本的將棋(一種日本特有的棋類)和我們熟知的圍棋為中心,摸索機器學習、深度學習、強化學習這三大人工智慧核心技術的歷史和未來,用最通俗的語言將人工智慧在棋類中是如何誕生發展的過程描寫出來。
我們有需要了解一下本書的——山本一成,他是日本人,世界人工智慧範疇的代表人物。他開發了「PONANZA」程式,和IBM公司的「深藍」、Google公司的「阿爾法狗」並稱人工智慧史上的三大標桿。通俗一點講,他是一個會下將棋的程式員。那麼這個會寫書的程式員又會如何向我們講述人工智慧呢?
一、 電腦一思考,人類就尖叫——一台用來計算的計算機,為什麼突然學會了思考?
我們把計算機叫做電腦,既然稱之為「腦」就說明在人們眼里,計算機像大腦一樣在思考。哪怕是簡單的1+1=2的計算。當然,計算機思考的背後還是人類的思考。但是,就像我們坐雲霄飛車一樣,除了最初的推進力,其他時間,雲霄飛車靠的都是地球引力在運動,電腦在最初的步驟里,是需要人類設定程式來計算,但是,當它進入一個更精深的層次,發現規律並且自我運算的時候,計算機就開始自我賦能了。
但是別忘了,我們發明計算機的最初,它只是一台用來存儲和計算的機器。計算就是加減乘除,存儲比如外語單詞。但是,人類的算計還遠不止於此,「人生如棋局局新」、戰場上的謀略,都需要多看一步的算計,人們就開始思考,這樣多看一步甚至許多步的算計,電腦能不能實現?如何實現?
當我們教別人如何做事的時候,首先會在頭腦里將事情的步驟想一想,然後用「編碼」——語言一二三地總結出來傳授,最後讓他做一遍驗證一下學會了沒有。人類要如何「教會」計算機做事呢?
教會計算機依照人類思維模式做事,是不是可以將此了解為智能的初階?智能換個詞就是聰明,聰明的意思是辨析斷定、發明締造的才能。書中講到聰明行為一般包含兩個部分:搜尋+評估。
任何生物要想生存,一定要有對生存環境的斷定。哪里有危險,哪里能吃到東西。這種斷定換句話說就是「多看一步」——預測未來。這種預測最行之有用的,就是丟棄一切主觀意識和價值斷定,對事物的發展進行猜度——有一個詞概括了這種斷定和猜度:仿真,就是基於現有狀態機械地猜度今後的變化。
搜尋是進行仿真的前提。計算機的搜尋功效會用讓它搜尋到準確的選項,在下棋的時候,搜尋就意味著,找到一個準確的落子點。不過,對於本書中提到的將棋來說,它所擁有的10226這個數量級的運算太龐大,算不過來怎麼辦呢?(GoogleGoogle的名稱來源於數學單位Googol,意思是1後面又100個0但是,據科學家猜度,宇宙內可觀測的所有原子數量還不足1Googol)
當我們到喧鬧嘈雜的菜市場,如何能力快速斷定誰家的菜新穎便宜呢?初入菜市場的你,評估的成果一定是:顧客最多的那家。電腦對下棋也需要評估。電腦將全部資源進行切割,在切割後的各個部分里,再進行搜尋並且對評價較高的部分進行進一步的搜尋。這就像我們分解方針各個擊破一樣。
作者在書中介紹,將棋就是用這樣的辦法進行計算的,這個搜尋+評估的過程被稱為模仿。
但是事實上,有了模仿,人們不過是有了一個做事的主旨,真正開始計算的時候發現,要定例則。就像我們給自己定下了五年方針,但是具體天天做什麼怎麼做?我們如何給電腦定例則?科學家發現,把自己的聰明「傳輸」給電腦有點難。
溝通學理論認為,語言既是橋梁也是障礙。其實我們早就了解,不是所有的想法都可以用語言準確地傳達。哪怕是一個溝通高手。
問題該如何解決呢?
二、 了解人工智慧之前,必必要了解的深度學習。
如何讓計算機知道這張圖片狗是狗而不是貓?就像媽媽對你說的,要學習能力知道更多,把學習的義務交給電腦,這種方法叫機器學習。在創新工廠CEO李開復著的《人工智慧》一書中,對機器學習有一個定義:機器學習……是一種用數學模型對真實世界中的特定問題進行建模,以解決該範疇內類似問題的過程。
細心看一遍這個概念,不要被里面的專業名詞嚇跑。通俗一點了解,就是像我們人類學習漢字一樣,從天地人日月星開始,從不會到記住,一次一次地記憶,當我們看的次數足夠多時,這個字就印在腦海里了,下次,不管這個字是楷體還是宋體,不管是毛筆寫的還是鋼筆寫的,我們不會認錯。計算機也是用這個規律來記憶的。
機器學習道理展現
註:文字引自李開復 王詠剛《人工智慧》文化發展出版社2017.5出版
到今天,機器學習在畫像辨認範疇技術已經比較成熟了。比如人臉辨認技術,或者你打開某一個軟體掃一掃,就能知道任何一朵花兒的名字,或者你在淘寶上用圖片搜尋賣價更低的商品。在這里,我們要說的是機器學習中的深度學習。
了解人工智慧的人一定知道深度學習。在醫學範疇,任何一個通過深度學習的計算機都能勝過一位全世界最善於從患者的X光片上發現病灶的醫生。因為,它數據多而且不用休息,而且幾乎不受使用處所的限制。
深度學習的前身是「神經元網路」技術,神經元網路是模仿人類的大腦構建的。當兩層不足以解決問題的時候,人們就開始增加層數。層數在不斷加深,這也是深度學習這個名字的由來。
從神經元網路到深度學習的深化展現
那麼深度學習是如何運行的呢?深度學習是一種容許計算機不斷嘗試,最終逼近方針的機器學習辦法。深度學習是把計算機要學習的東西看成一大堆數據,把這些數據放入一個複雜的、包括多個層級的數據處理網路,然後檢查顛末這個網路的得到的成果數據是不是符合請求——如果符合,就保存這個網路作為方針模型,如果不符合,就一次次地重新調整網路參數設置,知道輸出滿足請求為止。(文字引自李開復 王詠剛《人工智慧》文化發展出版社2017.5出版)
概念既抽象又簡單。抽象在於我們普通人其實很難了解它們的具體實施過程,而簡單在於,我們只需要知道它最後一定會成功的。其實作者在書中將深度學習稱為里面有黑魔法的元素。就像人類的直覺一樣,我們有時候做了準確的事,但是解釋不清為什麼要那樣做。深度學習現在的確面臨這樣一個人類無法解釋的「直覺過程」。
即便無法解釋,深度學習如今已經在語言(翻譯)聲音(語音輸入)圖像(圖像辨認)三個方面有了很大的收獲。
三、 什麼是強化學習?
作者在書中提到過兩種學習方法:監視式學習和強化學習。顧名思義,監視式學習就是有老師看著學,而強化學習不需要老師,計算機會對未知的環境進行隨機搜尋並反饋其成果。在反饋成果的過程中,「評估」被不斷強化,所以這個辦法就被叫做,強化學習。
當這種強化學習技術運用到將棋範疇的時候,將棋出現了人類可以永遠都想不出來的「棋路」——計算機自我發明了新的棋路。事實上,這些成果是建立在最初大數據輸入的前提下的,監視式學習讓電腦學到了最前沿的技術,然後能力強化學習。其實簡單點說就是,人類教會了計算機之後,計算機逐漸超過了師傅,開始自學成才了。當徒弟開始領悟規律,老師恐怕就真的追不上了。
阿爾法狗就是很好的例證。圍棋在進入電腦評估的時候,因為其棋面的複雜多樣性,每一步是很難用分值來計量。這時候,一種叫做蒙特卡洛法的運用隨機後果來進行推算的辦法出現了。
蒙特卡洛法是指當所求解問題是某種隨機事件出現的機率,或者是某個隨機變數的期望值時,通過某種「實驗」的辦法,以這種事件出現的頻率猜想這一隨機事件的機率,或者得到這個隨機變數的某些數字特徵,並將其作為問題的解。(概念來自網路)
其實從概念可以看出,這是一種看起來麻煩但是能夠在不斷定性中找出答案的辦法,對於圍棋這樣很難找到規律和計算辦法的棋藝來說,這種辦法是異常得當的。阿爾法狗也是通過蒙特卡洛法,深度計算的聯合,把握了圍棋的辦法克服人類的。,
最後作者提醒我們,在人工智慧普及的今天,從監視學習到強化學習將在各個行業中顯現出來。
《你一定愛讀的人工智慧簡史》作者對於內容的劃分比較詳細,但是依然需要讀者有一定的知識背景,不僅僅是對日本將棋的了解,更包含對於人工智慧現狀的了解能力深刻領會。作者通過將棋的發展講述人工智慧的發展歷程,對於普通讀者來說,也可以說是「降維」講解。專心領會,對人工智慧入門還是有幫助的。
當人工智慧一步一步走進我們的生活,變得比人類更聰明的時候,人類難免會產生擔憂,從普通人擔憂的工作被槍占,到人工智慧專家擔憂人工智慧缺少倫理觀,做出無法被人類控制的事,比如上文提到的深度學習,就有許多地方是人類底子無法了解的了。這也的確為人工智慧的發展敲響了警鐘,人類為了便利而將人工智慧推向了今天,但是說到底,人才是一切的底子,對此,我們要永遠記住並且遵守。