第3章 全新的智能
AlphaGo最后以4:1的总比分战胜李世石，结束了这场世纪人机对战。
虽然李世石凭借神之一手为人类获取了一次极其宝贵的胜利。但是人类已经明白已近无法阻止人工智能时代的到来，和即将到来的人工智能发展浪潮。
在围棋上打败天下无敌手之后，DeepMind旗下的Alpha家族开始深入探究所有棋类，包括国际象棋、日本将军棋。很快将这些领域人类上千年的智慧典籍被，只留下一本本天书以供人学习，老祖宗的几千年留下智慧结晶甚至无法与Alpha自学三天的发现相提并论。
这股突如其来的旋风刮得太猛，各种深度学习算法，神经网络算法的开发高潮迭起，各国各个公司也纷纷成立相应的人工智能部门，DEEPMIND也成为最热门的人工智能领军人。
在AlphaZero诞生一周年之际，《自然》杂志以封面文发布了AlphaZero经过同行审议的完整论文，而DEEPMIND创始人兼CEO哈萨比斯亲自执笔了这一论文。
来看看AlphaGoZero无敌的战绩吧。
AlphaGoZero在三天内自学了三种不同的棋类游戏，包括国际象棋、围棋和日本将军棋，而且无需人工干预。不需要学习任何人类棋谱，甚至规则也是在通过程序自学的。这一成果震惊了国际象棋世界，而仅仅深度学习了几个小时，AlphaGoZero就成为了世界上最好的棋类玩家。
早在20年前IBM的深蓝已经打败了国际象棋大师，后续又相继出现STOCKFISH、KOMODO这些顶级国际象棋程序，这些早已独霸国际象棋世界，人类无法与之匹敌。而如今ALPHAZREO在国际象棋界打败这些人类大师又有什么不同呢。
众所周知，在国际象棋方面，IBM的深蓝在20年前就打败了国际象棋大师，而后续的Stockfish和Komodo这些国际象棋程序也早已独霸国际象棋世界。在AlphaGoZero发布之后，很多人质疑了其在国际象棋领域的价值。而本次的完整论文，对一些人认为机器算法下国际象棋没有价值的论调提出了几个措辞颇为严厉的批评。
这是因为，
下面，就让我们通过对XXX的采访来分析下AlphaZero。
“很高兴您能接受采访。”
“这是我的荣幸。”
“首先恭喜你AlpaZero创造了神迹。”主持人显然对AlpaZero的惊人战绩印象深刻。
“谢谢。”
“在AlphaZero诞生后的十二个月里，你说了这么一句话令我印象特别深刻。你说AlphaZero清楚地展示了人类从未见过的一种智慧！”
“是的，一种全新的智慧。国际象棋程序大师深蓝、Stockfish和Komodo虽然能赢人类，但它们不能真正理解棋局。”
“你的意思是Alpha可以像人类一样的理解棋局？”主持人非常惊讶，理解是人类智慧最核心的优势。正是人类可以理解棋局，理解自然，理解宇宙，人类才如此的与众不同，如此的伟大。
文章指出，在过去的二十年里，用机器算法下国际象棋已经取得了很大进步。1997年，IBM公司的国际象棋程序“深蓝”（DeepBlue）在一场六局的比赛中击败了当时的人类世界冠军卡斯帕罗夫。现在看来，这一成就并不神秘。深蓝每秒可以计算2亿个位置。它从不疲倦，从不在计算中出错，也从不会忘记片刻之前的想法。
无论结果是好是坏，“深蓝”都像一台真正的机器，粗暴而物质化。它的计算能力远超过卡斯帕罗夫，但却无法真正从思维上超越他。
在第一局的比赛中，深蓝贪婪地接受了卡斯帕罗夫用车换一名后的牺牲，却在16步之后输了比赛。现在，诸如Stockfish和Komodo等当前世界上最强的国际象棋程序仍然在以这种方式下棋。它们喜欢吃掉对手的棋子；它们防守像钢铁一样强悍。但是，尽管这些国际象棋程序要比任何人类棋手强大得多，但并没有真正理解棋局本身的意义。
经过几十年的发展，人类大师关于棋类游戏的经验，都被作为，复杂的评估工具编进程序中（需要修改为通俗的句子），表明在下棋中该寻求什么样的有利位置以及避免陷入什么样的不利境地。比如，王的安全性，棋子的活动、兵形、中心控制，以及如何平衡利弊。但以往很多国际象棋程序却天生无视这些原则，给人留下的印象是野蛮粗暴的，这些程序速度快得惊人，但却完全缺乏洞察力。
AlphaGoZero不仅打败了人类和所有程序，
还拥有洞察力。
什么是洞察力？是表现为洞察力，还是内在有什么机制是洞察力的本质。
AlphaGo/Zero看见了人类所看不见的世界。正如人类只能通过可见光来观察世界，而AlphaGo通过更本质的方式来观察世界里各个事物之间的联系——概率。
它不能像人类思维那样整体理解棋局，通过逻辑分析和一种直觉天赋来理解事物。它更微观、更基础，更接近事物联系之间的本源，它就像一个可以进入事物内部的微型机器人，发现底层之间的连线。它无法按照人类的语言去解释这种联系的宏观表现，它只关注最本质的联系，这就是它特有的洞察力。
但正是它最本质的观察，却表现出了人类所不具备的宏观视野和智慧，非常令人惊讶的智慧。
所有这些都随着机器学习的兴起而改变。AlphaZero通过与自己对弈并根据经验更新神经网络，从而发现了国际象棋的原理，并迅速成为史上最好的棋手。它不仅能够轻而易举地击败所有最强大的人类棋手，还能击败当时的计算机国际象棋世界冠军Stockfish。在与Stockfish进行的100场比赛中，AlphaZero取得28胜72平的好成绩。它没有输掉一场比赛。
最令人不可思议的是，AlphaZero似乎表达出一种天然的洞察力。
它具备浪漫而富有攻击性的风格，以一种直观而优美的方式发挥着电脑所没有的作用。它会玩花招，冒险。在其中几局中，它使Stockfish瘫痪并玩弄它。
“玩弄它？”主持人非常惊讶。“您确定这不是一种拟人的描述吗？”
“这样吧，我给你举一个例子，我有非常深刻的印象。
当AlphaZero在第10局进行进攻时，它把自己的皇后佯退到棋盘的角落里，远离Stockfish的国王。通常来说，这并不是攻击皇后应该被放置的地方。
然而，这种奇怪的撤退行为充满了恶意，不管Stockfish如何应对，它都注定要失败。经过数十亿次残酷的计算后，AlphaZero几乎是在等待Stockfish意识到，自己的处境是多么无望，就像一头被击败的公牛面对斗牛士一样平静落败。
大师们从未见过这样的机器。AlphaZero拥有精湛的技艺，同时也拥有机器的力量。这是人类第一次瞥见一种令人敬畏的新型智能。
“很明显，AlphaZero获胜靠的是更聪明的思维，而不是更快的思维。它每秒只计算6万个位置，而Stockfish会计算6千万个。它更明智，知道该思考什么，该忽略什么。卡斯帕罗夫在《科学》杂志文章附带的一篇评论中写道，AlphaZero通过自主发现国际象棋的原理，开发出一种“反映游戏真相”的玩法，而不是“程序员式的优先级和偏见”。”
“令人惊叹！那么除了棋类，AlphaZero还能做什么？”
现在的问题是，机器学习能否帮助人类发现所关心问题的真相？比如像癌症和意识、免疫系统之谜、基因组之谜、甚至是人类智力的瑰宝-数学之世纪难题、量子力学之类人类也无法理解的科学领域和医学尚未解决的重大问题。
早期迹象令人鼓舞。《自然医学》上的两篇文章探讨了机器学习如何应用于医学诊断。在一项研究中，DeepMind研究人员与伦敦莫尔菲尔德眼科医院（MoorfieldsEyeHospital）的临床医生合作，开发出一种深度学习算法，可以准确地对各种视网膜病变进行分类。
另一篇文章也涉及一种机器学习算法，其能够确定急诊室病人的CT扫描是否显现出中风、颅内出血或其他重要神经疾病的迹象。对于中风患者来说，每一分钟都很重要；治疗耽误的时间越长，结果就越糟。新算法的准确性堪比人类专家，而且比人类专家快150倍。一个更快的诊断有助于医生对最紧急病例进行快速分类，并由人类放射科医生进行复查。
“虽然有较多看起来不错的应用，然而令人沮丧的是，机器学习算法还无法清晰表达它们的想法。我们不知道它们如何得出结论，对于我们来说它的整体决策系统是一个黑箱，所以也就无从确定能否信任机器。”
“比如，AlphaZero似乎已经发现了一些有关国际象棋的重要原则，但它无法与我们分享这种洞察力。作为人类，我们想要的不仅仅是答案，我们想要的是洞察力。从现在起，这将成为我们与电脑互动交流的开始。”
事实上，这一情况在数学领域中早有耳闻。四色映射定理就是这样一个长期存在的数学问题。该定理指出在一定的合理约束条件下，有关相邻国家的任何地图都可以只使用四种颜色进行着色，这样相邻两个国家的颜色就不会相同。
虽然人们最终在计算机帮助下于1977年证明了四色映射定理，但是没有人能够检验论证中的所有步骤。从那以后，这个定理的证明得到了验证和简化，但仍有一些部分需要进行蛮力计算。这种发展使许多数学家感到恼火。他们不需要确认四色定理是正确的，但他们想知道为什么这是真的，但是证明没有帮助。
“很遗憾目前我们无法了解算法的洞察，不过我是一名乐观主义者，让我们畅想一下未来：真正的通用算法何时到来？”
但是设想有一天，也许就在不久的将来，AlphaZero已经发展成为一种更通用的解决问题算法，其将拥有至高无上的洞察力，它能够拿出漂亮的证据，就像AlphaZero与Stockfish对弈时一样优雅，而且每一个证明都会揭示为什么定理是正确的。
对于人类数学家和科学家来说，这一天将标志着一个新时代的到来。机器的速度越来越快，相比之下人类神经元却以毫秒级的速度缓慢运转，我们再也跟不上机器的理解速度，人类洞察力的黎明可能很快就会变成黄昏。
无论是基因调控或癌症，还是免疫系统的编排，抑或是亚原子粒子的运动，其中或许还存在有待于发现的更深层模式。假设这些模式需要超越人类的更高智能来预测，而AlphaZero的继任者又能够识别并理解它们，那么在我们人类看来算法就像是一个神谕。
或许未来，我们不再明白为什么计算机的结论总是正确的，但我们可以通过实验和观察来检验它的计算和预测。科学将把我们的角色降低到旁观者的角色，在惊奇和困惑中目瞪口呆。
或许，未来最终我们不再纠结于人类自身关于洞察力的匮乏。毕竟机器算法将能够治愈我们所有的疾病，解决我们所有的科学问题，并让我们所有的一切顺利前行。在我们作为智人存在的最初30万年时间里，我们在没有多少洞察力的情况下一样生存得相当好。我们将自豪地回忆起人类洞察力的黄金时代，这段几千年的辉煌插曲就发生在我们不理解的过去和我们不可思议的未来之间。
虽然李世石凭借神之一手为人类获取了一次极其宝贵的胜利。但是人类已经明白已近无法阻止人工智能时代的到来，和即将到来的人工智能发展浪潮。
在围棋上打败天下无敌手之后，DeepMind旗下的Alpha家族开始深入探究所有棋类，包括国际象棋、日本将军棋。很快将这些领域人类上千年的智慧典籍被，只留下一本本天书以供人学习，老祖宗的几千年留下智慧结晶甚至无法与Alpha自学三天的发现相提并论。
这股突如其来的旋风刮得太猛，各种深度学习算法，神经网络算法的开发高潮迭起，各国各个公司也纷纷成立相应的人工智能部门，DEEPMIND也成为最热门的人工智能领军人。
在AlphaZero诞生一周年之际，《自然》杂志以封面文发布了AlphaZero经过同行审议的完整论文，而DEEPMIND创始人兼CEO哈萨比斯亲自执笔了这一论文。
来看看AlphaGoZero无敌的战绩吧。
AlphaGoZero在三天内自学了三种不同的棋类游戏，包括国际象棋、围棋和日本将军棋，而且无需人工干预。不需要学习任何人类棋谱，甚至规则也是在通过程序自学的。这一成果震惊了国际象棋世界，而仅仅深度学习了几个小时，AlphaGoZero就成为了世界上最好的棋类玩家。
早在20年前IBM的深蓝已经打败了国际象棋大师，后续又相继出现STOCKFISH、KOMODO这些顶级国际象棋程序，这些早已独霸国际象棋世界，人类无法与之匹敌。而如今ALPHAZREO在国际象棋界打败这些人类大师又有什么不同呢。
众所周知，在国际象棋方面，IBM的深蓝在20年前就打败了国际象棋大师，而后续的Stockfish和Komodo这些国际象棋程序也早已独霸国际象棋世界。在AlphaGoZero发布之后，很多人质疑了其在国际象棋领域的价值。而本次的完整论文，对一些人认为机器算法下国际象棋没有价值的论调提出了几个措辞颇为严厉的批评。
这是因为，
下面，就让我们通过对XXX的采访来分析下AlphaZero。
“很高兴您能接受采访。”
“这是我的荣幸。”
“首先恭喜你AlpaZero创造了神迹。”主持人显然对AlpaZero的惊人战绩印象深刻。
“谢谢。”
“在AlphaZero诞生后的十二个月里，你说了这么一句话令我印象特别深刻。你说AlphaZero清楚地展示了人类从未见过的一种智慧！”
“是的，一种全新的智慧。国际象棋程序大师深蓝、Stockfish和Komodo虽然能赢人类，但它们不能真正理解棋局。”
“你的意思是Alpha可以像人类一样的理解棋局？”主持人非常惊讶，理解是人类智慧最核心的优势。正是人类可以理解棋局，理解自然，理解宇宙，人类才如此的与众不同，如此的伟大。
文章指出，在过去的二十年里，用机器算法下国际象棋已经取得了很大进步。1997年，IBM公司的国际象棋程序“深蓝”（DeepBlue）在一场六局的比赛中击败了当时的人类世界冠军卡斯帕罗夫。现在看来，这一成就并不神秘。深蓝每秒可以计算2亿个位置。它从不疲倦，从不在计算中出错，也从不会忘记片刻之前的想法。
无论结果是好是坏，“深蓝”都像一台真正的机器，粗暴而物质化。它的计算能力远超过卡斯帕罗夫，但却无法真正从思维上超越他。
在第一局的比赛中，深蓝贪婪地接受了卡斯帕罗夫用车换一名后的牺牲，却在16步之后输了比赛。现在，诸如Stockfish和Komodo等当前世界上最强的国际象棋程序仍然在以这种方式下棋。它们喜欢吃掉对手的棋子；它们防守像钢铁一样强悍。但是，尽管这些国际象棋程序要比任何人类棋手强大得多，但并没有真正理解棋局本身的意义。
经过几十年的发展，人类大师关于棋类游戏的经验，都被作为，复杂的评估工具编进程序中（需要修改为通俗的句子），表明在下棋中该寻求什么样的有利位置以及避免陷入什么样的不利境地。比如，王的安全性，棋子的活动、兵形、中心控制，以及如何平衡利弊。但以往很多国际象棋程序却天生无视这些原则，给人留下的印象是野蛮粗暴的，这些程序速度快得惊人，但却完全缺乏洞察力。
AlphaGoZero不仅打败了人类和所有程序，
还拥有洞察力。
什么是洞察力？是表现为洞察力，还是内在有什么机制是洞察力的本质。
AlphaGo/Zero看见了人类所看不见的世界。正如人类只能通过可见光来观察世界，而AlphaGo通过更本质的方式来观察世界里各个事物之间的联系——概率。
它不能像人类思维那样整体理解棋局，通过逻辑分析和一种直觉天赋来理解事物。它更微观、更基础，更接近事物联系之间的本源，它就像一个可以进入事物内部的微型机器人，发现底层之间的连线。它无法按照人类的语言去解释这种联系的宏观表现，它只关注最本质的联系，这就是它特有的洞察力。
但正是它最本质的观察，却表现出了人类所不具备的宏观视野和智慧，非常令人惊讶的智慧。
所有这些都随着机器学习的兴起而改变。AlphaZero通过与自己对弈并根据经验更新神经网络，从而发现了国际象棋的原理，并迅速成为史上最好的棋手。它不仅能够轻而易举地击败所有最强大的人类棋手，还能击败当时的计算机国际象棋世界冠军Stockfish。在与Stockfish进行的100场比赛中，AlphaZero取得28胜72平的好成绩。它没有输掉一场比赛。
最令人不可思议的是，AlphaZero似乎表达出一种天然的洞察力。
它具备浪漫而富有攻击性的风格，以一种直观而优美的方式发挥着电脑所没有的作用。它会玩花招，冒险。在其中几局中，它使Stockfish瘫痪并玩弄它。
“玩弄它？”主持人非常惊讶。“您确定这不是一种拟人的描述吗？”
“这样吧，我给你举一个例子，我有非常深刻的印象。
当AlphaZero在第10局进行进攻时，它把自己的皇后佯退到棋盘的角落里，远离Stockfish的国王。通常来说，这并不是攻击皇后应该被放置的地方。
然而，这种奇怪的撤退行为充满了恶意，不管Stockfish如何应对，它都注定要失败。经过数十亿次残酷的计算后，AlphaZero几乎是在等待Stockfish意识到，自己的处境是多么无望，就像一头被击败的公牛面对斗牛士一样平静落败。
大师们从未见过这样的机器。AlphaZero拥有精湛的技艺，同时也拥有机器的力量。这是人类第一次瞥见一种令人敬畏的新型智能。
“很明显，AlphaZero获胜靠的是更聪明的思维，而不是更快的思维。它每秒只计算6万个位置，而Stockfish会计算6千万个。它更明智，知道该思考什么，该忽略什么。卡斯帕罗夫在《科学》杂志文章附带的一篇评论中写道，AlphaZero通过自主发现国际象棋的原理，开发出一种“反映游戏真相”的玩法，而不是“程序员式的优先级和偏见”。”
“令人惊叹！那么除了棋类，AlphaZero还能做什么？”
现在的问题是，机器学习能否帮助人类发现所关心问题的真相？比如像癌症和意识、免疫系统之谜、基因组之谜、甚至是人类智力的瑰宝-数学之世纪难题、量子力学之类人类也无法理解的科学领域和医学尚未解决的重大问题。
早期迹象令人鼓舞。《自然医学》上的两篇文章探讨了机器学习如何应用于医学诊断。在一项研究中，DeepMind研究人员与伦敦莫尔菲尔德眼科医院（MoorfieldsEyeHospital）的临床医生合作，开发出一种深度学习算法，可以准确地对各种视网膜病变进行分类。
另一篇文章也涉及一种机器学习算法，其能够确定急诊室病人的CT扫描是否显现出中风、颅内出血或其他重要神经疾病的迹象。对于中风患者来说，每一分钟都很重要；治疗耽误的时间越长，结果就越糟。新算法的准确性堪比人类专家，而且比人类专家快150倍。一个更快的诊断有助于医生对最紧急病例进行快速分类，并由人类放射科医生进行复查。
“虽然有较多看起来不错的应用，然而令人沮丧的是，机器学习算法还无法清晰表达它们的想法。我们不知道它们如何得出结论，对于我们来说它的整体决策系统是一个黑箱，所以也就无从确定能否信任机器。”
“比如，AlphaZero似乎已经发现了一些有关国际象棋的重要原则，但它无法与我们分享这种洞察力。作为人类，我们想要的不仅仅是答案，我们想要的是洞察力。从现在起，这将成为我们与电脑互动交流的开始。”
事实上，这一情况在数学领域中早有耳闻。四色映射定理就是这样一个长期存在的数学问题。该定理指出在一定的合理约束条件下，有关相邻国家的任何地图都可以只使用四种颜色进行着色，这样相邻两个国家的颜色就不会相同。
虽然人们最终在计算机帮助下于1977年证明了四色映射定理，但是没有人能够检验论证中的所有步骤。从那以后，这个定理的证明得到了验证和简化，但仍有一些部分需要进行蛮力计算。这种发展使许多数学家感到恼火。他们不需要确认四色定理是正确的，但他们想知道为什么这是真的，但是证明没有帮助。
“很遗憾目前我们无法了解算法的洞察，不过我是一名乐观主义者，让我们畅想一下未来：真正的通用算法何时到来？”
但是设想有一天，也许就在不久的将来，AlphaZero已经发展成为一种更通用的解决问题算法，其将拥有至高无上的洞察力，它能够拿出漂亮的证据，就像AlphaZero与Stockfish对弈时一样优雅，而且每一个证明都会揭示为什么定理是正确的。
对于人类数学家和科学家来说，这一天将标志着一个新时代的到来。机器的速度越来越快，相比之下人类神经元却以毫秒级的速度缓慢运转，我们再也跟不上机器的理解速度，人类洞察力的黎明可能很快就会变成黄昏。
无论是基因调控或癌症，还是免疫系统的编排，抑或是亚原子粒子的运动，其中或许还存在有待于发现的更深层模式。假设这些模式需要超越人类的更高智能来预测，而AlphaZero的继任者又能够识别并理解它们，那么在我们人类看来算法就像是一个神谕。
或许未来，我们不再明白为什么计算机的结论总是正确的，但我们可以通过实验和观察来检验它的计算和预测。科学将把我们的角色降低到旁观者的角色，在惊奇和困惑中目瞪口呆。
或许，未来最终我们不再纠结于人类自身关于洞察力的匮乏。毕竟机器算法将能够治愈我们所有的疾病，解决我们所有的科学问题，并让我们所有的一切顺利前行。在我们作为智人存在的最初30万年时间里，我们在没有多少洞察力的情况下一样生存得相当好。我们将自豪地回忆起人类洞察力的黄金时代，这段几千年的辉煌插曲就发生在我们不理解的过去和我们不可思议的未来之间。
转码声明：以上内容基于搜索引擎转码技术对网站内容进行转码阅读，自身不保存任何数据，请您支持正版