比下棋更难的是理解人类，中美AI技术想象空间大不同

历史上人工智能打败人类的事情并非首次发生，但最近围棋冠军李世石在与人工智能AlphaGo的对弈依然引发了全世界的关注。面对AlphaGo以4:1战胜李世石，担心人工智能将加速人类毁灭的有之，持李世石故意输掉比赛的阴谋论者有之，抛开这些危言耸听的言论不谈，我觉得倒有必要严肃地谈一谈人工智能为什么能够打败人类，除了围棋下一步人工智能还将在什么领域打败人类，中国的人工智能技术目前处在什么样的阶段，人工智能技术又能够如何帮助人类更好地生活，这些更为务实一些的话题，远比讨论一场比赛的输赢更有意义。

美国人工智能：看重算法优化和运算速度的提升

AlphaGo战胜李世石，胜在计算能力，包括算法和计算速度，同时计算机不会出现疲劳、害怕这些只有人类才会出现的生理和心理反应，且不存在严格意义上的“失误”。事实上，机器在计算能力上早已超越人类，此次取得围棋比赛的胜利只是计算能力的进一步加强。AlphaGo采用了改进的蒙特卡洛决策树算法与深度神经网络算法相结合的方法，这套算法较之上一次引起轰动的人机大战时“深蓝”所采用的算法，进步幅度是显而易见的。

1976年计算机首次战胜人类棋手有赖于一种名为“剪枝法”的算法，在对弈过程中，人类优秀棋手可以通过思考预测到5步之后的情形，从而决定下一步的最佳走法，这些走法中自然包括相对行得通的走法和完全行不通的走法，不过人类棋手会自动将那些完全行不通的走法排除掉，但当时的计算机是无法做到的，这种情况下计算机每走一步平均每秒需要检查百万种可能的走法，所谓“剪枝法”类似于我们通常所说的“排除法”，目的是为了帮助机器剪掉那些行不通的走法，减少运算的复杂程度，避免“举棋不定”的情况发生。

当年深蓝能够战胜卡斯帕罗夫正是计算机对剪枝法不断优化的结果，但这套方法放在比象棋更加复杂的围棋上又失去了效力，直到深度学习技术的出现。深度学习技术是对传统人工神经网络技术的进一步发展，而所谓人工神经网络，就是将化简后人脑的神经元模型实现于电子计算机之上，从而得到类似于人脑的功能，使计算机可以通过“学习”从外界环境中获取知识。而所谓“学习”本质上是人类对机器的训练，目前仍未完全走出“监督式学习”的阶段。即人类给机器的行为评分，做对了给高分，做错了给低分，通过大量的实战与犯错，最终让机器保持在高分水平。

AlphaGo的算法结合了深度学习和决策树算法（剪枝法的升级），包含策略网络和价值网络两个部分。前者负责机器快速作出下一步棋走法的决策，而后者则帮助机器对当前局面是否对自己有利作出分析。简单来说，既保证细节正确又懂得顾全大局。加之计算机硬件水平的提升，AlphaGo战胜李世石可以说意料之中。但无论是围棋还是象棋，人与机器的比拼都限定在单一问题、封闭规则的范围里，机器只是学会了“像人一样去思考”，但却无法像人类一样针对不同的事物和情况进行真正的推理和解决问题。

对于机器来说，模拟人脑的计算模式并不是最大的难题，比计算更难的是如何理解人类的情感，读懂人类的语言、语义。因为相比有基本套路和规则的比赛，思维、对话、情感充满太多不确定因素。如果说以谷歌为代表的美国科技巨头看重人工智能的计算能力，那么中国的科技公司则更加倾向于挖掘机器的深度学习能力和自然语言处理能力。

中国人工智能：更看重自然语言处理技术和深度学习能力

相比谷歌、苹果等企业，中国的科技巨头在人工智能技术领域更加重视技术处理实际生活问题的能力，以及技术与商业场景的紧密结合。以BAT为代表的中国互联网企业目前均对人工智能有所涉足，百度基于其搜索业务结合人工智能技术推出语音搜索，阿里从大数据挖掘角度切入以便更好地为其电商业务服务，腾讯则以人工智能技术挖掘并满足用户社交、购物等需求。

中国虽然没有AlphaGo，但这并不意味着中国的人工智能水平低于谷歌等美国企业。事实上，在语音、语义识别等深度学习领域，中国的人工智能水平目前处于世界领先地位。中国人工智能学会常务理事、智能机器人专业委员会主任，华中科技大学自动化学院教授、博士生导师黄心汉认为，谷歌AlphaGo在围棋方面的成功是人工智能技术在深度学习方面取得重大进步的体现，但如果要进一步扩大其应用范围，还需要整合多种人工智能技术。与之相比，语音搜索不局限于单一、封闭规则的任务，可以实现多轮对话，响应多样化搜索需求，适应环境变化等多种交互行为，需要更复杂的深度学习能力，其应用范围更加广泛，更能代表目前人工智能的成就。

以百度的语音搜索业务为例，它是一种基于语音的搜索服务，用户可以使用手机百度发起语音搜索，机器根据用户发出的语音请求，进行语音识别然后将检索结果反馈给用户。这个功能看起来简单，但其中所使用的技术却十分复杂，包括了自然语言处理中的语音识别、语义理解以及机器的深度学习技术。

我们用实际对话场景来更加形象的理解这项技术。去年双创周，李总理与百度的人工智能机器人小度有过一次对话。

——总理：你为什么叫小度啊？

——小度：百度研发的嘛。

——李总理：你储存了多少个句子？

——小度：好多好多。

——李总理：不愿意说具体数字是保守秘密吗？

——小度：是啊，特别大呢！

注意，总理问的第一个问题与第二个问题是两个不相关的问题，小度要做的首先是对语音进行识别，然后理解其语义，并最终做出语音反馈。总理问的第二个问题与第三个问题之间能够看出是有关联的，这就在语音识别的基础上考验人工智能结合上下文理解语义的能力。它需要读懂两个问题之间的关联性，然后才能给出合理的回答。

我们再来看下面这组问题：

——北京今天几号限行？

——北京今天限行尾号为2和7。

——明天呢？

——北京明天不限行。

——后天呢？

——北京后天不限行。

这是一组在人类日常交流中经常出现的多轮对话，因为人类有理解在同一对话场景下不同语句之间关联性的能力，所以不需要每次发问都带上核心问题。但是机器人如果没有一定的语义识别能力是无法做到这一点的，而百度语音搜索最大的亮点便在于通过多轮对话，逐步理解人类表达的语义，反馈提供人类所需的信息。另外，百度在语义识别技术上在全球是处于领先地位的，其深度语音识别系统刚被美国权威《麻省理工科技评论》评为2015年十大突破技术之一。相比之下像苹果的Siri等语音机器人，多数情况下只会被用户当做消遣之用。

从以上对话中能够看出，语音搜索不是简单的语音识别，包含对需求的理解和对数据资源的理解。而随着语音搜索业务的成熟，人类社会中的许多行业也将发生巨大改变。比如汽车导航的操作将更加自然流畅，咨询类服务将无需人类亲自进行，人们获取新闻资讯的方式也更加多样化。人工智能技术与真实生活和商业的结合，能够帮助人们更好的生活，这远比谈论一场围棋比赛的输赢更有意义。

AI不仅会下围棋，百度人工智能来势汹汹

AlphaGo赢了围棋比赛，但从人工智能的计算能力来看这并不是件值得惊讶的事，当前关于人工智能的讨论，主要围绕以下几类事情：1、人类能做，但机器比人做得更好的事；2、人类不能做但机器能做的事；3、只有人类能做，机器做不到的事；4、人类和机器现在都做不到，但未来机器可能做到，人永远无法做到的事。这几件事中，只有最后一类事真正值得人类惊讶。而AlphaGo做的是到目前来看应该属于第一种。

计算能力是可以通过对算法的不断优化和硬件性能的提升而不断进步的，未来机器在计算能力上的表现可能达到惊人的地步。譬如，人们通常以抛硬币的方式决定某个问题，抛硬币正反面的结果能否计算到？理论上是可以的。但是以机器目前的计算能力现在还做不到，而人类永远也无法做到。这就属于上面四类事中的最后一类。因为实在缺乏实际意义，所以现在没有讨论的必要。

百度的语音搜索实际上也是上述第一类加上第二类事情。比如问未来天气如何，人类通过对气象的观察也能预测到大概的天气情况，但通过语音搜索得来的结果更加精准。再比如问交通状况，人类看不到几百公里之外的交通状况，但机器可以做出回答。我们还可以设想更超前的场景，比如在用户遭遇歹徒抢劫袭击时，搭载语音识别功能的手机等智能设备可以通过声音推测周围场景，比如听到“救命！”的呼救声，进一步作出报警等反应。这样的场景实际上有些接近第四类事情了，因为人们不可能在身体受到袭击和限制的情况下进行报警。

随着语音、语义识别技术的成熟，人工智能将更加接近于人类本身，成为有“灵魂”的生命体，从而帮助人类更好地生活。这些都远比取得一场围棋比赛的胜利更有意义。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。