围棋新闻

当前位置/ 首页/ 新闻公告/围棋新闻/ 正文

刘知青:人工神经网络有通用性 人机会更紧密结合



\


文章来源:上观新闻 刘璐 曹飞

  这只是开始

  一年前那场人机对弈带来的震惊与轰动,至今令人记忆犹新。以至于说到人工智能在围棋领域的杀伤力,我们就不得不提击败了围棋世界冠军李世石九段的AlphaGo。

  但这只是开始。

  2017年伊始,一个名为“Master”的ID在网络测试中以60盘全胜的战绩,横扫包括世界冠军在内的中日韩多位顶尖棋手。就在全世界对其身份进行各种猜测的时候,Master宣布自己就是AlphaGo的升级版。

  本月初在某围棋网络平台上,一个新的“十段”高手诞生,这个ID名为“绝艺”的神秘棋手,接连战胜了一众国内外高手。从所展示的套路来看,围观者纷纷猜测“绝艺”是类似于AlphaGo的人工智能棋手。而据此前跟“绝艺”直接对战过的古力个人微博暗示,它很可能是腾讯AI团队打造的人工智能体。

  坐拥数千年历史的围棋,一向因其复杂多变的下法被认为是人类在智力游戏上的一个“堡垒”。现如今,世界上最优秀的人类棋手却屡屡败给人工智能,几乎引发了围棋界的信仰颠覆。人工智能为什么会在围棋领域如此迅猛发展?接下来它又会给我们带来哪些影响?

  面对这些问题,北京邮电大学计算机围棋研究所所长刘知青教授近日在上海图书馆“上图讲座”开讲,与著名围棋学者胡廷楣畅谈“从阿尔法狗(AlphaGo)到马斯特(Master) ——人工智能和文化”。

  “阿尔法狗”的“见、闻、知、行”

  AlphaGo,俗称“阿尔法狗”。“不闻不若闻之,闻之不若见之,见之不若知之,知之不若行之”。在刘知青看来,出自《荀子·儒效》的这句话,概括“阿尔法狗”的学习能力特别贴切。荀子认为学一样本领需要做到听、看、理解和实践四位一体,而“阿尔法狗”对围棋的掌握,恰恰体现了“学习”这件事的精髓。

  视觉与形象思维,是人类智慧的两个重要组成部分,而围棋充分运用到了这两点,刘知青认为,这是很多人用学下围棋开发孩子智力的原因,也是为什么人工智能选举围棋突破的原因。机器是怎么学习的?所谓听之、见之、行之、知之,这个“之”就是数据。没有数据,什么也“见”不到。这里说“见”到围棋,不是指看到了围棋的游戏规则,围棋真正的智慧通过棋谱表达出来,可它背后是围棋的所有数据,这是人工智能的基础。人工智能必须在数据中,进行基于数据的机器学习,从有监督的指导学习过渡到无监督的自主学习

  解决了两大难点

  刘知青认为,围棋有两个相对特殊的难点:一个是面对围棋盘面,如何进行选点和落子;另一个是如何在下棋的过程中,准确判断形势,预测不同围棋盘面的胜负可能性。

  过去计算机围棋一直使用一种叫做“蒙特卡洛树搜索”的技术,其底层有坚实的数学基础,上层则采用计算、模拟、采样、优化等一系列数学方法。最近几年,又引入了“神经网络”,实现了对上述两个难点的解决。神经网络的作用有二:一是通过学习高水平棋手的棋谱,获得盘面落子的直觉,即通常说得“棋感”;二是通过机器的增强型学习,判断形势,通过运用盘面优劣评价函数,及时识别那些非最优的招法,并停止搜索相关的决策方法。

  “人工神经网络”是什么

  这种能够帮助人工智能打败世界冠军的神经网络,究竟是什么?

  通俗地讲,神经网络类似于人类大脑的组织结构,通过神经元的某种联结来组成。人工智能所使用的神经网络并非生物神经网络,而是一个由计算机模拟,有联结、权重和不同组织结构的神经网络,它所仿照的模型就是人类大脑。因此这种神经网络目前被称为“人工神经网络”。

  事实上,人工神经网络这一概念几十年前就已提出,只是最近才成为人工智能领域一门非常重要的技术。而它之所以变得越来越重要,就在于获得了数据和大规模超级计算的支持。大量的数据能够对神经网络进行有效的训练,再加上神经网络本身也发生了一些结构上的根本变化,使其可以实现图像识别的适应。

  “阿尔法狗”就是经过训练的人工神经网络。它通过向人工神经网络输入像素点,实现对围棋图像的理解。基本原理就是把围棋视作19乘19的像素图像,并输入像素点及相对应关系,它所训练出来的神经网络会得出一个概率分布,判断对手即人类在某个点落子的可能性有多大,从而自动得出应该如何落子的直觉,然后采取相对应的策略。

  3000万盘棋VS 15万

  经过训练的“阿尔法狗”,又是如何进行形势判断的呢?

  所谓形势判断,是指面对一个围棋盘面,可以看出到底是黑棋还是白棋终将获胜,并且这种对输赢的判断还必须具有定量方面的基础支撑。而定量需要使用一个数值来表示胜率多少。当然,此种意义上的胜率是一个动态变化的过程。神经网络就具备这种功能,它可以判断一个围棋盘面胜率的大小,继而采取相对应的下棋策略。

  令人类自叹弗如的是,“阿尔法狗”已经自我对弈了3000万盘棋,这个数字是人类根本无法企及的。那么人类一生可以自我对弈多少呢?据测算,15万盘,可能就是人类棋手的极限了。

  新的“闯入者”

  简单地把专家的思维方式和条理逻辑输入计算机,是过去的老办法了。如今的人工智能会传授关于学习的方法,因此人工神经网络的深度学习能力很强。

  刘知青与不少相关领域专家都认为,人工神经网络具有通用性, 能够应用到不同领域,除了围棋,也可以是自动驾驶、医疗影像等等。最近一段时间,我们已经看到,很多类似的重要领域都在使用这种技术。他提出,在人工神经网络技术不断发展的背景下,未来司机、医生及其他职业的部分工作是否可以被机器替代,会是一个值得思考的现实问题。

  尽管只有数十年历史的人工智能,相较于已有几千年历史的人类而言,还是一个非常新的“闯入者”。但是人工智能已经表现出颠覆性的特征,通常认为只有人类能做的一些事情,现在机器也可以高质量地完成。机器取代的人类的恐慌,也以科幻、艺术等形式被提出和蔓延。

作为学者,刘知青认为人工智能颠覆性的背后,还有很多法律、道德和伦理方面的问题需要解决。他举例说,假如未来出现一家具有垄断地位的公司,同时掌握了先进的人工智能,那会不会一家独大而让其他人统统成为附属?类似这些都是值得关注和思考的问题。

  互相离不开

  关于人工智能未来的发展趋势,他深信一点——人类和机器会更加紧密地结合在一起。

  人类离不开机器,因为人类需要机器的帮助,因此我们应该拥抱人工智能,而不是出于种种原因对此排斥。

  而机器也离不开人,因为正是人类给机器提供了大量的实证数据,才让机器能够进一步地优化和学习。

  不过,在另一名演讲嘉宾胡廷楣看来,无论人工智能在围棋领域发展得多么强大,有一点仍然是它无可取代的,那就是机器跟人下围棋的时候,没有“人文氛围”——赢棋的时候不能唱歌,输棋的时候不能骂人。